如何编写Bash脚本提取stdin中符合规则的句子逐行输出到stdout

原脚本问题梳理 #

• 你代码中用到的SENFLAG变量没有做任何初始化赋值，if判断分支永远不会执行
• 正则规则完全不符合需求：既没有匹配大写字母开头的要求，也没有匹配句号、感叹号、问号结尾的规则，也无法正确拆分同一行内的多个句子
• 逐行读取的循环逻辑冗余，无需额外循环即可直接通过文本处理工具完成需求

最简实现方案 #

基于GNU grep的实现，适配绝大多数Linux发行版：

#!/bin/bash
# 直接读取标准输入，输出符合要求的句子
grep -oP '[A-Z][^.!?]*[.!?]'

规则说明 #

• -o 参数：让grep只输出匹配到的内容，每个匹配结果单独占一行
• -P 参数：启用Perl正则语法
• 正则含义：
  • [A-Z]：匹配句首的大写字母
  • [^.!?]*：匹配除三个结束符之外的任意字符，匹配次数不限
  • [.!?]：匹配句尾要求的三个结束符之一

跨平台兼容方案 #

如果是 macOS 等默认没有GNU grep的环境，可以用awk实现相同功能：

#!/bin/bash
awk '{
    while(match($0, /[A-Z][^.!?]*[.!?]/, res)) {
        print res[0]
        $0 = substr($0, RSTART + RLENGTH)
    }
}'

效果验证 #

输入你给出的测试文本：

This is the first sentence. This is the second sentence! Is this the third sentence? this is not a sentence

输出结果和预期完全一致：

This is the first sentence.
This is the second sentence!
Is this the third sentence?

内容的提问来源于stack exchange，提问作者George0541