從文本文件中刪除復數單詞

Question

我有一個巨大的文本文件，其中包含如下類別：

mango    
mangoes   
orange   
oranges   
cat   
cats   

我想從行中刪除那些復數詞。 這樣就可以保持：

mango   
orange   
cat   

Answer 1

該問題不適用於正則表達式（ 在撰寫本文時，該問題被標記為Regex ）。 正則表達式非常適合匹配模式和正則語言。 就像HTML和XML都不是常規語言一樣，英語不是常規語言 （也就是說，英語不是可以使用正則表達式表達的形式語言）。 英語中的復數形式實際上是為了證明這個問題的好辦法：復數car是cars ，但多為bus是不是buss ，但busses 。 正如問題所提出的那樣， mango的復數不是常規形式的mangos而是mangoes 。 更糟的是，不就是在結尾的名詞o通過增加形成多oes -的復數piano是pianos不pianoes ..關於什么的wolf和wife去wolves和wives以及child要children ？

因此，我希望您深信不疑-您一定會遇到麻煩。

您必須編寫一些常規復數形式的例外列表，在單數形式之后添加s 。

您需要實現一個基本的詞干（僅與復數形式有關）。 欲了解更多信息，請訪問： http : //tartarus.org/martin/PorterStemmer/

詞干之后，您可以使用哈希集來有效地檢查重復項。 如果單詞中沒有單詞，則單次傳遞，然后添加到單詞集。 如果已在集合中，請刪除該詞，因為它是重復詞。 唯一的問題是，這不能保證您刪除復數形式。 沒有英語詞典，這個問題不是很容易。

如果您想要非常好的准確性，則需要使用英語單詞的字典，該字典將單數映射為復數。

Answer 2

如果只想過濾出以s結尾s ：

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