免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
12下一页
最近访问板块 发新帖
查看: 43975 | 回复: 18

[文本处理] 问大神一个汉字行提取的问题,谢谢 [复制链接]

论坛徽章:
31
程序设计版块每日发帖之星
日期:2016-02-06 06:20:00程序设计版块每日发帖之星
日期:2016-07-20 06:20:00程序设计版块每日发帖之星
日期:2016-07-26 06:20:00每日论坛发贴之星
日期:2016-07-26 06:20:00程序设计版块每日发帖之星
日期:2016-07-27 06:20:00每日论坛发贴之星
日期:2016-07-27 06:20:00程序设计版块每日发帖之星
日期:2016-07-28 06:20:00程序设计版块每日发帖之星
日期:2016-07-29 06:20:00程序设计版块每日发帖之星
日期:2016-08-02 06:20:00程序设计版块每日发帖之星
日期:2016-08-06 06:20:00程序设计版块每日发帖之星
日期:2016-08-08 06:20:00程序设计版块每日发帖之星
日期:2016-08-09 06:20:00
发表于 2016-08-04 08:41 |显示全部楼层


简单说(明白大概意思就行),只提取(包括包含)非ASCII这样的行,应该怎样的代码能实现?

源文档:
  1. 1234
  2. abcd
  3. 12.ab.CD
  4. aaa中国bbb人
  5. ccc电视
  6. 新闻ddd
  7. e跑步e
  8. 笑口常开
复制代码
这个代码不能提取出上面的全部带有汉字的行grep -P "[^\x0-\x7f]+"(纯汉字的行不能提取)

我要求提取出来的最终结果
  1. aaa中国bbb人
  2. ccc电视
  3. 新闻ddd
  4. e跑步e
  5. 笑口常开
复制代码
烦请大神给出上面的代码。辛苦






另外,如果大神把下面的非ASCII也能给提取出来,这是最理想的了(否则就放弃下面的,只管上面的)
  1. _yan
  2. 36@q.m
  3. 亜泽、
  4. 亞當
  5. 亞当
  6. 亞夜月輝
  7. 寳钡尐懒橥
  8. 寵宝
  9. 寶貝兒
  10. 尐倫
  11. 尐尐鱼
  12. 牜牜
  13. 犇犇
  14. 、:Vae.
  15. 、Mc|K
  16. 魅の貂尾dedie
复制代码
请大神帮助



论坛徽章:
10
天蝎座
日期:2013-09-22 22:32:23程序设计版块每日发帖之星
日期:2016-08-07 06:20:00lufei
日期:2016-06-17 17:38:40程序设计版块每日发帖之星
日期:2016-06-12 06:20:002016科比退役纪念章
日期:2016-05-31 15:47:20CU十四周年纪念徽章
日期:2016-05-27 12:24:562015年亚洲杯之阿曼
日期:2015-05-03 21:01:352015年辞旧岁徽章
日期:2015-03-03 16:54:15天蝎座
日期:2013-10-20 21:05:24程序设计版块每日发帖之星
日期:2016-08-11 06:20:00
发表于 2016-08-04 09:11 |显示全部楼层
回复 1# bmne


    li@ubuntu:~$ echo '1234
abcd
12.ab.CD
aaa中国bbb人
ccc电视
新闻ddd
e跑步e
笑口常开' | grep -P '[^\x0-\x7f]'
aaa中国bbb人
ccc电视
新闻ddd
e跑步e
笑口常开

要看你的编码是什么

论坛徽章:
31
程序设计版块每日发帖之星
日期:2016-02-06 06:20:00程序设计版块每日发帖之星
日期:2016-07-20 06:20:00程序设计版块每日发帖之星
日期:2016-07-26 06:20:00每日论坛发贴之星
日期:2016-07-26 06:20:00程序设计版块每日发帖之星
日期:2016-07-27 06:20:00每日论坛发贴之星
日期:2016-07-27 06:20:00程序设计版块每日发帖之星
日期:2016-07-28 06:20:00程序设计版块每日发帖之星
日期:2016-07-29 06:20:00程序设计版块每日发帖之星
日期:2016-08-02 06:20:00程序设计版块每日发帖之星
日期:2016-08-06 06:20:00程序设计版块每日发帖之星
日期:2016-08-08 06:20:00程序设计版块每日发帖之星
日期:2016-08-09 06:20:00
发表于 2016-08-04 09:19 |显示全部楼层
回复 2# liion631818


谢谢大神回复

我明白了。我的文档有点乱,估计编码不一样(没看,自己瞎想的)

看来我要老老实实,把它比较出结果来。本想走个捷径的




   

论坛徽章:
31
程序设计版块每日发帖之星
日期:2016-02-06 06:20:00程序设计版块每日发帖之星
日期:2016-07-20 06:20:00程序设计版块每日发帖之星
日期:2016-07-26 06:20:00每日论坛发贴之星
日期:2016-07-26 06:20:00程序设计版块每日发帖之星
日期:2016-07-27 06:20:00每日论坛发贴之星
日期:2016-07-27 06:20:00程序设计版块每日发帖之星
日期:2016-07-28 06:20:00程序设计版块每日发帖之星
日期:2016-07-29 06:20:00程序设计版块每日发帖之星
日期:2016-08-02 06:20:00程序设计版块每日发帖之星
日期:2016-08-06 06:20:00程序设计版块每日发帖之星
日期:2016-08-08 06:20:00程序设计版块每日发帖之星
日期:2016-08-09 06:20:00
发表于 2016-08-04 09:26 |显示全部楼层
回复 2# liion631818


对了,大神,假如我用UE把文档“另存为”后,使用“另存为”文档,是不是编码就统一了?

假如按下图所示保存,请问你能给出代码?感谢

1.jpg







   

论坛徽章:
10
天蝎座
日期:2013-09-22 22:32:23程序设计版块每日发帖之星
日期:2016-08-07 06:20:00lufei
日期:2016-06-17 17:38:40程序设计版块每日发帖之星
日期:2016-06-12 06:20:002016科比退役纪念章
日期:2016-05-31 15:47:20CU十四周年纪念徽章
日期:2016-05-27 12:24:562015年亚洲杯之阿曼
日期:2015-05-03 21:01:352015年辞旧岁徽章
日期:2015-03-03 16:54:15天蝎座
日期:2013-10-20 21:05:24程序设计版块每日发帖之星
日期:2016-08-11 06:20:00
发表于 2016-08-04 09:34 |显示全部楼层
回复 4# bmne
要怎样?

grep -P '[^\x0-\x7f]' myfile
亜泽、
亞當
亞当
亞夜月輝
寳钡尐懒橥
寵宝
寶貝兒
尐倫
尐尐鱼
牜牜
犇犇
、:Vae.
、Mc|K
魅の貂尾dedie


   

论坛徽章:
31
程序设计版块每日发帖之星
日期:2016-02-06 06:20:00程序设计版块每日发帖之星
日期:2016-07-20 06:20:00程序设计版块每日发帖之星
日期:2016-07-26 06:20:00每日论坛发贴之星
日期:2016-07-26 06:20:00程序设计版块每日发帖之星
日期:2016-07-27 06:20:00每日论坛发贴之星
日期:2016-07-27 06:20:00程序设计版块每日发帖之星
日期:2016-07-28 06:20:00程序设计版块每日发帖之星
日期:2016-07-29 06:20:00程序设计版块每日发帖之星
日期:2016-08-02 06:20:00程序设计版块每日发帖之星
日期:2016-08-06 06:20:00程序设计版块每日发帖之星
日期:2016-08-08 06:20:00程序设计版块每日发帖之星
日期:2016-08-09 06:20:00
发表于 2016-08-04 09:43 |显示全部楼层
本帖最后由 bmne 于 2016-08-04 09:47 编辑

回复 5# liion631818



我贴到这里后,编码变了

若有点时间,给你个附件看看这些能不能提取出来


实战中,我用我上面的代码提取不出来。我比较后得到的附件。假如,你用我上面的代码还能提取出来,只能说明编码变了。不好意思。有功夫就试试,没工夫就算了

麻烦了

辛苦
已对比.txt (141.22 KB, 下载次数: 15)

论坛徽章:
31
程序设计版块每日发帖之星
日期:2016-02-06 06:20:00程序设计版块每日发帖之星
日期:2016-07-20 06:20:00程序设计版块每日发帖之星
日期:2016-07-26 06:20:00每日论坛发贴之星
日期:2016-07-26 06:20:00程序设计版块每日发帖之星
日期:2016-07-27 06:20:00每日论坛发贴之星
日期:2016-07-27 06:20:00程序设计版块每日发帖之星
日期:2016-07-28 06:20:00程序设计版块每日发帖之星
日期:2016-07-29 06:20:00程序设计版块每日发帖之星
日期:2016-08-02 06:20:00程序设计版块每日发帖之星
日期:2016-08-06 06:20:00程序设计版块每日发帖之星
日期:2016-08-08 06:20:00程序设计版块每日发帖之星
日期:2016-08-09 06:20:00
发表于 2016-08-04 10:08 |显示全部楼层


路过的大神帮看看,如果按照4楼的说法,能给出代码,太好了



论坛徽章:
10
天蝎座
日期:2013-09-22 22:32:23程序设计版块每日发帖之星
日期:2016-08-07 06:20:00lufei
日期:2016-06-17 17:38:40程序设计版块每日发帖之星
日期:2016-06-12 06:20:002016科比退役纪念章
日期:2016-05-31 15:47:20CU十四周年纪念徽章
日期:2016-05-27 12:24:562015年亚洲杯之阿曼
日期:2015-05-03 21:01:352015年辞旧岁徽章
日期:2015-03-03 16:54:15天蝎座
日期:2013-10-20 21:05:24程序设计版块每日发帖之星
日期:2016-08-11 06:20:00
发表于 2016-08-04 10:27 |显示全部楼层
回复 7# bmne


    grep -P '[^\x0-\x7f]' 已对比.txt  >filter.txt filter.7z (76.21 KB, 下载次数: 11)

论坛徽章:
10
天蝎座
日期:2013-09-22 22:32:23程序设计版块每日发帖之星
日期:2016-08-07 06:20:00lufei
日期:2016-06-17 17:38:40程序设计版块每日发帖之星
日期:2016-06-12 06:20:002016科比退役纪念章
日期:2016-05-31 15:47:20CU十四周年纪念徽章
日期:2016-05-27 12:24:562015年亚洲杯之阿曼
日期:2015-05-03 21:01:352015年辞旧岁徽章
日期:2015-03-03 16:54:15天蝎座
日期:2013-10-20 21:05:24程序设计版块每日发帖之星
日期:2016-08-11 06:20:00
发表于 2016-08-04 10:31 |显示全部楼层
回复 7# bmne


    用notepad++试试的结果。
QQ拼音截图未命名.jpg

论坛徽章:
22
2015年亚洲杯之科威特
日期:2015-04-18 15:27:07每日论坛发贴之星
日期:2016-01-27 06:20:0015-16赛季CBA联赛之广夏
日期:2016-03-28 16:20:51程序设计版块每日发帖之星
日期:2016-04-09 06:20:00CU十四周年纪念徽章
日期:2016-05-03 09:35:1415-16赛季CBA联赛之天津
日期:2016-11-18 08:31:3115-16赛季CBA联赛之山西
日期:2016-12-07 16:29:5315-16赛季CBA联赛之八一
日期:2017-01-10 11:34:3415-16赛季CBA联赛之吉林
日期:2017-03-30 22:51:1915-16赛季CBA联赛之广夏
日期:2017-04-13 20:51:52程序设计版块每日发帖之星
日期:2016-01-27 06:20:00每日论坛发贴之星
日期:2015-12-28 06:20:00
发表于 2016-08-04 10:44 |显示全部楼层
回复 1# bmne


   输出非ASCII这样的行
  1. awk '/[^[:print:]]+/'
复制代码
取相反的
  1. awk '!/[^[:print:]]+/'
复制代码
合你意了吧
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

  

北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号-6 北京市公安局海淀分局网监中心备案编号:11010802020122 niuxiaotong@pcpop.com 17352615567
未成年举报专区
中国互联网协会会员  联系我们:huangweiwei@itpub.net
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