主页 / unix / 问题 / 692462
Accepted
Porcupine
Asked: 2022-03-01 11:51:10 +0800 CST

删除字符串中第一个字母 ([a-zA-Z]) 之前的所有字符

  • 772

我想删除所有字符，直到[a-zA-Z] 字符串中的第一个字母。例如：

#121Abc-->Abc

%Ab#c-->Ab#c

Ab#c-->Ab#c

Abc-->Abc

1Abc-->Abc

1 21Abc-->Abc

1^1 Abc-->Abc

注意：所有非字母都包括非印刷字符。

bash工具可以吗？

bash text-processing

5 个回答

  1. Best Answer

    与awk：

    awk 'sub(/^[^[:alpha:]]*/, "")' infile

    与sed：

    sed 's/^[^[:alpha:]]*//' infile

    注意：如果您的行中没有字母字符，它将在输出中以空行结束，要跳过打印这些行以及跳过输入中的空行，您需要使用：

    awk 'sub(/^[^[:alpha:]]*/, "") && NF' infile
awk 'sub(/^[^[:alpha:]]*/, "") && /./' infile
sed 's/^[^[:alpha:]]*//;/./!d' infile

    或同样的做法grep（感谢@glennjackman）

    grep -o '[[:alpha:]].*' infile
    • 7

  2. 使用 POSIX sh 参数扩展运算符（最初来自 ksh），假设输入在 shell 变量中：

    $ string='#123Abc'
$ printf '%s\n' "${string#"${string%%[[:alpha:]]*}"}"
Abc

    请注意，[A-Za-z]除了 C 语言环境之外，未指定匹配的内容。在实践中，它是相当随机的，尤其是对于bashshell。

    [[:alpha:]]匹配区域设置中被视为字母的所有字符（或更一般地，即使在非字母脚本中，通常也是人类语言单词转录的一部分的字符）。无论语言环境如何，要仅匹配 ASCII 英文字母，您可以使用[abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ].

    • 6

  3. 仅使用 Bash：

    $ shopt -s extglob
$ a='#121Abc'
$ printf '%s\n' "${a/#*([!a-zA-Z])/}"
Abc

    （依此类推，设置a为您要处理的任何字符串）。

    • 3

  4. 使用Raku（以前称为 Perl_6）：

    raku -pe 's/^ <:!Letter>+ //;'

    或者（更简单）：

    raku -pe 's/^ <:!L>+ //;'

    样本输入：

    #121Abc --> Abc
%Ab#c --> Ab#c
Ab#c --> Ab#c
Abc --> Abc
1Abc --> Abc
1 21Abc --> Abc
1^1 Abc --> Abc
_!_Abc --> Abc
!Åbc --> Åbc
_Åbc --> Åbc

    样本输出：

    Abc --> Abc
Ab#c --> Ab#c
Ab#c --> Ab#c
Abc --> Abc
Abc --> Abc
Abc --> Abc
Abc --> Abc
Abc --> Abc
Åbc --> Åbc
Åbc --> Åbc

    包括这个答案，以防 OP 有需要处理的 Unicode 文本。简而言之，Raku 的-pe自动打印行标志用于实现众所周知的 ( sed-like)s///习语。

    至于字符集，Raku 提供了基于Unicode 属性的字符集。Unicode 字母字符类使用 表示<:Letter>，其否定则通过添加!感叹号表示，如下所示：<:!Letter>。有两个 Unicode 字母子类也很有用，<:Lu>大写字母和<:Ll>小写字母。

    如果您有需要删除的空白行，您可以切换到-ne非自动打印的逐行标志，如下所示：

    raku -ne 'S/^ <:!Letter>+ //.put if .chars;'

    还有一些其他的正则表达式选项...Raku 还提供了 预定义的字符类，例如<alpha>类，其中包括"alphabetic characters plus underscore (_)"。很容易记住，在 Raku 中，<alnum>等于<alpha>plus <digits>。对于此类别中的字符集的注意事项，否定用前导-减号表示：

    raku -pe 's/^ <-alpha>+ //;'

    上面正确处理了示例文件（包括 Unicode），但倒数第三行_!_Abc保持不变，最后一行_Åbc保持不变。要删除这些前导_下划线，下面的替换代码可以工作（尽管在顶部使用 Unicode<:Letter>类更简单，因为该类不包含_下划线）：

    raku -pe 's/^ [<-alpha>+ | <[_]>+]+ //;'

    最后，如果 OP 认为不会遇到 Unicode 字符，则range下面的简单字符（s）起作用（同样，带有前导-减号表示否定）：

    raku -pe 's/^ <-[A..Za..z]>+ //;'

    但是请注意，上面的代码虽然很容易掌握，但不会正确处理 Sample Input 文件的最后两行，而是返回bc而不是（可能）期望的Åbc.

    https://docs.raku.org/language/regexes
    https://raku.org

    • 2

  5. 没有工具，但只有bash功能：

    foo="#121Abc"
[[ "$foo" =~ ^[^a-zA-Z]* ]] && printf "%s\\n" "${foo:${#BASH_REMATCH}}"

    trd删除c你说的字符集的补充：

    printf "%s\\n" "$foo" | tr -dc [a-zA-Z]

    perl音译：

    printf "%s\\n" "$foo" | perl -ple 'y/a-zA-Z//dc'
    • 0

相关问题