Cách đặt câu trên các dòng riêng biệt trên Linux

Tôi có một nhiệm vụ để đặt câu trong một tệp văn bản trên các dòng riêng biệt. Một cái gì đó như thế này gần như hoạt động:

cat file.txt | tr '.' '\n'

Nhưng tôi không muốn mất dấu chấm, dấu chấm hỏi và dấu chấm than từ câu của mình. Làm thế nào tôi có thể làm cho công việc này?

Tôi không thể chắc chắn mà không thấy một ví dụ thực tế của dữ liệu của bạn nhưng những gì bạn đang có thể tìm kiếm được thêm một dòng mới sau mỗi lần xảy ra ., !và ?. Tôi không biết bạn muốn xử lý dấu chấm phẩy như thế nào ;vì chúng không thực sự đánh dấu kết thúc câu. Tùy bạn.

Dù sao, bạn có thể thử sed:

$ echo 'This is a sentence! And so is this. And this one?' | 
    sed 's/[.!?]  */&\n/g' 
This is a sentence! 
And so is this. 
And this one?

Đây s///là toán tử thay thế. Định dạng chung của nó là s/pat/replacementvà nó sẽ thay thế patbằng replacement. Các gcuối cùng làm cho nó chạy thay thế trên tất cả các lần xuất hiện của pat. Không có nó, nó sẽ dừng lại ở cái đầu tiên. Đây &là một sedcấu trúc đặc biệt có nghĩa là "bất cứ điều gì đã được khớp". Vì vậy, ở đây chúng ta đang thay thế bất kỳ ., !hoặc ?với bất cứ điều gì được kết hợp và một dòng mới.

Nếu văn bản của bạn có thể bao gồm các chữ viết tắt như e.g., bạn có thể chỉ muốn thay thế nếu chữ cái tiếp theo là VỐN:

$ echo 'This is a sentence! And so is this. And this one? Negative, i.e. no.' | sed 's/\([.!?]\) \([[:upper:]]\)/\1\n\2/g' 
This is a sentence!
And so is this.
And this one?
Negative, i.e. no.

Lưu ý rằng điều này sẽ không xử lý các câu như Dr. Jones said hello.chính xác vì nó sẽ cho rằng .sau khi Drxác định một câu cho rằng chữ cái tiếp theo được viết hoa. Tuy nhiên, chúng tôi hiện đang tiếp cận một mức độ phức tạp vượt xa định dạng Q & A đơn giản và thực sự đòi hỏi một trình phân tích cú pháp ngôn ngữ tự nhiên đầy đủ.

Thử:

sed -e :1 -e 's/\([.?!]\)[[:blank:]]\{1,\}\([^[:blank:]]\)/\1\
\2/;t1'

Trên một đầu vào như:

Sentence 1. Sentence 1.2? Sentence 2!? Sentence 3.
Sentence 4... Sentence 5.

Nó cho:

Sentence 1.
Sentence 1.2?
Sentence 2!?
Sentence 3.
Sentence 4...
Sentence 5.

(và là POSIX).

Sử dụng sedthay thế:

sed 's/\./\.\n/' file.txt

Nhiệm vụ có một số cạm bẫy. Một lựa chọn có thể là:

sed 's/\([.?!;]\) */\1\n/g' file.txt

Đây là thay thế các ký tự trong bộ ký tự đã cho ( [.?!;]thêm dấu hai chấm hoặc xóa dấu chấm phẩy phù hợp với nhu cầu của bạn) theo sau là khoảng trắng tùy chọn ( *) bằng ký tự được thay thế ( \1mở rộng cho khớp giữa \(và \)) và một dòng mới ( \n).

Thử:

awk -F. '{ for (i=1;i<=NF;i++) printf "%s.\n",$i ;} ' < input_file > output_file

Ở đâu

• awk sử dụng .(dấu chấm) làm dấu phân cách,
• và các vòng lặp cho mọi lĩnh vực, in dòng, chấm một dòng mới

Có cuộc sống bên ngoài một lớp lót ...

Bộ chia câu không bao giờ sẵn sàng, luôn có thêm một chi tiết cần khắc phục: một máy đa năng Perl!

#!/usr/bin/perl

use strict;
my $pont=qr{[.!?]+};                   ## pontuation
my $abrev=qr{\b(?:Pr|Dr|Mr|[A-Z])\.};  ## abreviations

$/="";   

while(<>){ chomp;                      ## for each paragraph,

  s/\h*\n\h*/ /g;                      ## remove \n
  s/($pont)\h+(\S)/$1\n$2/g;           ## pontuation+space
  s/($abrev)\n/$1 /g;                  ## undo \n after abreviations

  print "$_\n\n";
}

vì vậy:

A single ‘-’ operand is not really an option ! It stands for
standard input. Or for standard output ? For example:
‘smth -’ reads from stdin; and is equal
to plain ‘smth’... Could it appear as any operand that
requires a file name ? Certainly !

Robert L. Stevenson wrote  Dr. Jekyll and Mr. Hyde. Back in 12.12.1886

the end

đầu ra là:

A single ‘-’ operand is not really an option !
It stands for standard input.
Or for standard output ?
For example: ‘smth -’ reads from stdin; and is equal to plain ‘smth’...
Could it appear as any operand that requires a file name ?
Certainly !

Robert L. Stevenson wrote  Dr. Jekyll and Mr. Hyde.
Back in 12.12.1886

the end

sed 's/\([.!?]  *\)\{0,1\}/\1\\/g' <infile | xargs printf %s\\n

Tôi đã có thứ này foldtrước đây - rất nhanh - nhưng tôi nhận ra rằng tôi có thể làm điều tương tự xargskhi phải xử lý đầu vào hoặc thực hiện bất kỳ sedvòng lặp nhánh nào nếu tôi thoát khỏi tất cả mọi thứ không phải là kết thúc char hoặc bất kỳ không gian tiếp theo.

Vì vậy, trong câu lệnh trên sedsẽ khớp chuỗi null hoặc chuỗi kết thúc cho mỗi ký tự (không phải trong chuỗi) xảy ra trong đầu vào. Ở phía bên phải sedthay thế chuỗi null hoặc chuỗi kết thúc trong \1và sau đó chèn dấu gạch chéo ngược. Kết quả là mỗi char nhưng một trong số .!?đó được theo sau bởi ít nhất một khoảng trắng được \thoát dấu gạch chéo ngược. Đây bao gồm các \newline rằng sedchèn sau mỗi lần thay khi nó ghi vào thiết bị xuất chuẩn.

Bởi vì xargssẽ hoàn toàn tạo ra một \newline thoát dấu gạch chéo ngược và sẽ phân chia các đối số mà nó trao cho tiện ích được đặt tên của nó trên các khoảng trắng không bị che giấu, printfkết thúc việc in tất cả các chuỗi giống như câu xargsđọc trong bất kỳ khoảng trống nào trên mỗi dòng. Hơn thế nữa - nó thực hiện theo từng đợt tiếp cận ARGMAXkích thước - càng nhiều càng tốt tại một thời điểm. Và tất nhiên sedcũng nên quản lý công việc của mình khá nhanh - nó chỉ phải thực hiện một thay thế toàn cầu cho mỗi dòng đầu vào.

Các kết quả diễn ra như thế này:

Một số Lorem Ipsum được lấy từ www.lipsum.com :

sed 's/\([.!?]  *\)\{0,1\}/\1\\/g' <<LIPSUM | xargs printf %s\\n
Section 1.10.32 of "de Finibus Bonorum et Mal
orum", written by Cicero in 45 BC
"Sed ut perspiciatis unde omnis iste natus er
ror sit voluptatem accusantium doloremque lau
dantium, totam rem aperiam, eaque ipsa quae a
b illo inventore veritatis et quasi architect
o beatae vitae dicta sunt explicabo.
Nemo enim ipsam voluptatem quia voluptas sit 
aspernatur aut odit aut fugit, sed quia conse
quuntur magni dolores eos qui ratione volupta
tem sequi nesciunt.
Neque porro quisquam est, qui dolorem ipsum q
uia dolor sit amet, consectetur, adipisci vel
it, sed quia non numquam eius modi tempora in
cidunt ut labore et dolore magnam aliquam qua
erat voluptatem.
Ut enim ad minima veniam, quis     ...
...
reiciendis voluptatibus maiores alias consequ
atur aut perferendis doloribus asperiores rep
ellat."        1914 translation by H.

LIPSUM

... mà in ...

Section 1.10.32 of "de Finibus Bonorum et Malorum", written by Cicero in 45 BC
"Sed ut perspiciatis unde omnis iste natus error sit voluptatem accusantium doloremque laudantium, totam rem aperiam, eaque ipsa quae ab illo inventore veritatis et quasi architecto beatae vitae dicta sunt explicabo.
Nemo enim ipsam voluptatem quia voluptas sit aspernatur aut odit aut fugit, sed quia consequuntur magni dolores eos qui ratione voluptatem sequi nesciunt.
Neque porro quisquam est, qui dolorem ipsum quia dolor sit amet, consectetur, adipisci velit, sed quia non numquam eius modi tempora incidunt ut labore et dolore magnam aliquam quaerat voluptatem.
Ut enim ad minima veniam, quis     ...
...
reiciendis voluptatibus maiores alias consequatur aut perferendis doloribus asperiores repellat."        1914 translation by H.