Início / unix / Perguntas / 421286
Accepted
Timothy Swan
Asked: 2018-02-02 12:20:54 +0800 CST

Como imprimir caracteres literais de/para arquivo no bash?

  • 772

Desejo filtrar um arquivo por caractere (com o objetivo de remover caracteres xml inválidos dos quais não posso controlar a geração), mas não consigo copiar caracteres individuais de um arquivo para outro. Eu costumava printfcopiar seções literais, incluindo retornos de carro antes, mas agora ele não copia um retorno de carro como um, mas como uma string de comprimento vazio. Meu código:

infile=$1
outfile=$2
touch $outfile
while IFS= read -r -n1 char
do
        # display one character at a time
        printf "%s" "$char" >> $outfile
done < "$infile"
diff $infile $outfile

Não me importo de usar sed ou awk, mas teria que codificar os caracteres permitidos. Char ::= #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF] /* any Unicode character, excluding the surrogate blocks, FFFE, and FFFF. */

bash xml

1 respostas

  1. Best Answer

    O retorno do carro não deve ser um problema, readdeve ser lido perfeitamente. A nova linha (linefeed) é, pois é o delimitador padrão para read. Você pode usar o read -d ''truque para fazê-lo funcionar.

    echo $'\r' | { IFS= read -r -n1 x; echo "$x"|xxd; }          # CR
echo $'\n' | { IFS= read -r -n1 x; echo "$x"|xxd; }          # LF fails
echo $'\n' | { IFS= read -d '' -r -n1 x; echo "$x"|xxd; }    # LF ok

    Mas, como dizem, você provavelmente não quer fazer coisas assim no shell. trseria exatamente o que você precisa para excluir um conjunto fixo de caracteres, mas pelo menos o GNU trfunciona em bytes, não em caracteres, portanto, não é muito útil para Unicode.

    Acho que este Perl deve funcionar, para dados UTF-8, se suas localidades estiverem definidas corretamente como UTF-8:

    perl -C -pe 'tr/\x09\x0a\x0d\x20-\x{d7ff}\x{e000}-\x{fffd}\x{10000}-\x{10ffff}//cd' < in > out

    Mas é melhor testar, não estou acostumado com as peculiaridades do Unicode.

    tr/abc//cdexclui os caracteres que não estão listados em abc( na tr///verdade, serve para transformar caracteres em outros, consulte perlop). Leva listas de caracteres, bem como intervalos, e significa o caractere com valor hexadecimal HH , e um com valor HHHH . Portanto, o acima aceita , , , tudo de a etc.\xHH\x{HHHH}0x090x0a0x0d0x200xd7ff

    A lista acima é retirada diretamente da lista apresentada na pergunta. Vou deixar para o usuário final avaliar se deve ser alterado.

    • 2

relate perguntas