Sed Regex OSX找到罗马数字并用空字符串替换。错误＆＃34;未终止的替代模式＆＃34;

Question

这可能是Sed和shell脚本语法问题以及Regex。 （编辑：可能是一个I / O问题，因为在bash shell中读取文件时正则表达式有效，但实际的.txt文件未按要求更改）

尝试为某些自然语言处理工作准备.txt文件。想要在包含莎士比亚十四行诗的纯文本文件中删除一些罗马数字，每个十四行诗以罗马数字开头，如IX.和XVIII.，代表个人十四行诗的标题，包括十进制字符。

示例输入文本：

  

XXV。

     

让那些赞成他们明星的人

     

公益荣誉和自豪头衔夸耀，

期望的输出：

  

让那些赞成他们明星的人

     

公益荣誉和自豪头衔夸耀，

按照this question中的示例，我在Terminal bash shell中尝试了以下所有命令：

$ sed -i 's/[IVXLC]{1,}[.]//g' sonnets.txt

$ sed -i 's/[IVXLC]{1,}[.]/^$/g' sonnets.txt

$ sed -i 's/[IVXLC]{1,}[.]/()/g' sonnets.txt

$ sed -i 's/[IVXLC]{1,}[.]/[]/g' sonnets.txt

想法是用空字符串替换任何匹配。由于那不起作用，我试图用空格字符替换匹配：

$ sed -i 's/[IVXLC]{1,}[.]/^ $/g' sonnets.txt

没有运气。上面的所有命令都返回了相同的错误：

sed: 1: "sonnets.txt": unterminated substitute pattern

我测试了＆＃34;发现＆＃34;中的正则表达式https://regexr.com/上的字段似乎是正确的。目标文件位于工作目录中。知道出了什么问题吗？我应该在＆＃34;替换＆＃34;中使用哪些字符？ Sed命令的字段？我应该修改正则表达式和/或Sed命令吗？

Answer 1

需要对花括号进行转义。

$ sed  's/[IVXLC]\{1,\}[.]//g'  sonnets.txt


Let those who are in favour with their stars

Of public honour and proud titles boast,

Answer 2

正如@Jonathan Leffler在评论中提到的，我的Mac正在使用BSD sed，这就是为什么命令不起作用的原因。

所以我通过Homebrew安装了GNU sed：

brew install gnu-sed

然后使用命令：

gsed -i 's/[IVXLC]\{1,\}[.]//g' sonnets.txt

键入gsed会调用GNU sed，并且可以根据需要运行。它改变了.txt文件的内容。

在这种配置中，正如@Hakan Baba所提到的，正则表达式确实需要逃避花括号：

\{ \}

Answer 3

问题似乎与您的BSD {m,n}版本不支持的范围（或限制）量词sed有关。请注意，您可以使用{1,}重写[IVXLC][IVXLC]*量词（一个罗马＆＃34;数字＆＃34;后跟0 +罗马数字）：

sed -i 's/[IVXLC][IVXLC]*[.]//g' sonnets.txt
          ^^^^^^^^^^^^^^^

此外，如果您需要确保只匹配行首的罗马数字，请在模式的开头添加^（这意味着您也可以省略g修饰符在正则表达式的末尾）。要将它们作为整个单词进行匹配，请在模式的开头添加[[:<:]]前导单词边界。