bash - Bash：从格式化为表格的输出中提取单元格

Question

我正在使用 TreeTagger ( http://www.cis.uni-muenchen.de/~schmid/tools/TreeTagger/ ) 从文本中提取名词。我的问题是输出格式如下：

word    pos     lemma

The     DT      the 
TreeTagger      NP      TreeTagger 
is      VBZ     be 
easy    JJ      easy 
to      TO      to 
use     VB      use 

显然没有选项只能获得名词（“NP”和“NN”）。使用 bash，如何获取第一列中第二列中包含“NP”或“NN”的单元格？

Answer 1

您可以为此使用 awk：

awk '$2 ~ /^N[PN]$/{print $1}' file

TreeTagger

正则表达式/^N[PN]$/将匹配NP或NN

正如@Cyrus 在下面正确评论的那样，您可以在正则表达式中使用交替：

awk '$2 ~ /^(NP|NN)$/ {print $1}' file