如何删除两个句子中相同的字符串

LOSTKILLER

如题：

我有两个文件，一个是英文，另外一个是英文翻译过来的中文。 如下：

英文文件：
mainframe white PaPer
MainfraMe       Buffer-to-Buffer Credits and Their effect on FICON Performance
Having a sufficient number of buffer-to-buffer credits is essential to maintaining maximum FICON®  performance, especially as distance increases.
But how many buffer credits do you need?
In this paper, Brocade®  provides

中文文件：
大型机白皮书
大型机  缓冲区到缓冲区信用及其对 FICON 性能的影响
具有足够数量的缓冲区到缓冲区信用对于保持最高 FICON® 性能至关重要，尤其是在距离增加时。
但是，您需要多少缓冲区信用？
在本白皮书中，Brocade® 提供了

我现在希望同时在两个文件中删除红色标记的字符串。

自己尝试使用\p{Han}去匹配中文里面非中文字符，但是没有成功。求大拿们指导

q1208c

花20块请一个初中的学生帮你搞定.

LOSTKILLER

回复 2# q1208c

关键没有找到那个人啊


   

q1208c

回复 3# LOSTKILLER

如果只想用程序处理, 可以把两个文件换个位置.

由于第二个文件里全是 中文, 所以, 你只要取出连续的 [a-zA-Z] 就可以做为一个变量存起来, 然后在 第一个文件中查找这个字符串, 这样可能还有希望. 否则, 你用英文在中文里找, 不知道是递归多少遍了.
   

LOSTKILLER

回复 4# q1208c


非中文字符不一定就是英文字母，还有数字或者是符号~~~~

开始尝试\p{Han}去匹配，用得下面这段代码，还是不成功。不知道为什么正则表达式没有匹配上。


#!/usr/bin/perl
use strict;
use warnings;
use utf8;
use encoding "utf-8";

open(FILE1, $ARGV[0]);
while (<FILE1>)
{
s/\p{Han}/xx/g;
print;
}


   

iLRainyday

回复 4# q1208c

这个符号®你是提取不到的。


   

iLRainyday

1、先把中文中需要替换的单词提出，放到一个hash里。
2、提取英文中所有以空格分隔的单词，逐个比对hash，如果hash中 已经有以此单词为key的条目，就意味着这个单词是中文中出现过的，需要删除。

方法比较笨，有好方法的请指点。

iLRainyday

LOSTKILLER 发表于 2013-01-31 17:47
回复 4# q1208c

你这是作甚？把所有的中文替换成xx？

rubyish

不知道:

1. #!/usr/bin/perl
   
2. use 5.016;
   
3. 
   
4. my $h = '大型机白皮书
   
5. 大型机  缓冲区到缓冲区信用及其对 FICON 性能的影响
   
6. 具有足够数量的缓冲区到缓冲区信用对于保持最高 FICON® 性能至关重要，尤其是在距离增加时。
   
7. 但是，您需要多少缓冲区信用？
   
8. 在本白皮书中，Brocade® 提供了';
   
9. my $e = 'mainframe white PaPer
   
10. MainfraMe       Buffer-to-Buffer Credits and Their effect on FICON Performance
    
11. Having a sufficient number of buffer-to-buffer credits is essential to maintaining maximum FICON®  performance, especially as distance increases.
    
12. But how many buffer credits do you need?
    
13. In this paper, Brocade®  provides';
    
14. 
    
15. my @d;
    
16. $h =~ s/\s*([A-Z]\S+\s+)(?{push @d,$1})//g;
    
17. my $d = join '|', @d;
    
18. $e =~ s/\s+$d/ /g;
    
19. say $e;
    
20. say $h;

复制代码

mcshell

1. use strict;
   
2. use warnings;
   
3. use encoding "utf8";
   
4. while(<DATA>){
   
5.    s/(\s*[A-Za-z]+[\p{S}\p{N}\p{C}\p{M}]+\s+|\b[A-Z]+\b)//g;
   
6.     print ;
   
7. }
   
8. __DATA__
   
9. 大型机白皮书
   
10. 大型机  缓冲区到缓冲区信用及其对 FICON 性能的影响
    
11. 具有足够数量的缓冲区到缓冲区信用对于保持最高 FICON&reg; ; 性能至关重要，尤其是在距离加时。
    
12. 但是，您需要多少缓冲区信用？
    
13. 在本白皮书中，Brocade&reg;  提供了
    
14. mainframe white PaPer
    
15. MainfraMe       Buffer-to-Buffer Credits and Their effect on FICON Performance
    
16. Having a sufficient number of buffer-to-buffer credits is essential to maintaining maximum FICON&reg; ;  performance, especially as distance increases.
    
17. But how many buffer credits do you need?
    
18. In this paper, Brocade&reg; ;  provides
    

复制代码

回复 1# LOSTKILLER


    求解 为啥圈圈商标放论坛编辑器里就转成&reg  
@rubyish怎么打出来的  求学习{:3_200:}