例子:当前文件夹下有一堆文本文件,其内容的格式都是如下:
snme0001 我心情很好啊!
句子ID和文本之间是tab。
我想把文本不含英文的行都抽取出来放到一个新的文件中,比如"abc.txt“。
grep -r '[[:alpha:]]\{4\}[[:digit:]]\{4\}' * | cut -d ":" -f2 | grep -v '[[:alpha:]]\{4\}[[:digit:]]\{4\}.*[a-zA-Z]' > /cygdrive/d/tmp/abc.txt
1. grep可以从一个文件夹下多个文件逐个进行抽取信息。在末尾写入文件名匹配信息就好,这里用*表示所有文件。其实,应该用*.txt,不过鉴于该文件夹下都是txt,就用*代替了。
2. 第一步输出信息中包含文件名,然后用冒号,然后才是匹配到的行,所以,使用cut来获取冒号之后的内容,即匹配的行。
3. 再次使用grep,从中抽取文本中不含英文字符的行。-v参数表示仅提取不被匹配的行,因此,后边要写出含有英文字符的模式。本来,使用tab+英文字符的组合来匹配是比较合理的,不过grep中好像不能用\t或者/t直接来表示tab,所以,我们使用snme0001格式+英文字符的模式来处理。注意,最后一个匹配英文符号,我使用了[a-zA-Z]而不是使用[[:alpha:]],因为我不知道的原因,后者会匹配所有字符,而不仅仅是英文字符。