我想修改一个文件以删除所有标点符号、数字和大写字母，并更改文件以使每行只有 1 个单词例如：
Hello, how are you!
你 好吗
在一些帮助下我想出了这个：
tr -d '[:punct:]' < file | tr -s '[:space:]' '\n' | tr -d '[0-9]' | tr '[A-Z]' '[a-z]' > cleanfile.txt
然而问题是，当我的文件中有一个地址时，我最终会得到 httpadresscom 而不是
http
adress
com
我也不希望像“don't”或“readme.txt”这样的词有这个输出
don
t
readme
txt
答案1
这应该隔离所有单词，只留下点和引号在里面。和下划线，可能不想要 - 然后\w不起作用。
]# grep -oE "(\w|\.\w|'\w)*" text
one
two
Three
four
linux
file
system
isn't
What
nothing
mailto
a.b
some.org
Molly's
cat
Wrote
a
readme.txt
一二。三四linux的文件系统不是啥？ “没什么”邮寄至： [电子邮件受保护]莫莉的猫。写了readme.txt。
问题tr是你需要的最小上下文。在这里你会被困住，因为some.org你想要分裂，但readme.txt不是。现在“@”不见了。
答案2
对于第一部分：不要删除标点符号，而是将其转换为空格。
对于第二个（不要等）：您可能需要一本单词词典，或者不删除's。