告诉 'tr' az 不仅仅是 ASCII

Question

tr -sc 'A-Za-z' '\012'

是我需要的，但它不包括所有字母。如何使其适用于法语等语言？你如何告诉“tr”在“az”中还应该有“à”、“é”和“ç”？

Answer 1

原则：

• 将区域设置变量设置LC_CTYPE为描述所需字符集和编码的变量，例如LC_CTYPE=fr_FR.UTF-8。
• 用于[:alpha:]代表所有字母，因为字符范围在超出 ASCII 的语言环境中没有明确定义（它们取决于实现和应用程序），并且A-Za-z即使在范围基于代码点的语言环境中，也不会枚举所有字母数字（它会遗漏 之前A或之后的字母Z，其中法语恰好没有，但其他语言有：Å瑞典语、捷克语等）。

因此，

tr -sc '[:alpha:]' '\012'

然而，许多 的实现tr，包括 GNU coreutils 中的实现，都不支持多字节编码。例如，上面的命令适用于 Latin-1 编码，但不适用于 UTF-8。您可以使用 sed 代替。

sed 's/[^[:alpha:]][^[:alpha:]]*/_/g'