首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >从文档中创建单词列表

问从文档中创建单词列表
EN

Unix & Linux用户
提问于 2022-10-05 10:39:57
回答 1查看 234关注 0票数 0

我正在努力寻找一种有效的学习新语言词汇的方法。我希望能够使用包含书籍的文件创建单词列表。我是Linux新手,任何帮助都很感激。

我想:

  • 有一个命令,它将以文本文件(例如txt格式)作为输入,并输出另一个文件,其中包含第一个文件中所有单个单词的列表。
  • 新文件应按字母顺序排列,不包含重复项(每个单词只应包含一次)。
  • 理想情况下,该命令还应该能够对照第二个文件进行检查,并避免重复该文件中包含的任何单词。(这样我就可以创建我已经知道的文件或单词,并且不会重复。)

有合适的命令来做这件事吗?

EN

回答 1

Unix & Linux用户

回答已采纳

发布于 2022-10-05 12:20:10

如果将"word“定义为“字组成字”序列(通常定义为字母、数字和/或下划线),那么您可以使用GNU awk和sort来做您想做的事情:

代码语言:javascript
复制
awk -v RS='\\W+' 'ARGIND==1{arr[$0]; next} !($0 in arr)' skip file | sort -u

其中,skip是您不希望打印的单词文件,file包含您的书。

\W只是[^[:alnum:]_]的缩写。但是,如果"word“的定义不包括数字,那么将RS='\\W+'更改为RS='[^[:alpha:]_]+',或者如果它包含撇号和连字符,则将其更改为RS="[^[:alpha:]_'-]+",或将RS更改为与您认为构成”单词“的字符集的定义不匹配的任何内容。

为了学习awk得到了书有效的AWK编程,第5版,由阿诺德罗宾斯。

票数 0
EN
页面原文内容由Unix & Linux提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://unix.stackexchange.com/questions/719839

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档