Linux Bash：如何匹配变量与字符集筛选周期表指定语言内容

我有一个包含多语言元素名称的周期表文本文件，格式如下：

1 H 语言1的元素名称 语言2名称 语言3名称 等
2 He 语言1的元素名称 语言2名称 语言3名称 等
...

需求是移除所有非目标语言的内容，只保留每行的序号、元素符号和目标语言名称。比如输入行1 H Hydrogen Wasserstoff Hydrogène 氢，处理后要输出1 H 氢。

之前尝试编写多个Bash脚本（PeriodicTable1至PeriodicTable4）都没成功，核心问题是不知道如何将字符串和字符数组做匹配筛选。

解决方案 #

方法1：用awk按固定列或字符集提取 #

如果目标语言的名称在每行固定列（比如示例中中文在第5列），直接指定列输出：

# 保留第1、2、5列（序号、元素符号、中文名称）
awk '{print $1, $2, $5}' periodic_table.txt > filtered_table.txt

如果列位置不固定，但能通过字符集识别（比如中文的Unicode范围），用awk匹配字符：

# 保留序号、元素符号，以及包含中文字符的字段
awk '{
    printf "%s %s", $1, $2;
    for (i=3; i<=NF; i++) {
        if ($i ~ /[\u4e00-\u9fa5]/) {
            printf " %s", $i;
        }
    }
    print ""
}' periodic_table.txt > filtered_table.txt

方法2：Bash脚本结合字符匹配筛选 #

先定义目标语言的字符特征，逐行处理每个字段：

#!/bin/bash
# 匹配中文Unicode字符范围
TARGET_PATTERN='[\u4e00-\u9fa5]'

while read -r line; do
    fields=($line)
    # 先输出序号和元素符号
    result="${fields[0]} ${fields[1]}"
    # 遍历后续字段，筛选符合目标语言的内容
    for field in "${fields[@]:2}"; do
        if [[ $field =~ $TARGET_PATTERN ]]; then
            result="$result $field"
        fi
    done
    echo "$result"
done < periodic_table.txt > filtered_table.txt

方法3：结合tr和sed预处理后合并 #

先提取目标语言的内容，再和序号、元素符号合并：

# 提取所有中文名称到临时文件
tr -c '\n\u4e00-\u9fa5' '\n' < periodic_table.txt | sed '/^$/d' > chinese_names.txt
# 合并原文件前两列和中文名称
paste <(awk '{print $1, $2}' periodic_table.txt) chinese_names.txt > filtered_table.txt

内容的提问来源于stack exchange，提问作者0x9conc1