Question

对于给定的文本文件，我想将每个句子中的最后一个单词提取到以空格分隔的文本文件中。对于像Mr.和Dr.这样的单词有一些错误是可以接受的，所以我不需要尝试达到这样的精确度。

我以为我可以用Sed和Awk这样做，但是因为我和他们一起工作太久了，我不记得从哪里开始。帮助

（输出示例：对于前两段，我希望看到这一点）：

file Mr Dr precision begin Help

Answer 1

使用此正则表达式：

([[:alpha:]]+)[.!?]

Grep可以做到这一点：

$ echo "$txt" | grep -o -E '([[:alpha:]]+)[.!?]'
file.
Mr.
Dr.
precision.
begin.
Help?

然后，如果你只想要这些单词，第二次通过：

$ echo "$txt" | grep -o -E '([[:alpha:]]+)[.!?]' | grep -o -E '[[:alpha:]]+'
file
Mr
Dr
precision
begin
Help

在awk中，同样的正则表达式：

$ echo "$txt" | awk '/[[:alpha:]]+[.!?]/{for(i=1;i<=NF;i++) if($i~/[[:alpha:]]+[.!?]/) print $i}'

Perl，同样的正则表达式，允许捕获组，也许更直接的语法：

$ echo "$txt" | perl -ne 'print "$1 " while /([[:alpha:]]+)[.!?]/g'
file Mr Dr precision begin Help

使用Perl，refine the regex更容易区分所捕获的单词：

echo "$txt" | perl -ne 'print "$1 " while /([[:alpha:]]+)(?=[.!?](?:(?:\s+[[:upper:]])|(?:\s*\z)))/g'
file precision begin Help

Answer 2

GAWK：

$ gawk -v ORS=' ' -v RS='[.?!]' '{print $NF}' w.txt
file Mr Dr precision begin Help

（请注意，普通awk不支持将正则表达式分配给RS。）

Answer 3

这可能适合你（GNU sed）：

sed -r 's/^[^.?!]*\b(\w+)[.?!]/\1\n/;/\n/!d;P;D' file

每行一个字或使用粘贴一行，所以：

sed -r 's/^[^.?!]*\b(\w+)[.?!]/\1\n/;/\n/!d;P;D' file | paste -sd' '

对于另一种使用sed的解决方案：

sed -r 'H;$!d;x;s/\n//g;s/\b(\w+)[.?!]/\n\1\n/g;/\n/!d;s/[^\n]*\n([^\n]*)\n/ \1/g;s/.//' file

Answer 4

Perl很容易：

perl -ne 'print "$1 " while /(\w+)[.!?]/g'