導(dǎo)讀有時(shí)候我們對文檔過濾會(huì)有這樣的需求：，今天小編就來聊一聊關(guān)于咋取消列表所有漢語拼音字母?接下來我們就一起去研究一下吧!咋取消列表所有漢語拼音字母有時(shí)候我們對....

有時(shí)候我們對文檔過濾會(huì)有這樣的需求：，今天小編就來聊一聊關(guān)于咋取消列表所有漢語拼音字母?接下來我們就一起去研究一下吧!

咋取消列表所有漢語拼音字母

有時(shí)候我們對文檔過濾會(huì)有這樣的需求：

1. 篩選或刪除文檔中的不規(guī)則字符，比如中文字符。
2. 把帶有音調(diào)的字母替換成沒有音調(diào)的普通字母，特別是拼音轉(zhuǎn)換。

例如，制作一個(gè)比較全的姓氏拼音字典。首先去網(wǎng)上找一個(gè)常用姓氏拼音表。我隨便找了一個(gè)：

12百家姓全文（按拼音排序） 【A】 安(ān) 敖(áo) 艾(ài) 愛(ài) 【B】 巴(bā）白(bái) 鮑(bào) 包(bāo) 暴(bào) 班(bān) 柏(bǎi) 畢(bì) 卞(biàn) 邊(biān) 薄(bó) 伯(bó) 卜(bǔ) 步(bù) 貝(bèi) 賁(bēn) 邴(bǐng) 別(bié) 百里(bǎilǐ) 【C】 蔡(cài) 岑(cén) 曹(cáo) 陳(chén) 程(chéng) 褚(chǔ) 昌(chāng) 常(cháng) 成(chéng) 崔(cuī) 儲(chǔ) 車(chē) 池(chí) 從(cóng) 蒼(cāng) 柴(chái) 充(chōng) 晁(cháo) 巢(cháo) 淳于(chúnyú) 單于(chányú) 楚(chǔ) 【D】 笪(dá) 戴(dài) 狄(dí) 竇(dòu) 東(dōng) 董(dǒng) 杜(dù) 刁(diāo) 丁(dīng) 鄧(dèng) 段(duàn) 黨(dǎng) 堵(dǔ) 都(dū) 東方(dōngfāng) 端木(duānmù) 段干(duàngān) 東郭(dōngguō) 東門(dōngmén) 第五(dìwǔ) 【E】 鄂(è) 【F】 法(fǎ) 費(fèi)(fèi) 范(fàn) 樊(fán) 方(fāng) 房(fáng) 豐(fēng) 封(fēng) 酆(fēng) 馮(féng) 費(fèi)(fèi) 房(fáng) 傅(fù) 伏(fú) 符(fú) 福(fú) 扶(fú) 富(fù) 【G】 蓋(gài) 甘(gān) 干(gān) 高(gāo) 郜(gào) 戈(gē) 葛(gě) 耿(gěng) 谷(gǔ) 古(gǔ) 顧(gù) 郭(guō) 國(guó) 歸(guī) 桂(guì) 勾(gōu) 緱(gōu) 關(guān)(guān) 管(guǎn) 廣(guǎng) 公(gōng) 弓(gōng) 龔(gōng) 宮(gōng) 鞏(gǒng) 貢(gòng) 公孫(gōngsūn) 公西(gōngxī) 公羊(gōngyáng) 公冶(gōngyě) 公良(gōngliáng) 榖梁(gǔliáng) 【H】 哈(hǎ) 海(hǎi) 郝(hǎo) 韓(hán) 杭(háng) 何(hé) 和(hé) 賀(hè) 衡(héng) 花(huā) 滑(huá) 桓(huán) 懷(huái) 胡(hú) 扈(hù) 惠(huì) 華(huà) 宦(huàn) 黃(huáng) 侯(hóu) 后(hòu) 洪(hóng) 弘(hóng) 紅(hóng) 霍(huò) 赫連(hèlián) 皇甫(huángpǔ) 呼延(hūyán) 【J】 嵇(jī) 姬(jī) 吉(jí) 汲(jí) 籍(jí) 季(jì) 計(jì)(jì) 紀(jì)(jì) 薊(jì) 冀(jì) 暨(jì) 金(jīn) 靳(jìn) 家(jiā) 郟(jiá) 賈(jiǎ) 簡(jiǎn) 焦(jiāo) 姜(jiāng) 江(jiāng) 蔣(jiǎng) 晉(jìn) 經(jīng)(jīng) 荊(jīng) 井(jǐng) 景(jǐng) 鞠(jū) 居(jū) 夾谷(jiágǔ) 【K】 寇(kòu) 孔(kǒng) 康(kāng) 柯(kē) 蒯(kuǎi) 隗(kuí) 夔(kuí) 匡(kuāng) 闞(kàn) 空(kōng) 亢(kàng) 況(kuàng) 【L】 李(lǐ) 郎(láng) 魯(lǔ) 柳(liǔ) 雷(léi) 藍(lán)(lán) 路(lù) 婁(lóu) 林(lín) 欒(luán) 厲(lì) 劉(liú) 柳(liǔ) 黎(lí) 呂(lǚ) 梁(liáng) 廉(lián) 魯(lǔ) 駱(luò) 羅(luó) 凌(líng) 盧(lú) 陸(lù) 欒(luán) 龍(lóng) 賴(lài) 勞(láo) 酈(lì) 藺(lìn) 連(lián) 廖(liào) 祿(lù) 利(lì) 隆(lóng) 冷(lěng) 逯(lù) 令狐(lìnghú) 閭丘(lǘqiū) 梁丘(liángqiū) 【M】 馬(mǎ) 滿(mǎn) 苗(miáo) 母(mǔ) 穆(mù) 毛(máo) 明(míng) 茅(máo) 麻(má) 蒙(méng) 孟(mèng) 糜(mí) 米(mǐ) 宓(mì) 梅(méi) 莫(mò) 墨(mò) 牟(móu) 繆(miào) 牧(mù) 慕(mù) 閔(mǐn) 俟(mòqí) 慕容(mùróng) 【N】 那(nā) 能(nài) 佴(nài) 倪(ní) 年(nián) 寧(nìng) 乜(niè) 聶(niè) 鈕(niǔ) 牛(niú) 百家姓全文（按拼音排序） 農(nóng)(nóng) 南門(nánmén) 南宮(nángōng) 【O】 歐(ōu) 歐陽(ōuyáng) 【P】 潘(pān) 龐(páng) 逄(páng) 裴(péi) 彭(péng) 蓬(péng) 皮(pí) 平(píng) 蒲(pú) 濮(pú) 浦(pǔ) 濮陽(púyáng) 【Q】 戚(qī) 齊(qí) 祁(qí) 喬(qiáo) 譙(qiáo) 強(qiáng)(qiáng) 屈(qū) 璩(qú) 瞿(qú) 錢(qián) 秦(qín) 欽(qīn) 琴(qín) 權(quán)(quán) 亓官(qínguān) 漆雕(qīdiāo) 邱(qiū) 秋(qiū) 裘(qiú) 仇(qiú) 曲(qū) 全(quán) 闕(quē) 【R】 冉(rǎn) 饒(ráo) 壤駟(rǎngsì) 任(rèn) 阮(ruǎn) 榮(róng) 容(róng) 芮(ruì) 戎(róng) 融(róng) 茹(rú) 汝(rǔ) 【S】 桑(sāng) 司(sī) 宋(sòng) 松(sōng) 舒(shū) 水(shuǐ) 蘇(sū) 宿(sù) 孫(sūn) 索(suǒ) 沈(shěn) 沙(shā) 邵(shào) 施(shī) 師(shī) 石(shí) 史(shǐ) 時(shí)(shí) 厙(shè) 束(shù) 殳(shū) 盛(shèng) 單(shàn) 山(shān) 商(shāng) 尚(shàng) 雙(shuāng) 韶(sháo) 莘(shēn) 申(shēn) 慎(shèn) 壽(shòu) 司馬(sīmǎ) 上官(shàngguān) 申屠(shēntú) 司徒(sītú) 司空(sīkōng) 司寇(sīkòu) 生(shēng) 帥(shuài) 佘(shé) 賞(shǎng) 【T】 邰(tái) 譚(tán) 談(tán) 陶(táo) 唐(táng) 湯(tāng) 滕(téng) 田(tián) 童(tóng)通(tōng) 佟(tóng) 鈄(tǒu) 屠(tú) 涂(tú) 太叔(tàishū) 澹臺(tántái) 拓跋(tuòbá) 【W(wǎng)】 萬(wàn) 鄔(wū) 巫(wū) 烏(wū) 吳(wú) 伍(wǔ) 武(wǔ) 汪(wāng) 王(wáng) 危(wēi) 微(wēi) 韋(wéi) 衛(wèi)(wèi) 魏(wèi) 蔚(wèi) 溫(wēn) 聞(wén) 文(wén) 翁(wēng) 沃(wò) 聞人(wénrén) 巫馬(wūmǎ) 【X】 奚(xī) 郗(xī) 席(xí) 習(xí)(xí) 郤(xì) 夏(xià) 蕭(xiāo) 咸(xián) 宣(xuān) 熊(xióng) 項(xiàng)(xiàng) 須(xū) 胥(xū) 徐(xú) 許(xǔ) 薛(xuē) 荀(xún) 謝(xiè) 解(xiè) 辛(xīn) 邢(xíng) 幸(xìng) ) 向(xiàng) 相(xiàng) 夏侯(xiàhóu) 軒轅(xuānyuán) 鮮于(xiānyú) 西門(xīmén) 【Y】 燕(yān) 鄢(yān) 顏(yán) 言(yán) 閆(yán) 閻(yán) 嚴(yán)(yán)晏(yàn) 姚(yáo) 羊(yáng) 楊(yáng) 陽(yáng) 養(yǎng)(yǎng) 仰(yǎng) 葉(yè) 云(yún) 俞(yú) 袁(yuán) 於(yū) 于(yú) 魚(yú) 虞(yú) 余(yú) 庾(yǔ) 禹(yǔ) 郁(yù) 喻(yù) 鬱(yù) 樂(yuè) 岳(yuè) 越(yuè) 元(yuán) 伊(yī) 易(yì) 羿(yì) 益(yì) 陰(yīn) 殷(yīn)尹(yǐn)印(yìn) 應(yīng)(yīng) 尤(yóu) 游(yóu) 有(yǒu) 雍(yōng) 尉遲(yùchí) 宇文(yǔwén) 樂正(yuèzhèng) 羊舌(yángshé) 【Z】 宰(zǎi) 昝(zǎn) 查(zhā) 翟(zhái) 詹(zhān) 湛(zhàn) 張(zhāng) 章(zhāng) 趙(zhào) 訾(zǐ) 支(zhī) 甄(zhēn) 曾(zēng) 周(zhōu) 鄒(zōu) 鄭(zhèng) 朱(zhū) 諸(zhū) 竺(zhú) 祝(zhù) 臧(zāng) 宗(zōng) 鐘(zhōng) 終(zhōng) 仲(zhòng) 祖(zǔ) 左(zuǒ) 卓(zhuó) 莊(zhuāng) 諸葛(zhūgě) 宗政(zōngzhèng) 仲孫(zhòngsūn) 鐘離(zhōnglí) 長孫(zhǎngsūn) 仉督(zhǎngdū) 子車(zǐjū) 顓孫(zhuānsūn) 宰父(zǎifǔ) 左丘(zuǒqiū)

通常網(wǎng)上找到的都是些包含音調(diào)的字符序列。我們的主要目的包括：

1. 去掉漢字和其它與拼音無關(guān)的字符。
2. 將音調(diào)替換成沒有音節(jié)的字母。
3. 去掉重復(fù)的拼音。
4. 排好序，每行一個(gè)。

假如上述文件存放在yindiao.txt中。

(1).去掉非拼音相關(guān)的字符，只保留拼音字母，并存放到y(tǒng)indiao1.txt文件中。

cat yindiao.txt | tr -s | sed -r -n "s/([^a-z])//pg" >yindiao1.txt

將得到如下格式的內(nèi)容：

123456789101112131415161718192021xíngxìngxiàngxiàngxiàhóuxuānyuánxiānyúxīményānyānyányányányányányànyáoyángyángyáng

(2).將帶音節(jié)的字母替換。

如何處理音節(jié)，可能很多人不知道，但仔細(xì)閱讀過正則表達(dá)式語法說明的人想必都知道如何表示。

在正則表達(dá)式中，使用[=a=]來表示字母a的各種音節(jié)，即āáǎà。其實(shí)這不是正則中的語法，而是一種類，它稱為等價(jià)類。

常見的類集還有：

• 字符類：如[:alpha:]、[:alnum:]......；
• 排序類：如[.ab.]，排序類明確表示其內(nèi)字符是一個(gè)整體，例如這里的例子表示只能匹配"ab"，不能匹配a或b或ba。

回歸正題，現(xiàn)在就可以將帶有音節(jié)的字符進(jìn)行替換了。

由于26個(gè)字母，每個(gè)字母都有4個(gè)音節(jié)，光是音節(jié)字符就共有26*4=104個(gè)。所以，想要替換文件中的所有音節(jié)字符，考慮使用循環(huán)。

123for i in {a..z};do sed -i -r "s/[[="$i"=]]/"$i"/g" yindiao1.txtdone

如果不知道sed中的引號為什么這樣用，見sed修煉系列(四)：sed中的疑難雜癥。

注意，這里sed必須使用"-i"選項(xiàng)，不能重定向，因?yàn)槊看窝h(huán)都只改變一個(gè)字母的音節(jié)，每次重定向到文件中顯然不合適。

至此，得到了下面沒有音節(jié)的拼音。最后剩下排序和去重。

123456789101112131415xuxuxuxuxuexunxiexiexinxingxingxiangxiangxiahou

(3).排序、去重。

sort yindiao1.txt | uniq -u > yindiao.txt

這樣就得到了期待的結(jié)果。

轉(zhuǎn)載請注明出處：https://www.cnblogs.com/f-ck-need-u/p/8506501.html