1

非ASCII文字としてエンコードされたいくつかの数字を含むサンプルテキストファイルがあります。ファイルのエンコードに文字マップを使用していますが、sed を使用してこれらの各文字を置き換えると、予期しない結果が得られます。

これらのように

 ¤»¤ ¡  1 3

3ô1ô ôôôôô1ô
ôôôô
                       ôôôôô¤ôôôôô»ôôôôô¤ôôôôôô ô¡ ô 1 3ô

私が試したコマンドはこれらです

sed -r 's/`echo ô`/5/g' new.txt
sed -r 's/\ô/5/g' new.txt

パールも

perl -pe 's/\ô/5/g' < new.txt

これについて助けが必要です。ありがとう。

4

1 に答える 1

1

これを解決する方法は、最初に（両方のファイルの）文字を明確な形式で取得することだと思います。次に、マッピングファイルを繰り返し処理し、明確な各文字をその値でハッシュに追加します。最後に、明確なサンプル文字 (明確な文字の長さは 16 です) をループし、それぞれをハッシュ値に置き換えます。サンプル ファイルに ASCII 文字が含まれている場合 (つまり、明確な形式の長さが 16 でない場合)、これが壊れる可能性があります。入力によってはこれを修正する必要があるかもしれませんが、サンプル テキストが実際のファイルを示している場合は、問題はないはずです。結果が期待したものと異なる場合はお知らせください。

次のように実行します。

./translate.pl CharMap.txt sample.txt

の内容translate.pl:

#!/usr/bin/perl
use strict;
use warnings;

# open the files up for reading.
# ARGV[0] points to the first file listed, 'CharMap.txt'
# ARGV[1] points to the second file listed, 'sample.txt'
open CHARMAP, $ARGV[0] or die;
open SAMPLE, $ARGV[1] or die;

# execute `sed -n 'l0'` on each file and capture output into two arrays
# the '-n' flag suppresses printing of pattern space
# the 'l0' command simply means print the pattern space in an unambiguous form
my @charmap = `sed -n 'l0' $ARGV[0]`;
my @sample = `sed -n 'l0' $ARGV[1]`;

# declare a hash
my %charhash;

# loop through the array of character mappings
for (@charmap) {
    # use a subroutine to sanitize each element
    $_ = sanitize($_);
    # add each unambiguous character to a hash with its mapping pair
    $charhash{ substr $_, 2 } = substr $_, 0, 1;
}

# now loop through the unambiguous sample data
# in your sample file there is only a single element so the loop is unnecessary
for (@sample) {
    # use a subroutine to sanitize each element
    $_ = sanitize($_);
    # so each unambiguous character is 16 readable characters longs.
    # so we need to loop through 16 chars at a time. These can be stored in $1. 
    # then we ask the hash 'what is the value of the element $1?
    # we then print this value.
    print $charhash{$1} while $_ =~ /(.{16})/g;

    # print a newline char to replace the chomped input
    print "\n";
}

close CHARMAP;
close SAMPLE;

sub sanitize {

    # read in the element passed to the subroutine
    my $line = shift;

    # remove newline endings
    chomp $line;

    # for some reason your files contained this transparent 12 digit unreadable
    # unambiguous character right at the start of the two files. I do not know
    # what it is or what it looks like, but for convenience, I simply remove it
    # from every line, even if I only found on the first line.
    $line =~ s/^\\357\\273\\277//;

    # trim off a trailing line ending
    $line =~ s/\$$//;

    # trim off a trailing newline ending
    $line =~ s/\\r$//;

    return $line;
}

結果：

3177191281013,997,094

詳細についてsed l0は、sed マニュアルを参照してください。

于 2012-09-18T04:14:36.683 に答える