免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
123下一页
最近访问板块 发新帖
查看: 1583 | 回复: 23

[文本处理] 如何用grep把韩文和日文筛选出来? [复制链接]

论坛徽章:
0
发表于 2019-02-06 14:15 |显示全部楼层
如题!谢谢!

论坛徽章:
0
发表于 2019-02-06 15:48 |显示全部楼层
这么多人看的,没人会吗?

论坛徽章:
7
2016科比退役纪念章
日期:2018-10-24 08:24:0115-16赛季CBA联赛之北控
日期:2019-03-12 14:34:562016科比退役纪念章
日期:2019-04-01 10:33:0915-16赛季CBA联赛之山东
日期:2019-04-17 12:46:3215-16赛季CBA联赛之广夏
日期:2019-05-09 16:40:4015-16赛季CBA联赛之广夏
日期:2019-10-10 15:33:4015-16赛季CBA联赛之辽宁
日期:2019-10-15 08:37:06
发表于 2019-02-11 09:24 |显示全部楼层
建议可以看看这个  
https://www.regular-expressions.info/unicode.html
用正则的 Unicode Scripts
应该可以解决你至少一大半的问题,韩文还好说,日语没那么简单的,因为日文里除了平假名和片假名,也有汉字!  中文日文混写的时候怎么判断汉字属于中文还是日文?

匹配韩文:
  1. grep -Po '\p{Hangul}+' file
复制代码


匹配平假名和片假名:
  1. grep -Po '\p{Hiragana}+|\p{Katakana}+' file
复制代码


仅供参考。

论坛徽章:
7
2016科比退役纪念章
日期:2018-10-24 08:24:0115-16赛季CBA联赛之北控
日期:2019-03-12 14:34:562016科比退役纪念章
日期:2019-04-01 10:33:0915-16赛季CBA联赛之山东
日期:2019-04-17 12:46:3215-16赛季CBA联赛之广夏
日期:2019-05-09 16:40:4015-16赛季CBA联赛之广夏
日期:2019-10-10 15:33:4015-16赛季CBA联赛之辽宁
日期:2019-10-15 08:37:06
发表于 2019-02-11 09:26 |显示全部楼层
建议可以看看这个  
https://www.regular-expressions.info/unicode.html
用正则的 Unicode Scripts
应该可以解决你至少一大半的问题,韩文还好说,日语没那么简单的,因为日文里除了平假名和片假名,也有汉字!  中文日文混写的时候怎么判断汉字属于中文还是日文?

匹配韩文:
  1. grep -Po '\p{Hangul}+' file
复制代码


匹配平假名和片假名:
  1. grep -Po '\p{Hiragana}+|\p{Katakana}+' file
复制代码


仅供参考。

论坛徽章:
7
2016科比退役纪念章
日期:2018-10-24 08:24:0115-16赛季CBA联赛之北控
日期:2019-03-12 14:34:562016科比退役纪念章
日期:2019-04-01 10:33:0915-16赛季CBA联赛之山东
日期:2019-04-17 12:46:3215-16赛季CBA联赛之广夏
日期:2019-05-09 16:40:4015-16赛季CBA联赛之广夏
日期:2019-10-10 15:33:4015-16赛季CBA联赛之辽宁
日期:2019-10-15 08:37:06
发表于 2019-02-11 09:28 |显示全部楼层
建议可以看看这个  
https://www.regular-expressions.info/unicode.html
用正则的 Unicode Scripts
应该可以解决你至少一大半的问题,韩文还好说,日语没那么简单的,因为日文里除了平假名和片假名,也有汉字!  中文日文混写的时候怎么判断汉字属于中文还是日文?

匹配韩文:
  1. grep -Po '\p{Hangul}+' file
复制代码


匹配平假名和片假名:
  1. grep -Po '\p{Hiragana}+|\p{Katakana}+' file
复制代码


仅供参考。

论坛徽章:
7
2016科比退役纪念章
日期:2018-10-24 08:24:0115-16赛季CBA联赛之北控
日期:2019-03-12 14:34:562016科比退役纪念章
日期:2019-04-01 10:33:0915-16赛季CBA联赛之山东
日期:2019-04-17 12:46:3215-16赛季CBA联赛之广夏
日期:2019-05-09 16:40:4015-16赛季CBA联赛之广夏
日期:2019-10-10 15:33:4015-16赛季CBA联赛之辽宁
日期:2019-10-15 08:37:06
发表于 2019-02-11 09:29 |显示全部楼层
建议可以看看这个  
https://www.regular-expressions.info/unicode.html
用正则的 Unicode Scripts
应该可以解决你至少一大半的问题,韩文还好说,日语没那么简单的,因为日文里除了平假名和片假名,也有汉字!  中文日文混写的时候怎么判断汉字属于中文还是日文?

匹配韩文:
  1. grep -Po '\p{Hangul}+' file
复制代码


匹配平假名和片假名:
  1. grep -Po '\p{Hiragana}+|\p{Katakana}+' file
复制代码


仅供参考。

论坛徽章:
7
2016科比退役纪念章
日期:2018-10-24 08:24:0115-16赛季CBA联赛之北控
日期:2019-03-12 14:34:562016科比退役纪念章
日期:2019-04-01 10:33:0915-16赛季CBA联赛之山东
日期:2019-04-17 12:46:3215-16赛季CBA联赛之广夏
日期:2019-05-09 16:40:4015-16赛季CBA联赛之广夏
日期:2019-10-10 15:33:4015-16赛季CBA联赛之辽宁
日期:2019-10-15 08:37:06
发表于 2019-02-11 09:32 |显示全部楼层
建议可以看看这个  
https://www.regular-expressions.info/unicode.html
用正则的 Unicode Scripts
应该可以解决你至少一大半的问题,韩文还好说,日语没那么简单的,因为日文里除了平假名和片假名,也有汉字!  中文日文混写的时候怎么判断汉字属于中文还是日文?

匹配韩文:
  1. grep -Po '\p{Hangul}+' file
复制代码


匹配平假名和片假名:
  1. grep -Po '\p{Hiragana}+|\p{Katakana}+' file
复制代码


仅供参考。

论坛徽章:
7
2016科比退役纪念章
日期:2018-10-24 08:24:0115-16赛季CBA联赛之北控
日期:2019-03-12 14:34:562016科比退役纪念章
日期:2019-04-01 10:33:0915-16赛季CBA联赛之山东
日期:2019-04-17 12:46:3215-16赛季CBA联赛之广夏
日期:2019-05-09 16:40:4015-16赛季CBA联赛之广夏
日期:2019-10-10 15:33:4015-16赛季CBA联赛之辽宁
日期:2019-10-15 08:37:06
发表于 2019-02-11 10:24 |显示全部楼层
建议可以看看这个  
https://www.regular-expressions.info/unicode.html
用正则的 Unicode Scripts
应该可以解决你至少一大半的问题,韩文还好说,日语没那么简单的,因为日文里除了平假名和片假名,也有汉字!  中文日文混写的时候怎么判断汉字属于中文还是日文?

匹配韩文:
  1. grep -Po '\p{Hangul}+' file
复制代码


匹配平假名和片假名:
  1. grep -Po '\p{Hiragana}+|\p{Katakana}+' file
复制代码


仅供参考。

论坛徽章:
2
15-16赛季CBA联赛之广东
日期:2016-07-17 21:29:0415-16赛季CBA联赛之吉林
日期:2016-12-28 15:54:19
发表于 2019-02-11 19:29 |显示全部楼层
没有特征很难做的到

论坛徽章:
7
2016科比退役纪念章
日期:2018-10-24 08:24:0115-16赛季CBA联赛之北控
日期:2019-03-12 14:34:562016科比退役纪念章
日期:2019-04-01 10:33:0915-16赛季CBA联赛之山东
日期:2019-04-17 12:46:3215-16赛季CBA联赛之广夏
日期:2019-05-09 16:40:4015-16赛季CBA联赛之广夏
日期:2019-10-10 15:33:4015-16赛季CBA联赛之辽宁
日期:2019-10-15 08:37:06
发表于 2019-02-12 07:39 |显示全部楼层
建议可以看看这个  
https://www.regular-expressions.info/unicode.html
用正则的 Unicode Scripts
应该可以解决你至少一大半的问题,韩文还好说,日语没那么简单的,因为日文里除了平假名和片假名,也有汉字!  中文日文混写的时候怎么判断汉字属于中文还是日文?

匹配韩文:
  1. grep -Po '\p{Hangul}+' file
复制代码


匹配平假名和片假名:
  1. grep -Po '\p{Hiragana}+|\p{Katakana}+' file
复制代码


仅供参考。
您需要登录后才可以回帖 登录 | 注册

本版积分规则 发表回复

SACC2019中国系统架构师大会

【数字转型 架构演进】SACC2019中国系统架构师大会,8.5折限时优惠重磅来袭!
2019年10月31日~11月2日第11届中国系统架构师大会(SACC2019)将在北京隆重召开。四大主线并行的演讲模式,1个主会场、20个技术专场、超千人参与的会议规模,100+来自互联网、金融、制造业、电商等领域的嘉宾阵容,将为广大参会者提供一场最具价值的技术交流盛会。

限时8.5折扣期:2019年9月30日前


----------------------------------------

大会官网>>
  

北京盛拓优讯信息技术有限公司. 版权所有 16024965号-6 北京市公安局海淀分局网监中心备案编号:11010802020122
中国互联网协会会员  联系我们:huangweiwei@it168.com
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP