Question

我从文件中提取数据（在这种情况下是一个exim邮件日志），并且通常会将字符保存在转义的八进制序列中，例如\ NNN，其中＆＃39; N＆＃39; N＆＃39; N＆＃39;表示八进制值0-7。这主要发生在主题以非拉丁字符（例如阿拉伯语）编写时。

我的目标是找到最简单的方法来转换这些八进制字符，以便在我的utf-8启用的终端中正确显示，特别是在＆less;＆＃39; less＆＃39;因为有很多输出的可能性。

到目前为止，我发现的最佳方法如下：

arbitrary_stream | { while read -r temp; do printf %b "$temp\n"; done } | less

这似乎工作得很好，但是我会假设有一些翻译工具，或者甚至可能是一个内置于“少”的翻译工具。处理这个。我还发现，如果你使用像sed之类的东西在每个\之后注入0，你可以将它存储为变量，然后使用＆＃39; echo -e $ data＆＃39;然而，这比之前的解决方案更加混乱。

测试用例：

octalvar="\342\202\254"

预期产量减少：
€

我正在寻找更清洁，更完整或更好的东西，而不仅仅是上述解决方案：

echo $octalvar | do_something | less

或

echo $octalvar | less --some_magic_flag

有什么建议吗？或者我的解决方案是否像我期望的一样干净？

Answer 1

这是我目前的版本：

echo $arbitrary | { IFS=$'\n'; while read -r temp; do printf %b "$temp\n"; done; unset IFS; } | iconv -f utf-8 -t utf-8 -c | less

Answer 2

GNU awk中的转换（使用strtonum）。它被证明是一个麻烦所以代码是一团糟，也许可以简化，随意建议：

awk '{
    while(match($0,/\\[0-8]{3}/)) {  # search for \NNNs
        o=substr($0,RSTART,RLENGTH)  # extract it
        sub(/\\/,"0",o)              # replace \ with 0 for strtonum
        c=sprintf("%c",strtonum(o))  # convert to a character
        sub(/\\[0-8]{3}/,c)          # replace the \NNN with the char
    }
}1' foo > bar

或将单引号之间的代码粘贴到文件above_program.awk，然后像awk -f above_program.awk foo > bar一样运行。测试文件foo：

test 123 \342\202\254

在非UTF8语言环境中运行它，我使用语言环境C：

$ locale 
...
LC_ALL=C
$ awk -f above_program.awk foo
test 123 €

如果您运行UTF8语言环境，则会发生转换：

$ locale
...
LC_ALL=en_US.utf8
$ awk -f above_program.awk foo
test 123 â¬

Unix - 如何通过管道转换八进制转义序列

2 个答案: