将句子拆分成单独的行

Question

我正在尝试使用 shell 脚本将文件中的句子拆分成单独的行。

现在我想用 !, ? 分割字符串要么。 .输出应该是这样的：

我想从 my_text.txt 中读取并包含

的文件

you want to learn shell script? First, you want to learn Linux command! then. you can learn shell script.

现在我想用“!”或“?”或“.”拆分字符串。输出应该是这样的：

you want to learn shell script                 
First, you want to learn Linux command             
then           
you can learn shell script

我用过这个脚本：

while read p
do
   echo $p | tr "? ! ." "\n " 
done < my_text.txt

但输出是：

you want to learn shell script

First, you want to learn Linux command then you can learn shell script

有人可以帮忙吗？

Answer 1

Awk 非常适合这个：

awk -F '[?.!]' '{ for (i=1;i<=NF;i++) { print $i } }' file

将字段分隔符设置为？要么。要么！然后遍历每个字段并打印条目。

Answer 2

您可以调用 3 个 tr 命令拆分 ? ！和.

cat test_string.txt | tr "!" "\n" | tr "?" "\n" | tr "." "\n"

Answer 3

这可以在单个 awk 中使用其全局替换选项完成，如下所示，仅在 GNU awk 中使用所示示例编写和测试。只需全局替换 ?、!、. 为新行（默认情况下 ORS（输出记录分隔符）值作为新行）。

awk '{gsub(/\?|!|\./,ORS)} 1' Input_file

Answer 4

那不是您使用 tr 的方式。它的两个参数的长度应该相同，否则第二个参数将通过重复其最后一个字符 ^* 扩展到第一个的长度——也就是说，在这种情况下，一个 space—使逐一音译成为可能。换句话说，给定 ? ! . 和 \n 作为参数，tr 将用换行符替换 ?，而 !、和. 与 space。我猜你要找的是：

$ tr '?!.' '\n' <file
you want to learn shell script
 First, you want to learn Linux command
 then
 you can learn shell script

或者，更方便地说：

tr '?!.' '[\n*]' <file

^{*这就是 GNU tr 所做的，POSIX 在参数长度不同时未指定行为。}

Answer 5

在gnu-awk中我们可以用gensub()函数得到：

awk '{print gensub(/([.?!]\s*)/, "\n", "g", [=10=])}' file
you want to learn shell script
First, you want to learn Linux command
then
you can learn shell script

Answer 6

$ sed 's/[!?.]/\n/g' file
you want to learn shell script
 First, you want to learn Linux command
 then
 you can learn shell script

Answer 7

为什么要将自己限制在新行\n 作为 RS？也许是这样的：

\056 是句点。 \040 是 space。如果有，我会添加 + 是在每个句子和 u 之后键入 2 spaces 的传统做法想要标准化它。
我假设问号 \044 更频繁而不是感叹\041。我使用全八进制的唯一原因是所有这些都是可以在终端上破坏 havor 的东西没有正确引用和转义的可能性很小。
与 FS 或 RS 不同，OFS/ORS 是常量字符串（是吗？），因此输入字符是安全的。
经期由 RS 负责。无需特殊处理。那么，如果该行两者都不包含？也不！，按原样打印，然后继续（它将处理 ".\n" ）

.

mawk 'BEGIN { RS = "[6][0]+" ; ORS = ". \n"; 
              FS = "[4][0]+";  OFS = "? \n"; }
      ([=10=] !~ /[14]/) { 
                              print; next; } 
             /[1]/      { 
                              gsub("[1][0]+", "1 \n"); }  
      ( NF==1 ) || ( = )'

和 mawk 一样快，gsub ( ) 或 $1=$1 仍然要花钱，所以跳过昂贵的部分，除非它实际上有一个 ?要么！马克.

最后一行是有趣的技巧，*在大括号之外完成。你已经完成了！之前的那一行，所以如果没有？找到（又名 NF 为 1），然后那个评估为真，awk 将短路并且不执行第 2 部分，只需打印。

但是如果你找到了？标记， $1=$1 的赋值将以新的顺序重新排列它们，并且因为它是一个赋值操作而不是相等比较，如果赋值本身没有失败，它总是返回成功，这也将作为它自己的始终-true 标志打印到最后。

Answer 8

Awk 的记录分隔符变量 RS 应该可以解决问题。

echo 'you want to learn shell script? First, you want to learn Linux command! then. you can learn shell script.' |
awk 'BEGIN{RS="[?.!] "}1'

将句子拆分成单独的行

Split sentences into separate lines

bash

awk

tr