SED - 无法对 UTF-8 编码字符执行某些命令
我得到一个如下所示的文件：
<text top="123" left="45" width="50" height="17" font="8">Måndag</text>
正如主题中所述，该文件采用 utf-8 编码。使用此命令时：
cat file | sed 's_.*top="\([0-9][0-9]*\)" left="\([0-9][0-9]*\)".*>\(.*\)<.*_\1 \2 \3_'
它永远不会完成执行并且不打印任何内容。
然而，执行这样的一行：
cat file | sed 's/å/FOO/'
给了我一个正确的输出：
<text top="123" left="45" width="50" height="17" font="8">MFOOndag</text>
这是 sed 中的错误还是我的正则表达式或我使用它的方式有问题？我想要的是一种简洁的方法来提取顶部、左侧和内容数据，而不涉及太多命令。
I got a file that looks like this:
<text top="123" left="45" width="50" height="17" font="8">Måndag</text>
As noted in the topic, this file is encoded in utf-8. When using this command:
cat file | sed 's_.*top="\([0-9][0-9]*\)" left="\([0-9][0-9]*\)".*>\(.*\)<.*_\1 \2 \3_'
it never completes the execution and prints nothing.
However executing a line like this one:
cat file | sed 's/å/FOO/'
gives me a correct output:
<text top="123" left="45" width="50" height="17" font="8">MFOOndag</text>
Is this a bug in sed or is there something wrong with my regex or the way that I'm using it? What I want is a neat way to extract the top, left and content data without involving too many commands.
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（3）
可靠地做到这一点的最简单方法就是使用 perl 代替 sed：
这将允许在您的参数、std 流和您处理的所有文件中使用 Unicode。
The easiest way to do this reliably is just to use perl in place of sed:
That will allow Unicode in your arguments, your std streams, and all files you process.
并非所有 sed 都是为处理 UTF-8 而构建的。我会查看源代码以查看是否已应用任何相关补丁。 FTR、Red Hat 派生的 sed确实 可以正确处理 UTF-8。
Not all seds are built to handle UTF-8. I would look at the source to see if any relevant patches have been applied. FTR, Red Hat-derived seds do handle UTF-8 properly.
尝试这个建议。看起来它对你有用。
Try this suggestion. Looks like it could work for you.