Как удалить нечисловой мусор из файла

Question

Вот вывод из less:

487451
487450<A3><BA>1<A3><BA>1
487449<A3><BA>1<A3><BA>1
487448<A3><BA>1<A3><BA>1
487447<A3><BA>1<A3><BA>1
487446<A3><BA>1<A3><BA>1
487445<A3><BA>1<A3><BA>1
484300<A3><BA>1<A3><BA>1
484299<A3><BA>1<A3><BA>1
484297<A3><BA>1<A3><BA>1
484296<A3><BA>1<A3><BA>1
484295<A3><BA>1<A3><BA>1
484294<A3><BA>1<A3><BA>1
484293<A3><BA>1<A3><BA>1
483496
483495
483494
483493
483492
483491

Я вижу здесь кучу непечатных символов.Как мне удалить их, используя sed / tr?

Моя попытка была 's/\([0-9][0-9]*\)/\1/g', но она не работает.

РЕДАКТИРОВАТЬ : Хорошо,пойдем дальше вниз по источнику.Числа извлечены из этого файла:

487451"><img src="Manage/pic/20100901/Adidas running-429.JPG" alt="Adidas running-429" height="120" border="0" class="BK01" onload='javascript:if(this.width>160){this.width=160}' /></a></td>
487450"><img src="Manage/pic/20100901/Adidas fs 1<A3><BA>1-060.JPG" alt="Adidas fs 1<A3><BA>1-060" height="120" border="0" class="BK01" onload='javascript:if(this.width>160){this.width=160}' /></a></td>

Первая строка совершенно нормальна и то, что большинство строк.Второй «поврежден».Я просто хотел бы извлечь число в начале (используя 's/\([0-9][0-9]*\).*/\1/g', но каким-то образом непечатаемые элементы попадают в регулярное выражение, которое должно остановиться на ".

EDIT II :Вот пояснение: В текстовом файле нет скобок. Это коды символов непечатаемых символов. Скобки есть, потому что я скопировал файл из less. Терминал Mac, с другой стороны, использует?? для представления таких символов. Держу пари, xterm на моем Ubuntu напечатает этот белый овал с вопросительным знаком.

Answer 1

Классическое задание для sed или Unix tr команды.

sed 's/[^0-9]//g' $file

(все, что не является цифрой или переводом строки), удаляется.)

tr -cd '0-9\012' < $file > $file.1

Удалить (-d) дополнение (-c) цифр и символа новой строки ...

Answer 2

Вы пропустили бит, в котором вы соответствуете остальной части строки.

sed 's/\([0-9][0-9]*\)[^0-9]*/\1/g' 
                      ^^^^^^^

Answer 3

Если данные всегда похожи на образец, удаление с менее чем до конца строки будет работать нормально.sed -i "s /<.*$//" file </p>

Answer 4

Попробуйте команду sed:

sed 's/^\([0-9][0-9]*\).*$/\1/' file.txt

OUTPUT (выполнение вышеуказанной команды для указанного вами входного файла)

487451
487450
487449
487448
487447
487446
487445
484300
484299
484297
484296
484295
484294
484293
483496
483495
483494
483493
483492
483491

Answer 5

Если вы знаете, что дерьмо всегда будет в скобках, почему бы не удалить это дерьмо?

sed 's/<[^>]*>//g'

РЕДАКТИРОВАТЬ: Спасибо, Майк, это имеет смысл. В таком случае, как насчет:

sed 's/([0-9]+).*/\1/g'