上次有讀者 hevangel 提議我用 sed 。
我於是真的去玩 sed ，試用 sed 去作點 data processing 的東西，但是卻即時撞版。最終我用了較熟的 R 去做 text processing 。
問題是這樣的。假設我有cppcc。
我想將所有名稱都拆出來。
我想以下指令應該 work 的：
cat cppcc.txt | sed -e 's/^[ \t]*//;s/[ \t]*$//;s/\*//g;s/ /\n/g;/\(.*人\)$/d;/^$/d;s/\(.*\)$//'
可惜是不 work 。問題我估是在於 \(.*人\)$ 和 \(.*\)$ 兩組 regex 。我找不到 sed 是否支持 \ 的 escape character 。如果不用 \ ，即是用此指令：
cat cppcc.txt | sed -e 's/^[ \t]*//;s/[ \t]*$//;s/\*//g;s/ /\n/g;/(.*人)$/d;/^$/d;s/(.*)//'
卻會引致很多名稱消失了。請教網友， sed 的 regex 是如何 escape 的？
UPDATE:
調查過後。以下指令是 work 的，但這是 quick and dirty 作風。
cat cppcc.txt | sed -e 's/^[ \t]*//;s/[ \t]*$//;s/\*//g;s/ /\n/g;/\((.*人)\)$/d;/^$/d;s/\((女)\)//g;s/\((女，滿族)\)//g'
也許是 (*.) 太 greedy 的緣故。另一發現係 Mac OS X 版的 sed 和 Linux 的 sed 有不同。 Mac 版的是 BSD 的，而 Linux 是 GNU 的，在處理 newline 時(\n)兩者有不同，以上指令只適用於 GNU 版。
Update 2
根據讀者 Jacky 留言所寫的指令，也是 work 的。
cat cppcc.txt | sed -e '/[0-9].*/d;s/([^()]*)//g;s/\*//g;s/^[ \t]*//;s/[ \t]*$//;/^$/d;s/ /\n/g;'