如何过滤中英文字符?

独孤毛毛

有一个文件A, 它的每行都这样的格式: 'zhang'san张三, 中英文是连接在一起的.
请问: 这样过滤出英文字符和中文字符呢?

yinyuemi

回复 1# 独孤毛毛


    这个？

1. echo 'zhangsan张三' |awk '{print gensub(/[!-~]/,"","g",$0)}'
   
2. 张三
   
3. 
   
4. 
   
5. echo 'zhangsan张三' |awk '{print gensub(/[^!-~]/,"","g",$0)}'
   
6. zhangsan

复制代码

where27

如果只有中英文字符的话：
grep -o "[a-zA-Z]*" A
grep -o "[^a-zA-Z]*" A

liion631818

回复  yinyuemi


    老师 [!-~]，这样就可以标记出中文吗?
zooyo 发表于 2011-06-29 11:56

    ascii 码表顺序上， ! - ~ 基本就涵盖了全部可见字符了，这个编码之外的就是中文了（对这个例子而言）

yinyuemi

回复 4# zooyo


    ls坏孩子说的对，我也是借花献佛，呵呵
http://bbs.chinaunix.net/viewthr ... p;extra=&page=1

独孤毛毛

回复 2# yinyuemi

刚查了手册,和搜索了论坛,明白了gensub()函数的用法.
并在机器上做了实验:

1. echo 'zhangsan张三' | awk '{print gensub(/[!-~]/,"","g",$0)}'

复制代码

是可以得到中文字符的.
但

1. echo 'zhangsan张三' | awk '{print gensub(/[^!-~]/,"","g",$0)}'

复制代码

是直接输出zhangsan张三

虽然明白了要过滤中英文字符是可以使用gensub()函数, 看这个函数有引发了新的问题: 不了解gensub()的正则表达规则.

呵呵,谢谢大家. 现在看正则规则去了.

独孤毛毛

回复 3# where27

grep是一个行匹配工具, 会把符合匹配的行一起输出.

南极雨

回复 1# 独孤毛毛


    grep [^\u4e00-\u9fa5] 　来找中文