Question

我已经用gsed发布大写的单词：

gsed -e“ s / \ b（。）/ \ u \ 1 / g”

字符串是：

诗人阿杰耶夫

期望的输出是：

诗人阿杰耶夫（Adjéèf）

但是它变成了：

AdjéÈFThe Poet

请注意：这是一个艺术家的创意名称，就是这样，带有两种不同的口音...

Answer 1

您可以尝试：

sed -e 's/\([^ ]*\)/\u\1/g'

它创造了诗人Adjéeemf

Answer 2

\b边界与两个字符之间的位置匹配，其中一个字符为非字母，另一个字符为字母。

哪些字符准确地算作字母取决于语言环境，还取决于文本表示形式。

单纯地使用C语言环境和一些旧的8位字符集，é和è都不应该算作字母。

正确使用Unicode，两者都应该。

我猜您有一个非Unicode语言环境，或者是一个不遵守该语言环境的sed版本。基本上，您得到的是随机破坏，其中偶然暴露了基础的Unicode表示（显然，我想是分解了，以便重音字符表示为 e 后跟一个连音符号）通过不支持这种抽象的工具。

许多或多或少涉及的变通办法是可能的；但我建议您切换到更可能实际支持这些复杂的Unicode的工具。

perl -CSD -pe 's/\b(.)/\u$1/g'

以下简单的演示脚本（在线尝试：https://ideone.com/VvXaAt）说明了相同的字符串如何具有多个Unicode表示，但是我的Perl解决方案仍然可以处理所有这些（再次说明，您的语言环境设置正确无误）配置）。

#!/bin/bash

nfc () {
    perl -CSD -e 'print "NFC: adj\x{00e9}\x{00e8}f the poet\n"'
}
nfd () {
  perl -CSD -e 'print "NFD: adje\x{0301}e\x{0300}f the poet\n"'
}
pc () {
  perl -CSD -pe 's/\b(.)/\u$1/g'
}
echo '** Input **'
nfc
nfd
echo '** Output **'
nfc | pc
nfd | pc

示例输出：

** Input **
NFC: adjéèf the poet
NFD: adjéèf the poet
** Output **
NFC: Adjéèf The Poet
NFD: Adjéèf The Poet

我邀请您尝试将pc函数替换为例如sed脚本并观察所有差异。并非每个sed都会被破坏，但这并不是在不同平台上sed表现相同的地方。

也许更多地了解了Unicode equivalence (Wikipedia)。

使用gsed发行大写重音词

诗人阿杰耶夫

诗人阿杰耶夫（Adjéèf）

AdjéÈFThe Poet

2 个答案: