如何替换除西班牙语字符以外的所有Unicode字符？

Question

如何替换除西班牙语字符以外的所有Unicode字符？

3

我试图从文件中删除除西班牙字符外的所有Unicode字符。匹配不同的元音字母并没有任何问题，使用以下正则表达式不会替换áéíóúÁÉÍÓÚ（但所有其他Unicode似乎都被替换了）：perl -pe 's/[^áéíóúÁÉÍÓÚ[:ascii:]]//g;' filename。但是，当我将倒问号¿或感叹号¡添加到正则表达式中时，其他Unicode字符也被匹配和排除，而我想要删除它们：perl -pe 's/[^áéíóúÁÉÍÓÚ¡¿[:ascii:]]//g;' filename不会替换以下内容（有些不可打印）：³ � � 。我是否遗漏了明显的东西？我也愿意尝试在终端上以其他方式完成此操作。

- wazy

输入是如何编码的？ - mob

尝试运行 perl -CIOED -pe 's/[^áéíóúÁÉÍÓÚ[:ascii:]]//g;' filename。 - Wiktor Stribiżew

为了直接在Perl代码中包含UTF-8编码的字符（这可能是您的终端发送的内容），您需要使用use utf8;或-Mutf8。此外，您的输入必须进行解码，输出必须重新编码，因为文件始终以某种编码方式存在。文件的编码很可能是UTF-8，如果是这种情况，则-CSD（相当于@WiktorStribiżew提到的-CIOED）将执行此编码，但您应该确定这一点。 - Grinnz

感谢您的反馈@WiktorStribiżew和@Grinnz。使用 perl -CIOED -pe 's/[^áéíóúÁÉÍÓÚ¡¿[:ascii:]]//g;' testing 可以删除所有Unicode字符，但保留了倒置的问号和感叹号，但不会保留预期的 áéíóúÁÉÍÓÚ 字符。我正在尝试保留áéíóúÁÉÍÓÚ¡¿并从UTF-8输入文件中删除所有其他Unicode（仅保留ASCII）。 - wazy

你忘记了ñ和ü，顺便说一下（我不认为西班牙语在其他元音字母上使用分音符，但我已经生疏了）。 - Shawn

显示剩余4条评论

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Wiktor Stribiżew · Accepted Answer

你有一个UTF8编码的文件并且使用Unicode字符，因此，需要传递一组特定的选项以让Perl知道这一点。

你应该添加-Mutf8以让Perl识别在Perl代码中直接使用的UTF8编码字符。

此外，你需要传递-CSD（相当于-CIOED），以便解码输入并重新编码输出。这个值是与编码相关的，它将适用于UTF8编码。

perl -CSD -Mutf8 -pe 's/[^áéíóúñüÁÉÍÓÚÑÜ¡¿[:ascii:]]//g;' filename

请勿忘记 Ü 和 ü。