Почему tr не работает с é?
Когда я бегу echo é | tr é e, я получаю ee, а не e, которого я ожидал.
Вот результат команды locale :
LANG=en_US.UTF-8
LC_CTYPE = "en_US.UTF-8"
LC_NUMERIC = "en_US.UTF-8"
LC_TIME = "en_US.UTF-8"
LC_COLLATE = "en_US.UTF-8"
LC_MONETARY = "en_US.UTF-8"
LC_MESSAGES = "en_US.UTF-8"
LC_PAPER = "en_US.UTF-8"
LC_NAME = "en_US.UTF-8"
LC_ADDRESS = "en_US.UTF-8"
LC_TELEPHONE = "en_US.UTF-8"
LC_MEASUREMENT = "en_US.UTF-8"
LC_IDENTIFICATION = "en_US.UTF-8"
LC_ALL=
Покажите результат выполнения команды locale.
@glennjackman: У меня такая же проблема, хотя все мои locale записи "C.UTF-8".
Ответы 2
Похоже, tr плохо справляется с широкими символами.
$ echo 'é' | od -c
0000000 � � \n
0000003
$ echo 'é' | tr 'é' e | od -c
0000000 e e \n
0000003
Поскольку левый набор символов имеет длину 2 байта персонажи, tr повторяет последний символ правого набора до тех пор, пока он не станет такой же длины.
$ echo 123456789 | tr 2468 xy
1x3y5y7y9
Вы можете предпочесть sed для обработки символов, отличных от ASCII.
$ echo 'é' | sed 's/é/e/g' | od -c
0000000 e \n
0000002
$ echo 'é' | sed 'y/é/e/' | od -c
0000000 e \n
0000002
Спасибо за ваш вклад. Я думаю, вы правы. С практической точки зрения sed будет правильным решением. Чтобы было ясно, вы говорите, что 'é' , также известный как '\130', на самом деле имеет ширину в два символа? (может быть, 2 байта в ширину?) И в результате tr успешно транслитерирует два символа, полученные в качестве входных данных, как и было запрошено. Единственная ошибка здесь — это мое понимание команды tr или ее ввода. Верно?
Да, наверное, моя формулировка недостаточно точна. Вероятно, это проблема байтов и символов: tr кажется байт-ориентированным, sed - символьным.
'é' состоит из двух символов и будет производить 'ee' при использовании tr.
$ echo 'é' | tr 'é' 'e'
ee
Транслитерируйте 'é' в два символа, литерал 'e', за которым следует '\b', символ возврата, чтобы удалить второй 'e'.
$ echo 'é' | od -c
0000000 � � \n
0000003
$ echo é | tr 'é' 'e\b' |od -c
0000000 e \b \n
0000003
Обновлено: этот подход ошибочен. $ echo é | tr 'é' 'e\b' похоже, что это работает, но может привести к странным результатам. Хотя вы видите букву «e» на своем терминале, на самом деле ваш терминал отображает «e\b». Это буква «е», за которой следует непечатаемый символ возврата. Лучше использовать sed. sed 'y|é|e|'
Хороший вопрос. Это также происходит с другими буквами ударения, но не с другими символами, такими как
^или$.