如何提取句子的最后一个单词

Question

对于给定的文本文件，我想将每个句子中的最后一个单词提取为空格分隔的文本文件。对于像Mr.和Dr.这样的词语有一些错误是可以接受的，所以我不需要尝试达到那种精确度。

我在想我可以用Sed和Awk做到这一点，但是我和他们合作已经太久了，我不记得从哪里开始。帮帮我？

（输出例如：对于前面两个段落，我希望看到这一点）：

file Mr Dr precision begin Help 

Answer 1

使用这个表达式：

([[:alpha:]]+)[.!?] 

Explanation

grep的可以这样做：如果你只想要的话

$ echo "$txt" | grep -o -E '([[:alpha:]]+)[.!?]' 
file. 
Mr. 
Dr. 
precision. 
begin. 
Help? 

然后，通过第二次：

$ echo "$txt" | grep -o -E '([[:alpha:]]+)[.!?]' | grep -o -E '[[:alpha:]]+' 
file 
Mr 
Dr 
precision 
begin 
Help 

在awk中，相同的正则表达式：

$ echo "$txt" | awk '/[[:alpha:]]+[.!?]/{for(i=1;i<=NF;i++) if($i~/[[:alpha:]]+[.!?]/) print $i}' 

Perl中，相同的正则表达式，可以捕捉组，也许一点点更直接的语法：

$ echo "$txt" | perl -ne 'print "$1 " while /([[:alpha:]]+)[.!?]/g' 
file Mr Dr precision begin Help 

而且用Perl，它更容易refine the regex是有关的话更多的歧视捕获：

echo "$txt" | perl -ne 'print "$1 " while /([[:alpha:]]+)(?=[.!?](?:(?:\s+[[:upper:]])|(?:\s*\z)))/g' 
file precision begin Help 

Answer 2

容易在Perl：

perl -ne 'print "$1 " while /(\w+)[.!?]/g' 

• -n由线读取输入线。
• \w匹配“单词字符”。
• \w+匹配一个或多个单词字符。
• [.!?]匹配任何句末标记。
• /g代表“全局” - 它记住最后一场比赛发生在哪里，并在比赛结束后尝试匹配。

Answer 3

GAWK：

$ gawk -v ORS=' ' -v RS='[.?!]' '{print $NF}' w.txt 
file Mr Dr precision begin Help 

（请注意，纯awk不支持将正则表达式分配给RS。）

Answer 4

这可能会为你工作（GNU SED）：

sed -r 's/^[^.?!]*\b(\w+)[.?!]/\1\n/;/\n/!d;P;D' file 

对于每行一个字或使用膏一行这样：

sed -r 's/^[^.?!]*\b(\w+)[.?!]/\1\n/;/\n/!d;P;D' file | paste -sd' ' 

另一种解决方案仅仅使用SED：

sed -r 'H;$!d;x;s/\n//g;s/\b(\w+)[.?!]/\n\1\n/g;/\n/!d;s/[^\n]*\n([^\n]*)\n/ \1/g;s/.//' file