☰

安全地將 unicode 字串轉換為可列印字符

tag-icon • tag-icon bash shell command-line awk python
安全地將 unicode 字串轉換為可列印字符

我有許多 HTML 文件，其中包含混合 unicode 字串（如 ）\303\243和可列印字元（如%s.我想做的是以安全的方式將 unicode 字串轉換為可列印字元。

我發現 GNU coreutils 中的 printf 會自動轉換它們，但前段時間我也經歷過慘痛的教訓，如果您不知道要打印什麼，則 printf 不值得信賴：

$ env printf "$(cat filename.htm)"
printf: %20M: invalid conversion specification

我也知道 bash 可以進行這樣的轉換，但我必須使用正規表示式循環文件，這根本不安全：

$ echo $'\303\243'
ã

有沒有這樣的命令列工具可以以乾淨、安全的方式處理這些檔案？

答案1

如果文件沒有其他反斜線：

$ printf %b\\n 'aa\303\243'
aaã

如果您這樣做，您可以使用雙反斜杠，後面不跟整數：

$ printf %b\\n "$(sed -E 's/\\/\\\\/g;s/\\(\\[0-7])/\1/g' <<< '\\a\na\303\243')"
\\a\naã

相關內容