从文件中删除新行、空格

Question 1

请注意，如果从文件中删除每个换行符，即使是最后一个，那么它就不再是文本文件（除非文件最终为空），因为文本文件包含一系列文本行，文本行由换行符分隔人物。

现在，要删除除字母字符（任何字母表）之外的所有字符，正如 @Kusalanada 所说，POSIXly，您可以使用tr -cd '[:alpha:]'.

现在，不幸的是，通过一些tr实现，包括 GNUtr，这不适用于多字节字符。在 UTF-8 语言环境中，这意味着除 ASCII 字符之外的所有字符。

在 GNU 系统上，您可以使用 GNUawk或sed支持多字节字符的 GNU：

<file sed 's/[^[:alpha:]]//g' | tr -d '\n'

<file awk -v ORS= '{gsub(/[^[:alpha:]]/, ""); print}'

该语法不是 GNU 特定的，但您会发现一些不支持多字节字符的非 GNU sed/实现。awk请注意，GNU sed/awk至少不会删除不形成有效字符的字节序列（例如printf 'à b \200\n'UTF-8 语言环境中的输出）。

通过uconvICU 项目，您可以：

<file uconv -i -x '[^[:Letter:]]>;'

其中-i告诉uconv跳过无法解码的输入。

但这仅适用于 UTF-8 数据。请注意，它使用 Unicode 字符属性（Unicode 的某些版本），而不是由您的语言环境决定什么是字母或不是字母。

使用 GNU grep，您可以使用：

<file grep -o '[:alpha:]' | tr -d '\n'

或者如果使用 PCRE 支持构建（使用 Unicode 属性）：

<file grep -Po '\pL' | tr -d '\n'

对于 GNU awk，跳过无效输入的另一种方法是使用RS：

<file gawk -v RS='[[:alpha:]]' -v ORS= '{print RT}'

要就地修改文件，您可以使用gawk的inplace模块：

gawk -i /usr/share/awk/inplace.awk gawk -v RS='[[:alpha:]]' -v ORS= '{print RT}' file

不使用-i inplaceas尝试首先从当前工作目录gawk加载inplace扩展（asinplace或），有人可能已经在其中植入了恶意软件。随系统提供的扩展inplace.awk的路径可能会有所不同，请参阅输出inplacegawkgawk 'BEGIN{print ENVIRON["AWKPATH"]}'

Answer

请注意，如果从文件中删除每个换行符，即使是最后一个，那么它就不再是文本文件（除非文件最终为空），因为文本文件包含一系列文本行，文本行由换行符分隔人物。

现在，要删除除字母字符（任何字母表）之外的所有字符，正如 @Kusalanada 所说，POSIXly，您可以使用tr -cd '[:alpha:]'.

现在，不幸的是，通过一些tr实现，包括 GNUtr，这不适用于多字节字符。在 UTF-8 语言环境中，这意味着除 ASCII 字符之外的所有字符。

在 GNU 系统上，您可以使用 GNUawk或sed支持多字节字符的 GNU：

<file sed 's/[^[:alpha:]]//g' | tr -d '\n'

<file awk -v ORS= '{gsub(/[^[:alpha:]]/, ""); print}'

该语法不是 GNU 特定的，但您会发现一些不支持多字节字符的非 GNU sed/实现。awk请注意，GNU sed/awk至少不会删除不形成有效字符的字节序列（例如printf 'à b \200\n'UTF-8 语言环境中的输出）。

通过uconvICU 项目，您可以：

<file uconv -i -x '[^[:Letter:]]>;'

其中-i告诉uconv跳过无法解码的输入。

但这仅适用于 UTF-8 数据。请注意，它使用 Unicode 字符属性（Unicode 的某些版本），而不是由您的语言环境决定什么是字母或不是字母。

使用 GNU grep，您可以使用：

<file grep -o '[:alpha:]' | tr -d '\n'

或者如果使用 PCRE 支持构建（使用 Unicode 属性）：

<file grep -Po '\pL' | tr -d '\n'

对于 GNU awk，跳过无效输入的另一种方法是使用RS：

<file gawk -v RS='[[:alpha:]]' -v ORS= '{print RT}'

要就地修改文件，您可以使用gawk的inplace模块：

gawk -i /usr/share/awk/inplace.awk gawk -v RS='[[:alpha:]]' -v ORS= '{print RT}' file

不使用-i inplaceas尝试首先从当前工作目录gawk加载inplace扩展（asinplace或），有人可能已经在其中植入了恶意软件。随系统提供的扩展inplace.awk的路径可能会有所不同，请参阅输出inplacegawkgawk 'BEGIN{print ENVIRON["AWKPATH"]}'

Question 2

你不需要-name '*'像你想要的那样处理每一个文件（*无论如何都会匹配每个文件，因此没有任何区别）。但是，您可能只想-type f处理常规文件（而不是目录等）

要删除非字母的任何内容，您可以使用

tr -cd '[:alpha:]' <file

补足-c给定的字符集，并且[:alpha:]仅匹配字母字符。指示删除匹配-d的tr字符。

因此，您可能想要执行的命令是

tr -cd '[:alpha:]' <file | wc -m

对于每个文件。

由于这太复杂而无法find直接执行，因此您必须使用内联脚本：

find . -type f -exec sh -c '
    for pathname do
        tr -cd "[:alpha:]" <"$pathname" | wc -m
    done' sh {} +

在这里，内联sh -c脚本将从中获取批量文件路径名作为参数find。将为每个文件执行管道。

Answer

你不需要-name '*'像你想要的那样处理每一个文件（*无论如何都会匹配每个文件，因此没有任何区别）。但是，您可能只想-type f处理常规文件（而不是目录等）

要删除非字母的任何内容，您可以使用

tr -cd '[:alpha:]' <file

补足-c给定的字符集，并且[:alpha:]仅匹配字母字符。指示删除匹配-d的tr字符。

因此，您可能想要执行的命令是

tr -cd '[:alpha:]' <file | wc -m

对于每个文件。

由于这太复杂而无法find直接执行，因此您必须使用内联脚本：

find . -type f -exec sh -c '
    for pathname do
        tr -cd "[:alpha:]" <"$pathname" | wc -m
    done' sh {} +

在这里，内联sh -c脚本将从中获取批量文件路径名作为参数find。将为每个文件执行管道。

Question 3

使用乐（以前称为 Perl_6）

~$ raku -e 'S:g/ <-alpha> //.put given lines;'  file

#OR

~$ raku -e 'S:g/ <- :L > //.put given lines;'  file

或者：

~$ raku -e 'S:g/ <-alpha> //.put given slurp;'  file

#OR

~$ raku -e 'S:g/ <- :L > //.put given slurp;'  file

Raku 内置对 Unicode 的高级支持，因此无需加载外部库即可计算多字节字符。正则表达式字符类:L表示 Unicode 字母，并且<- :L >意味着“除了”Unicode 字母之外的所有内容都将在替换中被删除。

输入示例（第一行有 ~ 6 个尾随空格，第六行有 ~ 12 个空格）：

AAA     
AA1234

ÀÁÂÃÄÅÆ
1234
       
AAAA

示例输出：

AAAAAÀÁÂÃÄÅÆAAAA

计算字符数：

~$ raku -e 'S:g/ <- :L > //.raku.put given lines;'  file
"AAAAAÀÁÂÃÄÅÆAAAA"
~$ raku -e 'S:g/ <- :L > //.chars.put given lines;'  file
16
~$ raku -e 'S:g/ <- :L > //.comb.elems.put given lines;'  file
16

https://docs.raku.org/language/unicode
https://raku.org

Answer