☰

如何在 Linux 上将句子放在单独的行上

tag-icon • tag-icon bash text-processing
如何在 Linux 上将句子放在单独的行上

我有一个作业，将文本文件中的句子放在单独的行上。像这样的事情几乎有效：

cat file.txt | tr '.' '\n'

但我不想从我的句子中丢失点、问号和感叹号。我怎样才能做到这一点？

答案1

如果没有看到您的数据的实际示例，我无法确定，但是您是什么大概.寻找的是在每次出现,!和后添加换行符?。我不知道你想如何处理分号（;），因为它们并没有真正标记句子的结束。这取决于你。

无论如何，你可以尝试sed：

$ echo 'This is a sentence! And so is this. And this one?' | 
    sed 's/[.!?]  */&\n/g' 
This is a sentence! 
And so is this. 
And this one?

是s///替换运算符。它的一般格式是s/pat/replacement，它将替换pat为replacement。最后g的 使其对所有出现的 运行替换pat。如果没有它，它将停在第一个。这&是一个特殊的sed结构，意思是“无论匹配什么”。因此，在这里我们用任何匹配的内容和换行符替换.、!、 或中的任何一个。?

如果您的文本可以包含缩写，例如e.g.，您可能只想在下一个字母是大写字母时进行替换：

$ echo 'This is a sentence! And so is this. And this one? Negative, i.e. no.' | sed 's/\([.!?]\) \([[:upper:]]\)/\1\n\2/g' 
This is a sentence!
And so is this.
And this one?
Negative, i.e. no.

请注意，这不会Dr. Jones said hello.正确处理句子，因为它会假设 after.定义Dr了一个句子，并且下一个字母是大写的。然而，我们现在的复杂程度远远超出了简单的问答格式，实际上需要一个成熟的自然语言解析器。

答案2

尝试：

sed -e :1 -e 's/\([.?!]\)[[:blank:]]\{1,\}\([^[:blank:]]\)/\1\
\2/;t1'

在这样的输入上：

Sentence 1. Sentence 1.2? Sentence 2!? Sentence 3.
Sentence 4... Sentence 5.

它给：

Sentence 1.
Sentence 1.2?
Sentence 2!?
Sentence 3.
Sentence 4...
Sentence 5.

（并且是 POSIX）。

答案3

俏皮话之外还有生活……

句子分割器永远不会准备好，总是还有一个细节需要修复：Perl 多行代码！

#!/usr/bin/perl

use strict;
my $pont=qr{[.!?]+};                   ## pontuation
my $abrev=qr{\b(?:Pr|Dr|Mr|[A-Z])\.};  ## abreviations

$/="";   

while(<>){ chomp;                      ## for each paragraph,

  s/\h*\n\h*/ /g;                      ## remove \n
  s/($pont)\h+(\S)/$1\n$2/g;           ## pontuation+space
  s/($abrev)\n/$1 /g;                  ## undo \n after abreviations

  print "$_\n\n";
}

所以：

A single ‘-’ operand is not really an option ! It stands for
standard input. Or for standard output ? For example:
‘smth -’ reads from stdin; and is equal
to plain ‘smth’... Could it appear as any operand that
requires a file name ? Certainly !

Robert L. Stevenson wrote  Dr. Jekyll and Mr. Hyde. Back in 12.12.1886

the end

输出是：

A single ‘-’ operand is not really an option !
It stands for standard input.
Or for standard output ?
For example: ‘smth -’ reads from stdin; and is equal to plain ‘smth’...
Could it appear as any operand that requires a file name ?
Certainly !

Robert L. Stevenson wrote  Dr. Jekyll and Mr. Hyde.
Back in 12.12.1886

the end

答案4

这项任务有一些陷阱。一种选择可能是：

sed 's/\([.?!;]\) */\1\n/g' file.txt

这是替换给定字符集中的字符（[.?!;]，根据需要添加冒号或删除分号），后跟可选的空格 ( *) 和替换字符（扩展为和\1之间的匹配）和换行符 ( )。\(\)\n

相关内容