主页 / unix / 问题 / 788646
Accepted
Alex Braga
Asked: 2024-12-25 03:30:55 +0800 CST

使用 perl-rename 替换重音字符

  • 772

我要同时标准化几个文件的名称，因此我编写了一个正则表达式perl-rename：

perl-rename 'y/A-Z/a-z/; s/ã|á|â/a/g; s/é|ê/e/g; s/í/i/g; s/õ|ó/o/g; s/ú/u/g; s/ç/c/g; s/(?<=\d-)*\s/_/g; s/_+/_/g; s/(?<=\d)_/-/' *

它完全按照预期工作：

2024-12-01 certidão de matrícula -> 2024-12-01-certidao_de_matricula

然而，我认为它可以简化一点，所以我想到了这一点：

perl-rename 'y/A-Z/a-z/; y/ãáâéêíõóúç/aaaeeioouc/; s/(?<=\d-)*\s/_/g; s/_+/_/g; s/(?<=\d)_/-/' *

但结果却不符合我的预期。例如：

2024-12-01 certidão de matrícula -> 2024-12-01-certidaao_de_matraccula

为什么第二个命令不起作用，因为它应该直接音译每个重音字符？我甚至无法理解结果。提前致谢。

regular-expression

1 个回答

  1. Best Answer

    发生这种情况是因为 Perl 不知道它应该将文件名视为 UTF-8。相反，它会查看单个字节，因此您会得到部分替换和重复。例如，考虑以下情况：

    % echo 'ä:ö:ä' | perl -pe 'y/ä/x/'
xx:x�:xx

    这里，输入为\xc3\xa4:\xc3\xb6:\xc3\xa4，而y/ä/x/被视为y/\xc3\xa4/x/（右侧x隐式重复）。结果是，当两个字节被单独替换时，UTF-8ä变为xx，而ö当仅替换第一个字节时，UTF-8 会崩溃。

    该s///命令有效，因为它会查找要替换的整个字符串，因此将其解释为一个字符还是两个字节并不重要。

    您可以通过添加 use utf8或-Mutf8告诉 Perl 源是采用 UTF-8 格式，以及-C告诉它 stdin/stdout 是采用 UTF-8 格式的选项来解决这个问题。

    % echo 'ä:ö:ä' | perl -Mutf8 -C -pe 'y/ä/x/'
x:ö:x

    使用重命名脚本，您可能无法使用-C，因此请使用PERL_UNICODE环境变量，例如 with export PERL_UNICODE=AS（用于参数和 Stdin/out），并将其包含use utf8在重命名命令中并希望它有效。

    • 6

相关问题