使用UNIX Bash脚本将文件名中的外语字符替换为英文等价字符

Question

我正在尝试使用sed处理文件名列表，并将文件名中的每个外语字符替换为对应的英文字符。例如：

málaga.txt -> malaga.txt

我的脚本如下：

    for f in *.txt 
do
    newf=$(echo $f | sed 'y/āáǎàēéěèīíǐìōóǒòūúǔùǖǘǚǜĀÁǍÀĒÉĚÈĪÍǏÌŌÓǑÒŪÚǓÙǕǗǙǛ/aaaaeeeeiiiioooouuuuüüüüAAAAEEEEIIIIOOOOUUUUÜÜÜÜ/')
    mv $f $newf
done

这目前对文件名没有影响。但如果我使用同样的正则表达式处理文本文件，则会产生影响。例如：

cat blah.txt | sed 'y/āáǎàēéěèīíǐìōóǒòūúǔùǖǘǚǜĀÁǍÀĒÉĚÈĪÍǏÌŌÓǑÒŪÚǓÙǕǗǙǛ/aaaaeeeeiiiioooouuuuüüüüAAAAEEEEIIIIOOOOUUUUÜÜÜÜ/

它的表现非常完美 - 所有的外文字符都被替换为它们的英文对应字符。任何帮助将不胜感激。这是在 Mac OsX 中的 UNIX shell 上。

- Binaromong

---

不错，但告诉我什么是外文字符？ ;) - sjsam

我的意思是这些字符：āáǎàēéěèīíǐìōóǒòūúǔùǖǘǚǜĀÁǍÀĒÉĚÈĪÍǏÌŌÓǑÒŪÚǓÙǕǗǙǛ - Binaromong

我还没有方法使其工作，但这可能会给你一些提示：当回显/连接文件时，这些字符由不同的字节集表示，而与ls/bash全局扩展相比，似乎它不起作用。 echo -n 'Ã' | hexdump -C 将给你 c3 83，当在目录中ls命名为Ã和a的两个文件时，无论什么原因，Ã将给你41 cc 83。希望能有所帮助。 - Pavel Gurkov

@PavelGurkov：这是因为在HFS+中，文件名存储在NFD中：https://developer.apple.com/library/mac/qa/qa1235/_index.html - ninjalj

这可能会有效地删除您的一些文件。如果您有一个名为a的文件和另一个名为á的文件，那么您的a文件将被覆盖。 - bdsl

Answer 1

这应该可以解决问题：

for f in *.txt; do
    newf=$(echo $f | iconv -f utf-8-mac -t utf-8 | sed 'y/āáǎàēéěèīíǐìōóǒòūúǔùǖǘǚǜĀÁǍÀĒÉĚÈĪÍǏÌŌÓǑÒŪÚǓÙǕǗǙǛ/aaaaeeeeiiiioooouuuuüüüüAAAAEEEEIIIIOOOOUUUUÜÜÜÜ/')
    mv $f $newf
done

iconv -f utf-8-mac -t utf-8命令将文本从utf-8-mac转换为utf-8，这解决了@PavelGurkov和@ninjalj在评论中讨论的预组合/分解问题。

- leekaiinthesky