我正在尝试从俄语短篇小说中提取一个单词列表.
#!/bin/sh export LC_ALL=ru_RU.utf8 sed -re 's/\s+/\n/g' | \ sed 's/[\.!,—()«»;:?]//g' | \ tr '[:upper:]' '[:lower:]' | \ sort | uniq
然而,这个步骤并不是把西里尔字母大写下来.我以为我是巧妙地使用便携式字符类!
$LC_ALL=ru_RU.utf8 echo "Г" | tr [:upper:] [:lower:] Г
如果相关,我通过从Chrome浏览器窗口复制粘贴到Vim中获得了俄文本.它看起来正好在屏幕上(Putty终端).这是在Cygwin的bash shell中 – 它应该在Linux上与Bash相同(应该!).
什么是便携式,可靠的方式来缩小管道中的unicode文本?
这是我在
Wikipedia发现的(没有任何参考)):
Most versions of
tr
,includingGNU tr
and classic Unixtr
,operate on single-byte characters and are not Unicode compliant. An exception is the 07001 implementation,which provides basic Unicode support.
而且,this是老,但相关.
正如我在评论中提到的,sed似乎工作(至少GNU sed):
$echo 'СТЭК' | sed 's/[[:upper:]]*/\L&/' стэк
原文地址:https://www.jb51.cc/bash/385873.html
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。