與非烏克蘭字符的bash

Question

刪除字符串中使用的文件結構

foo_11: "Марія" 
foo_112: "Superman" 
FOOTLONG: "Subway" 
foo_13: "Юлія" 

我想刪除沒有從烏克蘭字母表至少一個字符的所有字符串。

腳本：

for i in *.txt; 
do 
sed '/[^А-ЯЄЇІа-яєїі]+/d' $i >$i.out 
mv $i.out $i 
done 

沒有做任何事情。哪裏不對？

使用mac bash。

Answer 1

假設你的性格類中定義的烏克蘭字母是正確的，下面應該工作：

sed '/[А-ЯЄЇІа-яєїі]/!d' file 

• [А-ЯЄЇІа-яєїі]烏克蘭字母就行的任何地方匹配。
  • 注意，即使是看起來像 ASCII字母A I a i字母實際上烏克蘭（西里爾）字母與Unicode代碼點U+410 U+406 U+430 U+456。
• !否定匹配，這意味着只有線不含有至少1烏克蘭語的字母匹配。
• d刪除這些行。

爲了把它放在一起：

for f in *.txt; do 
    sed -i '' '/[А-ЯЄЇІа-яєїі]/!d' "$f" # -i '' is BSD Sed syntax; GNU sed takes just -i 
done 

---

至於你已經嘗試過什麼：

• 由於@StefanHegny在關於這個問題的評論指出，+當sed是爲了使不運行與-E不支持擴展正則表達式;沒有-E，必須使用繁瑣的\{1,\}。 （\+僅由GNUsed支持，不是由sed的BSD版本的MacOS自帶）。

• 不過，即使你的命令，sed '/[^А-ЯЄЇІа-яєїі]\{1,\}/d'的固定版本，不會做你想要的東西：它刪除包含至少一個非烏克蘭的字母字符，免去所有的所有的行輸入行，因爲它們都具有基於ASCII的字段名稱幷包含:。

• 你應該用雙引號變量引用如$i保護他們免受shell擴展："$i"

• BSD桑達不支持就地更新與-i，但是 - 不像GNU桑達 - 它需要的是一個空選項形式參數（指示沒有輸入文件的備份應）來指定作爲單獨的參數：-i ''。

  • 你寫對一個-TEMP文件先，然後替換最原始的方法也工作，但它通常最好使用下面的語句：sed ... file > file.tmp && mv file.tmp file。與&&分離mv命令確保如果sed命令成功執行原來的文件只更換。
    這就是說，不與邏輯錯誤，在手的情況下幫助：儘管輸出什麼，在這種情況下sed報告成功。

Answer 2

此代碼將實現你想要的（如果我理解正確你的問題）：

grep -i "Я\|Є\|Ї\|І" /folder/file >> /tmp/result 

結果存儲在/tmp/result

注：我不知道烏克蘭，所以我我確定我沒有包括所有的烏克蘭字符，請添加/刪除你想匹配的烏克蘭字符到上面的建設。

注2：這個代碼是區分大小寫的感謝grep -i所以你只需要添加一次字符（小寫或大寫）。

把它放在你的循環可能是：

for i in *.txt; 
do 
grep -i "Я\|Є\|Ї\|І" "$i" > "$i".out 
mv "$i".out "$i" 
done 

編輯：我編輯這個答案，使其更簡單，並移交給循環添加到它。