☰

CamelCase 单词的独立元素

tag-icon • tag-icon text-processing
CamelCase 单词的独立元素

有没有办法在文本的“内部”单词边界处拆分驼峰式单词？

例如，给定字符串：

IamHelloTest forYou PickTest;

作为输入，我想产生作为输出：

Iam
Hello
Test
for
You
Pick
Test

更新：既然这个问题有很多有用的答案，我将如何继续包括以下案例？

输入：

IamTestECHO TEST PickFoo BARFull;

期望的输出：

I
am
Test
ECHO
TEST
Pick
Foo
Bar
FULL

更新：我将如何继续包含下划线？

输入：

IamTestECHO TEST PickFoo BARFull def_python_FunctionTwo;

期望的输出：

I
am
Test
ECHO
TEST
Pick
Foo
Bar
FULL
def
python
Function
Two

答案1

如果您的grep实现支持-o（并且不是 ast-open 实现，它会因-o与空字符串匹配的正则表达式而阻塞）：

grep -o '[[:upper:]]*[[:lower:]]*'

答案2

通过 GNU grep，使用 Unicode 字符属性和零宽度断言：

grep -Po '((?<!=\p{Lu})\p{Lu}|(?<!=\pL)\pL)\p{Ll}*'

$ echo 'IamHelloTest forYou PickTest;' | grep -Po '((?<!=\p{Lu})\p{Lu}|(?<!=\pL)\pL)\p{Ll}*'
Iam
Hello
Test
for
You
Pick
Test
$ echo 'АямГеллоТест форЮ ПикТест' | grep -Po '((?<!=\p{Lu})\p{Lu}|(?<!=\pL)\pL)\p{Ll}*'
Аям
Гелло
Тест
фор
Ю
Пик
Тест

答案3

为了处理您的第二个示例，建议采用更“基于规则”的方法。考虑以下 Perl 脚本 ( camelcaseproc)：

#!/usr/bin/perl -CSDA -p

s{  \W+                                     # break on non-word
 |  _                                       # break on "_"
 |  (?<=\p{Ll})(?=\p{Lu})                   # ...aB... → ...a-B...
 |  (?<=\p{Lu})(?=\p{Lu}\p{Ll})             # ..ABCd.. → ...AB-Cd.
 |  (?<=I)(?=am)                            # exceptions rules
 }{-}xg                                     #
  • 第 1 行：使用 Unicode（处理重音、西里尔字母）
  • 第 2 行：用“\n”替换非字母
  • 第 3,4,5 行：break-intraWord 规则（由左上下文、右上下文定义）
  • 第 5 行：“Iam”的例外规则
  • 第 5 行：x选项可以在正则表达式中添加注释

通常chmod +x camelcaseproc我们可以将其用作：

$ camelcaseproc <<< "IamTestECHO TEST PickFoo BARFull"
I-am-Test-ECHO-TEST-Pick-Foo-BAR-Full

$ camelcaseproc input-file

$ echo "IamTestECHO TEST PickFoo BARFull" | camelcaseproc

答案4

和sed：

sed -Ee 's/([a-z])([A-Z])/\1\n\2/g' < your_file

和grep：

grep -Eo '[A-Z][a-z]+' < your_file

相关内容