如何用UNIX/Linux命令行提取C#项目所有单词以修正拼写错误

单个文件的单词提取 #

你之前用grep -wo ".*"无效是因为.*会匹配整行内容，要提取单个单词，用grep的扩展正则匹配字母数字（适配C#代码里的标识符）：

grep -Eo "\w+" blabla.cs

这个命令会把文件里所有由字母、数字、下划线组成的单词逐行输出。如果要包含连字符这类特殊单词，可调整正则为grep -Eo "[a-zA-Z0-9_-]+"。

也可以用tr配合sed处理非字母字符：

tr -cs "[:alpha:]" "\n" < blabla.cs | sed '/^$/d'

tr -cs "[:alpha:]" "\n"把非字母字符替换为换行，sed '/^$/d'过滤掉空行。

解决find命令的管道问题 #

你直接写find ./ -name "*.cs" -exec cat {} | tr...会出错，因为-exec无法直接处理管道，shell会把管道后面的内容当成未完成命令，所以返回>提示符等待输入。正确做法是用sh -c包裹管道命令：

find ./ -name "*.cs" -exec sh -c 'cat "$1" | tr -cs "\w" "\n"' _ {} \; >> /mnt/c/Temp_Folder/output.txt

• sh -c启动子shell执行后续命令字符串
• $1对应传入的文件名（即{}）
• _是占位符，对应子shell的$0参数，不影响实际功能

更高效的写法是把所有文件内容通过管道一次性处理，避免多次打开输出文件：

find ./ -name "*.cs" -exec cat {} \; | tr -cs "\w" "\n" >> /mnt/c/Temp_Folder/output.txt

生成去重的单词列表 #

提取完所有单词后，用sort和uniq去重：

sort /mnt/c/Temp_Folder/output.txt | uniq > unique_words.txt

后续拼写检查与批量替换 #

拿到unique_words.txt后，用拼写检查工具扫描找出错误词汇。之后可用sed批量替换整个解决方案里的错误单词，比如把错误词wroong替换为wrong：

find ./ -name "*.cs" -exec sed -i 's/wroong/wrong/g' {} \;

注意：替换前先在少量文件测试，避免误改代码中的字符串、注释或标识符。

内容的提问来源于stack exchange，提问作者Dominique