我有一个简单的问题，但不幸的是我不知道从哪里开始（我才刚刚开始）。所以，我想做的最终是增加我的词汇量。我想到从新闻文章中删除最常用的单词。我找到了 5,000 个最常用单词的列表并保存了它。删除最常用的单词后，我可以在 TextSTAT 中创建一个语料库并进行词频统计，然后选择我想通过这种方式学习的单词。但是，如何将最常用单词列表中的单词从我要保存的文章中删除呢？
答案1
假设您有名为“news.articles1”、“news.articles2”等的文件，并且您的常用单词位于名为“stop.words”的文件中
cat news.articles* | tr -s '[:blank:]' '[\n*]' |
tr '[:upper:]' '[:lower:]' | fgrep -v -f stop.words
该管道的输出不应包含任何常用单词。您可能需要通过管道中的附加步骤删除所有标点符号，例如：
tr -d '[:punct:]'
“stop.words”的良好英语版本通常位于/usr/share/groff/<version>/eign.