Question

我想提取一个完整的句子“。”把“。”写成一个单词的文件。例如，给出了这个文本：

Dijkstra的原始算法不使用最小优先级队列。为一个给定图中的源顶点（节点），算法找到路径在该顶点和顶点之间具有最低成本（即最短路径）每隔一个顶点。它也可以用于寻找最短的成本通过停止从单个顶点到单个目标顶点的路径算法一旦到达目标顶点的最短路径就具有已经确定。

我想要包含“graph”的整个句子

对于图中给定的源顶点（节点），算法会找到该顶点之间成本最低（即最短路径）的路径和其他每个顶点。

如果它包含图形，那么找到一种在结果中包含起始句子的方法会很有用，因为它之前没有点。

Answer 1

假设文本文件dijk实际上并不包含任何换行符，您可以在perl中执行此操作：

perl -MLingua::EN::Sentence=get_sentences -ne '
print "$_\n" for grep { /graph/ } @{get_sentences($_)}' dijk

Lingua::EN::Sentence module非常聪明，可以处理众所周知的缩写，如果需要，您可以添加自己的缩写。

输出：

For a given source vertex (node) in the graph, the algorithm finds the path with lowest cost (i.e. the shortest path) between that vertex and every other vertex.

如果输入中确实存在换行符，则应该可以毫不费力地调整脚本。

修改

如果输入中有换行符，您可以改为：

perl -MLingua::EN::Sentence=get_sentences -00 -e '
$t = <>;         # slurp the whole file
$t =~ tr{\n}{ }; # convert newlines to spaces
print "$_\n" for grep { /graph/ } @{get_sentences($t)}' dijk

当然，到目前为止，这看起来更像是一个完整的perl脚本而不是单行内容！

或者，如@ mklement0所述，您可以使用外部工具tr执行翻译并将结果传递给原始脚本：

perl -MLingua::EN::Sentence=get_sentences -ne '
print "$_\n" for grep { /graph/ } @{get_sentences($_)}' <(tr '\n' ' ' < dijk)

Answer 2

原始启发式：

cat text |
    tr '\n' ' ' |
    sed 's|[[:alpha:]]\{3\}\.[[:blank:]]*|&\'$'\n''|g' |
    grep -Fi 'graph'

首先，tr删除输入文件中的所有行尾（不知道您是否需要这样做）
然后，sed将每个句子放在自己的行上，假设一个前面有三个字母的点表示句子的结尾。根据您的输入文件，您可能需要调整此部分以降低＆＃34;误报＆＃34;率
最后，一个简单的grep将只保留包含所需单词的句子（不区分大小写）。

根据您的输入文件，这将产生以下结果：

对于图中给定的源顶点（节点），算法找到该顶点与每个其他顶点之间成本最低（即最短路径）的路径。

_{这个答案已经与 mklement0}的帮助符合POSIX标准
_{（见下面的评论）}

Answer 3

grep -o "\.([^.\r\n]+\.)" inputfile > outputfile

如果原始文件中没有换行符，那么它会更简单：

grep -o "\.([^.]+\.)" inputfile > outputfile

Answer 4

这是一种方法。

tr '\n' ' ' < input.txt | tr '.' '\n' | grep graph > output.txt

它将所有换行转换为空格（以便整个文本在一行中）。然后它将所有.转换为换行符，以便每行一个句子。然后greps查找相关字符串并将匹配的句子放入输出文件中。

在您的段落上运行时，它会有效，但.中的i.e.会混淆它。这可以通过将一些固定字符串（例如i.e.和e.g.）更改为ie和eg来进行纠正。

grep包含单词到文档的完整句子

4 个答案:

修改