regex - 协助查找和替换正则表达式

Question

我有一个文本文件，每一行的形式是：

TAB WORD TAB PoS TAB FREQ#

Word    PoS Freq
the Det 61847
of  Prep    29391
and Conj    26817
a   Det 21626
in  Prep    18214
to  Inf 16284
it  Pron    10875
is  Verb    9982
to  Prep    9343
was Verb    9236
I   Pron    8875
for Prep    8412
that    Conj    7308
you Pron    6954

你们中的一个正则表达式向导会帮助我从文件中分离出单词吗？希望我会在 TextPad 中进行查找和替换，就是这样。多次查找和替换很好。一件事：注意搜索“动词”也会出现“动词”这个词，而不仅仅是词性，所以要小心。最后，我想以每行 1 个单词结束。

非常感谢！

Answer 1

您可以只使用awk删除第一列，如

awk '{print $1}' /path/to/filename

通过使用跳过第一行

awk 'NR!=1 {print $1}' /path/to/filename

Answer 2

没有必要为此使用正则表达式。例如，您可以使用cut：

cut -f1 <inputfile

Answer 3

类似的东西\s*([a-zA-z]+)\s*([a-zA-z]+)会将单词和 PoS 作为组返回。然后，您可以在替换语句中将它们用作 $1 和 $2 以根据需要进行输出。

如果您只想要 WORD 部分，您可以在替换中使用 $1 。

Answer 4

我认为microsoft excel可以更好地帮助你......

只需将整个文本复制到excel上，它将被格式化为表格，然后继续为单词选择适当的列单元格，最后将它们复制到记事本上。

我敢打赌这是最简单的方法。

如果 excel 将所有值存储在单个列中，则在单独的列中通过以下方式提取单词：

=修剪（左（C1，maxchar））