Question

我经常遇到代表UTF-16BE的字符串，例如\u0444\u0430\u0439\u043b，它会正确呈现为файл。

我想知道：有没有一种简单的方法可以使用sed或其他命令行工具“渲染”UTF-16BE中的文本文件（或简单地用UTF-16BE中的输入字符串），例如上面的那个？

Answer 1

假设文本实际上是用UTF-16BE编码的（而不是，正如您在问题中所示，作为包含反斜杠和'u'字符的ASCII字符串），您可以使用iconv命令。

假设您的语言环境设置为处理UTF-8输出：

iconv -f utf-16be -t utf-8 [input-file]

编辑：

根据您的评论，您拥有的不是UTF-16BE;它显然是纯ASCII，使用\u....语法编码Unicode代码点。这不是iconv识别的格式（据我所知）。

您应该编辑您的问题，删除对UTF-16BE的任何引用，并更准确地解释您实际拥有的数据以及您想要使用它做什么。这些字符串来自哪里？它们是存储在文本文件中，还是来自其他来源（比如某些程序的输出）？输入是否完全 \u.... ，还是与其他数据混合？您的语言环境设置是否配置为正确显示UTF-8？

如果您的字符串包含"\u0444\u0430\u0439\u043b"（即24个ASCII字符），那么printf命令应该有效 - 如果您使用的是{{{ 1}}。

printf既是shell内置命令又是外部命令printf，是GNU coreutils包的一部分。

以下适用于我的系统：

/usr/bin/printf

或者您可以使用$ s='\u0444\u0430\u0439\u043b' $ printf "$s\n" файл格式（这是特定于%b命令; C的printf函数不执行此操作），它解释参数字符串中的反斜杠转义（通常它们只以格式字符串解释：

printf()

在另一个使用较旧版本bash的系统上，$ printf "%b\n" "$s" файл内置版无法识别printf转义符，但\u会转义。似乎coreutils /usr/bin/printf命令比bash更早地获得了对printf转义的支持。

\u

所有这些假设您在变量中都有$ s='\u0444\u0430\u0439\u043b' $ printf "$s\n" \u0444\u0430\u0439\u043b $ printf "%b\n" "$s" \u0444\u0430\u0439\u043b $ /usr/bin/printf "$s\n" файл $ /usr/bin/printf "%b\n" "$s" файл字符串。如果它在一个文件中，你可以将文件内容篡改成一个shell变量，一次可能是一行，但它不是最好的解决方案。在这种情况下，这个Perl脚本应该完成这项工作;它将其输入复制到stdout，用相应的Unicode字符替换'\u0444\u0430\u0439\u043b'序列，以UTF-8编码;输入可以是命令行中命名的一个或多个文件，也可以是标准输入，如果它没有参数调用。

\u....

再次，请编辑您的问题，以便它反映您的实际问题并删除对UTF-16BE的任何引用。

Answer 2

简单地说：

echo -e "\u0444\u0430\u0439\u043b"

请注意，您可能需要将env变量LANG设置为utf-8：

export LANG="en_US.UTF-8"

正如Keith Thompson指出的那样，使用printf可能更好;所以，你有：

printf "\u0444\u0430\u0439\u043b"

对于上述两个选项，输出为：

файл

如何在命令行中呈现UTF-16BE？

2 个答案: