Question

我有一个UTF-8文件，其中包含一些Unicode字符，例如LEFT-TO-RIGHT OVERRIDE（U + 202D），我想从文件中删除它们。在Emacs中，它们是隐藏的（应该是正确的行为？）。如何使这种“异国情调”的unicode字符可见（同时不改变“常规”unicode字符的显示，如德语变音符号）？如何在之后替换它们（例如replace-string。C-X 8 Ret不适用于isearch / replace-string）。

在Vim中，它非常简单：这些字符默认显示为十六进制表示（这是一个错误或缺少的功能吗？），您可以使用:%s/\%u202d//g轻松删除它们。这应该可以用Emacs吗？

Answer 1

你可以M-x find-file-literally然后你会看到这些字符。

然后您可以使用常规string-replace

删除它们

Answer 2

这个怎么样：

键入 M - ： (kill-new "\u202d")，将要匹配的U + 202d字符放在kill ring的顶部。然后你可以将该字符串拉入各种搜索命令，使用 Cy （例如query-replace）或 My （例如isearch-forward）。

（已编辑添加：）

您也可以非交互式地调用命令，这与交互式调用没有相同的键盘输入困难。例如，键入 M - ：然后：

(replace-string "\u202d" "")

这有点类似于你的Vim版本。一个区别是它只执行从光标位置到文件底部（或缩小区域）的替换，因此您需要在运行命令之前转到文件的顶部（或缩小区域）以替换所有匹配。

Answer 3

我也有这个问题，这对于提交尤其令人讨厌，因为在发现错误时修复日志消息可能为时已晚。因此，我修改了键入C-x C-c时使用的功能，以检查是否存在不可打印的字符，即匹配"[^\n[:print:]]"，如果有，则将光标放在其上，然后输出消息，并且不要杀死缓冲区。然后可以根据上下文手动删除该字符，将其替换为可打印的字符，或其他。

用于检测（并将光标定位在不可打印的字符之后）的代码是：

(progn
  (goto-char (point-min))
  (re-search-forward "[^\n[:print:]]" nil t))

注意：

无需保存当前光标位置，因为在这里，缓冲区将被杀死，或者光标将被故意放置在不可打印的字符上。
您可能需要略微修改正则表达式。例如，制表符是不可打印的字符，我认为是这样，但是您可能还想接受它。
关于regexp中的[:print:]字符类，您依赖于C库。某些可打印字符可能会被视为不可打印，例如一些最近的表情符号（但并非所有人都在乎）。
当且仅当存在不可打印的字符时，re-search-forward返回值才被视为true。这正是我们想要的。

这是我用于Subversion提交的代码段（这是在我的.emacs中更复杂的代码之间）。

(defvar my-svn-commit-frx "/svn-commit\\.\\([0-9]+\\.\\)?tmp\\'")

和

    ((and (buffer-file-name)
          (string-match my-svn-commit-frx (buffer-file-name))
          (progn
            (goto-char (point-min))
            (re-search-forward "[^\n[:print:]]" nil t)))
     (backward-char)
     (message "The buffer contains a non-printable character."))

在cond中，即我仅将此规则应用于Subversion提交所使用的文件名。可以使用(backward-char)，这取决于您希望光标移到不可打印字符的上方还是紧随其后。

在Emacs中突出显示并替换不可打印的unicode字符

3 个答案: