删除sed中的重复和控制字符

Question

假设我在一行处有一个单词，例如HHEELLLLOO。如何用单个字符替换重复字符。输出应该是HELLO。

也有人知道如何删除或指定sed中的控制字符，例如^ H.

Answer 1

问题1

是的，正则表达式可以解决这个问题。在sed：

$ echo HHEELLLLOO | sed 's/\(.\)\1/\1/g'
HELLO

这样就可以了。

问题2

可能因系统而异。在这里（BSD）你可以输入ctrl-v ctrl-h来 插入要由sed解释的文字退格符。试一试。

$ cat file
H^HE^HL^HL^HO^H
$ sed 's/^H//g' file > new_file
$ cat new_file
HELLO

Answer 2

尝试使用此方法删除重复项：sed 's/\([a-zA-Z]\)\1\+/\1/g'但它会产生'HELO'而不是'HELLO'。请参阅另一个答案，了解原因。

Answer 3

请参阅限制此网站的重复：http://www.regular-expressions.info/repeat.html

一个真实的脚本，受到chown和该网站的启发：sed's /（[a-zA-Z]）\ 1 + / \ 1 / g'

然而，你将无法获得HELLO，你只能获得HELO。正则表达式不够复杂，无法确定应该有2个L's。为此，您需要将单词与字典匹配。虽然，你可以使用正则表达式... H + E + L + O +。 。 。

对于控制字符，\ 0xx将匹配任意ASCII字符。你必须查看^ H所代表的内容。

Answer 4

$ echo BookKeeper | perl -pe 's/(.)\1+/$1/gi'
Bokeper

$ perl -le 'print "\cSome \cEvil \cControl \cMess\c?"' | perl -ple 's/\pC//g'
ome vil ontrol ess

从技术上讲，控制字符为\p{Cc}。