我正在尝试从 .txt 文件生成词频列表,我不希望某些 ASCII 可打印字符和所有扩展 ASCII 字符都参与到词频列表中。这是我的通用代码:
cat file.txt | tr -d '[:punct:]' | tr -d '[:digit:]' | tr -d '\33-\64\91-\96\123-\255' | tr ' ' '\n' | tr 'A-Z' 'a-z' | sort | uniq -c | sort -rn > Freq.list
此外,我最初尝试了以下段:tr -d '[:special:]'
,但收到错误:tr:无效字符类special
我想要的代码的一个关键部分是确保删除彼此相邻的符号,例如:«•
最后,有没有办法删除附加在单词上的单引号?这样“word 或 'word 可以为 word 做出贡献。我尝试过 tr -d "\""
和 tr -d '\33-\64'
但似乎不起作用。
以下是 file.txt 的示例:
£, 是单位体积的比热,«•„ 和 cr,,
分别为正常区域的热导率和电导率"
我希望输出为:
3
2 和
1卷
1 单位
1 热
1具体
分别1个
1个地区
1 个
1 个
1 正常
1 是
1 热
1 电气
1 电导率
1 是
最佳答案
给定此文件:
$ cat file
My hovercraft is full of eels
Min luftpudebåd er fyldt med ål
Mon aéroglisseur est plein d'anguilles
โฮเวอร์คราฟท์ของผมเต็มไปด้วยปลาไหล
Iyéčhiŋkiŋyaŋka čha kiŋyáŋ mitȟáwa kiŋ hoká ožúla!
您可以使用iconv -ct ascii
删除所有非ascii:
$ iconv -ct ascii < file
My hovercraft is full of eels
Min luftpudebd er fyldt med l
Mon aroglisseur est plein d'anguilles
Iyhikiyaka ha kiy mitwa ki hok ola!
或者使用 iconv -t ascii//translit
将它们音译为无重音的 ascii(如果有):
$ iconv -t ascii//translit < file
My hovercraft is full of eels
Min luftpudebad er fyldt med al
Mon aeroglisseur est plein d'anguilles
??????????????????????????????????
Iyechi?ki?ya?ka cha ki?ya? mithawa ki? hoka ozula!
关于linux - 从 .txt 文件中删除扩展 ASCII 字符 Linux 终端,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29525725/