Удаление слов с заглавной буквы

@Avatarik · Регистрация: 20.08.2016

Author24 — интернет-сервис помощи студентам

Доброго вечера форумчане.
Возникла проблема.
В .тхт файле нужно удалить все слова начинающиеся с заглавной.
Нашел как удалять строки содержащие заглавные символы. Но это не то что надо.
Как решить данную проблему?
Заранее благодарен за ответы и помощь.

YuS_2 · 18.08.2017, 09:53

Сообщение от Avatarik

нужно удалить все слова начинающиеся с заглавной.

Windows Batch file

@echo off
set "f_in=test.txt"
set "f_out=test_out.txt"
echo Выполняем...
powershell -executionpolicy bypass "&{(gc %f_in% -raw -enc UTF8) -creplace '\b[А-ЯЁA-Z]\w+\b' >'%f_out%'}"
echo Готово.
pause

volodin661 · 18.08.2017, 10:35

всё так, только эту ерунду с перечислением A Z Я и ё заменить на unicode properties

Perl

1	\b\p{Lu}\p{L}+\b

YuS_2 · 18.08.2017, 12:46

volodin661, сомневаюсь, что та "ерунда" чем-то хуже этих модных \p{}, ибо работают они не везде, а если работают, то абы как, но только не так как задумывалось. Во всяком случае в PoSh, совместно с границей слова, они вообще не работают, только вот так "\p{Lu}\p{Ll}", причем цифры ведь не захватываются, что в данном случае нежелательно... в общем, старые добрые символьные классы понадежнее будут.

volodin661 · 18.08.2017, 16:27

Сообщение от YuS_2

чем-то хуже этих модных \p{}, ибо работают они не везде

Сообщение от YuS_2

причем цифры ведь не захватываются, что в данном случае нежелательно

а) мода на Unicode существует более 20 лет, можно привыкнуть.
б) формально у ТС не было указано ни про кириллицу, ни про латиницу.
в) я не могу утверждать, что тщательно тестировал реализацию Unicode в regex в C# и powershell,
но если к данному инструменту в этой части есть претензии, то нужно поменять инструмент.
г) про желательность захвата цифр у ТС нет ни слова, но можно \p{L} заменить на \w
д) 'ерундой' я называю призыв запоминать информацию по особенностям размещения алфавитных символов
внутри всех национальных диапазонов Unicode; вот не хочется мне помнить, что кириллическом диапазоне ё и Ё выпадают или украинская i выпадает или македонская Ѓ выпадает.

@Garry Galler · 18.08.2017, 16:55

Сообщение от YuS_2

работают они не везде, а если работают, то абы как, но только не так как задумывалось

Почему не работают? Я сколько раз их в C# использовал - не помню, чтобы они как-то не так работали.
Вот здесь, например, все работает ожидаемым образом (хотя с границей слова \b, хоть без нее):

PowerShell

1 2	'Однажды в студеную Зимнюю пору' -creplace '\b\p{Lu}\p{L}+\b' >> в студеную пору

А Unicode блоки и категории, коих в .NET огромнейшее число, сильно упрощают создание регулярных выражений для парсинга специфических диапазонов символов. В том же python движок regex их не поддерживает и мне вместо короткого именованного блока приходится указывать весь диапазон кодов нужных символов, что очень неудобно. -)

YuS_2 · 18.08.2017, 18:03

Сообщение от Garry Galler

Вот здесь, например, все работает ожидаемым образом (хотя с границей слова \b, хоть без нее)

PowerShell

1	(gc test.txt -raw -enc UTF8) -creplace '\b\p{Lu}\p{Ll}+\b'

test.txt - UTF8 без BOM :

Код

слово1 слово2 слово3 слово4
Слово1 слово2 слово3 слово4
слово1 Слово2 слово3 слово4
слово1 слово2 Слово3 слово4
слово1 слово2 слово3 Слово4

cлово1 1слово2 vслово3 tслово4
Ёлово1 ёслово2 Ьслово3 слово4

- увы, не работает...

Добавлено через 7 минут
Да, сорри, моя ошибка... и не должно работать было, сочинял на скорую руку, не проверив...
там везде цифры же, это меня и сбило.

Добавлено через 5 минут
Вот так, надо было:

PowerShell

1	(gc test.txt -raw -enc UTF8) -creplace '\b\p{Lu}[\p{L}\d]+\b'

хотя, в данном случае, наверное, не принципиально...

@Avatarik · 20.08.2017, 17:29 **[ТС]**

Спасибо всем. Очень помогли. Правда только на одной из машин вариант не работает. На остальных не хочет зараза((
Сорри за неточность в ТС, да текст в кириллице и в UTF8 без BOM .

YuS_2 · 20.08.2017, 19:18

Сообщение от Avatarik

Правда только на одной из машин вариант не работает. На остальных не хочет зараза((

"На одной не работает, на остальных не хочет" - то потухнет, то погаснет?

Powershell необходимо обновлять периодически.
Дайте команду в консоли:

PowerShell

1	$host.version

- если мажорная версия меньше 3, то и не будет работать.
Если обновление проблематично, то в таком случае строку следует заменить на такую:

PowerShell

1	[io.file]::readalltext('test.txt',[text.encoding]::getencoding('UTF-8')) -creplace '\b\p{Lu}[\p{L}\d]+\b'

@Avatarik 0 / 0 / 1 Регистрация: 20.08.2016 Сообщений: 15
		1
	Удаление слов с заглавной буквы 17.08.2017, 19:47. Показов 1100. Ответов 8 Метки нет (Все метки) Доброго вечера форумчане. Возникла проблема. В .тхт файле нужно удалить все слова начинающиеся с заглавной. Нашел как удалять строки содержащие заглавные символы. Но это не то что надо. Как решить данную проблему? Заранее благодарен за ответы и помощь. 0

YuS_2 Любознательный 6546 / 1913 / 333 Регистрация: 10.03.2016 Сообщений: 4,355
	18.08.2017, 12:46	4
	volodin661, сомневаюсь, что та "ерунда" чем-то хуже этих модных \p{}, ибо работают они не везде, а если работают, то абы как, но только не так как задумывалось. Во всяком случае в PoSh, совместно с границей слова, они вообще не работают, только вот так "\p{Lu}\p{Ll}", причем цифры ведь не захватываются, что в данном случае нежелательно... в общем, старые добрые символьные классы понадежнее будут. 2

volodin661 6242 / 2117 / 334 Регистрация: 10.12.2013 Сообщений: 7,293
	18.08.2017, 16:27	5
	Сообщение от YuS_2 чем-то хуже этих модных \p{}, ибо работают они не везде Сообщение от YuS_2 причем цифры ведь не захватываются, что в данном случае нежелательно а) мода на Unicode существует более 20 лет, можно привыкнуть. б) формально у ТС не было указано ни про кириллицу, ни про латиницу. в) я не могу утверждать, что тщательно тестировал реализацию Unicode в regex в C# и powershell, но если к данному инструменту в этой части есть претензии, то нужно поменять инструмент. г) про желательность захвата цифр у ТС нет ни слова, но можно \p{L} заменить на \w д) 'ерундой' я называю призыв запоминать информацию по особенностям размещения алфавитных символов внутри всех национальных диапазонов Unicode; вот не хочется мне помнить, что кириллическом диапазоне ё и Ё выпадают или украинская i выпадает или македонская Ѓ выпадает. 2

@Avatarik 0 / 0 / 1 Регистрация: 20.08.2016 Сообщений: 15
	20.08.2017, 17:29 [ТС]	8
	Спасибо всем. Очень помогли. Правда только на одной из машин вариант не работает. На остальных не хочет зараза(( Сорри за неточность в ТС, да текст в кириллице и в UTF8 без BOM . 0

	20.08.2017, 19:18