Удалить не латинские символы 1 в текстовом файле

Мне нужно заменить все символы, отличные от латинских 1, в тексте большого файла набора данных. Пример похож на

LABEL   chini vich 妈妈媽媽 maama
LABEL   南支那海 南シナ海 shabadik ar h ngkhani shina saagar
LABEL   ॐ आप्यायन्तु ममाङ्गानि वाक्प्राणश्चक्षुः

где пробел во втором столбце содержит текст, который нужно найти и заменить пробелом. Регулярное выражение для поиска всех символов latin-1 можно получить с помощью классы персонажей, например

echo "chini vich 妈妈媽媽 maama" | sed "s/[[:alnum:]]*//g"
    妈妈媽

Моя цель - делай с точностью до наоборот:

echo "chini vich 妈妈媽媽 maama" | sed "s/(SOME REGEX)//g"
        chini vich maama

поэтому заменяя любое появление последовательности символов, отличной от латинской 1, пробелом \s. Я попытался отрицать класс символов [:alnum:], то есть [^A-Za-z0-9], но это не работает.

ПРИМЕЧАНИЕ Поскольку 1-й столбец не будет содержать никаких символов, отличных от латинского-1, и он будет буквенно-цифровым, не должно быть необходимости применять регулярное выражение ко 2-му столбцу, поэтому я думаю, что можно применить его ко всей строке, поэтому в awk это было бы как $(0). Для строк, содержащих символы, отличные от latin-1, как в примере ниже, регулярное выражение приведет к пустому 2-му столбцу:

LABEL   chini vich maama
LABEL   shabadik ar h ngkhani shina saagar
LABEL

Аналогичный вопрос Удалить символы, отличные от ASCII, из CSV касается удаления символов, отличных от ASCI, здесь мы имеем дело с расширением ISO 8859 ASCII. Для получения дополнительной информации, пожалуйста, обратитесь к В чем разница между ASCII, ISO 8859 и Unicode?

Может [^[:alnum:]]*?

revo 25.09.2018 10:03

Ага! инверсия в порядке, но мне нужно сохранить интервал между символами, но это не сработает sed "s/[^[:alnum:]]*/ /g", потому что он поместит пробелы между всеми символами.

loretoparisi 25.09.2018 10:05

Хорошо, а что если вы попробуете sed -r "s/[^[:alnum:]]+/ /g" (обратите внимание на +)?

revo 25.09.2018 10:14

@revo sed -r "s/[^[:alnum:]]+/ /g" работает !. Когда на macos опция -r (также известная как расширенное регулярное выражение) - это -E, поэтому это будет echo "chini vich 妈妈媽媽 maama" | sed -E "s/[^[:alnum:]]+/ /g". Спасибо.

loretoparisi 25.09.2018 14:40
Стоит ли изучать PHP в 2026-2027 годах?
Стоит ли изучать PHP в 2026-2027 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
0
4
740
0

Другие вопросы по теме