我制作了阿拉伯文字典文件，可在LibreOffice和LyX中使用。它包含超过270万个阿拉伯语单词。
有时，我们可以使用来写单词ه，有时可以在单词ة的末尾加上。
我想使用带有sed或的脚本，或者tr说如果有两个相同的单词，除了最后一个字母，并且两个单词的最后一个字母是ةand ه，请删除包含的单词ه。
输入示例：
الجنة
الجنه
الشجرة
الشجره
输出：
الجنة
الشجرة
试试这个：
awk -v TA=ة -v HA=ه '
{ orig = $0 }
sub(HA"$", TA) { $0 in ta || ha[$0] = orig; next }
$0 ~ TA"$" { ta[$0] = 1; delete ha[$0] }
{ print }
END{ for(i in ha) print ha[i] }
' input_file | LC_ALL=C sort -u > output_file
我试图通过创建自定义功能来做一些更聪明的事情LC_COLLATE，但并没有对其进行管理;-)
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句