从文本文件中删除多个单词

Question

我有一个巨大的文本文件，其中包含类似的内容：

mango    
mangoes   
orange   
oranges   
cat   
cats   

我想删除这些复数字。所以它仍然存在：

mango   
orange   
cat   

Answer 1

这个问题不适合正则表达式（在撰写本文时，问题标记为正则表达式）。正则表达式适用于匹配模式和常规语言。 英语不是常规语言（也就是说，英语不是可以使用正则表达式表达的正式语言），就像HTML和XML不是常规语言一样。英语中的复数形式实际上是证明问题的好方法：car的复数是cars，但bus的复数不是buss而是busses。正如问题所示，mango的复数形式不是常规形式mangos，而是mangoes。更糟糕的是，并非所有以o结尾的名词都会通过添加oes形成复数形式 - piano的复数形式为pianos而非pianoes .. wolf和wife前往wolves和wives以及child前往children怎么办？

所以我希望你被定罪 - 你一定会遇到麻烦。

您必须在常规复数形式中写出一些例外列表，在单数形式之后添加s。

您需要的是实现一个基本的词干分析器（仅涉及复数形式）。如需进一步阅读，请参阅：http://tartarus.org/martin/PorterStemmer/

一旦你干了字，就可以使用哈希集来有效地检查重复项。单个传递单词，词干并添加到设置（如果尚未在集合中）。如果已经在集合中 - 删除单词，因为它是重复的。唯一的问题是这不能保证您删除复数形式。没有英文字典，问题就不容易了。

如果你想要非常好的准确性，你需要使用将单数形式复数形式的英语单词词典。

Answer 2

如果您只想过滤掉以s结尾的行：

grep -P '[^s]$' file.txt > newfile.txt