使用sed将数字替换为Unicode字符的Bash命令

Question

我有一个由printf生成的输出

    011010

现在我想使用管道并使用sed来替换0和1，用unicode字符代替二进制（011010）输出。 我可以复制粘贴字符本身来实现此操作，但我想使用像unicode表中找到的值这样的值代替它们。

    Position: 0x2701
    Decimal: 9985
    Symbol: ✁

如何使用sed与上述值来生成字符？

- Bruce Strafford

---

sed 不理解 Unicode 字符，它只理解字节，因此您无法将 U+2701 替换为其它字符。您可以替换为 U+2701 的 UTF-8 编码，但就 sed 而言，这只是三个字节 \xE2、\x9c 和 \x81。 （当然，除非您的输出被解释为 UTF-8，否则这实际上不会成为字符 U+2701。） - abarnert

我尝试了上面的方法，但由于某些原因它不起作用。如果使用sed s/1/\xE2\x9c\x81/g也不行。 - Bruce Strafford

Answer 1

使用bash (自 v4.2 起) 或 zsh，简单的解决方案是使用 $'...' 语法，它可以理解C转义字符，包括 \u 转义：

$ echo 011010 | sed $'s/1/\u2701/g'
0✁✁0✁0

如果你使用Gnu sed，你可以在`s//`命令中使用转义序列。不幸的是，Gnu sed不理解`\u`的Unicode转义，但它理解`\x`的十六进制转义。然而，为了让它解码它们，你需要确保它看到反斜杠。然后，你可以在UTF-8中进行翻译，假设你知道与Unicode代码点对应的UTF-8序列：

$ # Quote the argument
$ echo 011010 | sed 's/1/\xE2\x9C\x81/g'
0✁✁0✁0
$ # Or escape the backslashes
$ echo 011010 | sed s/1/\\xE2\\x9C\\x81/g
0✁✁0✁0
$ # This doesn't work because the \ is removed by bash before sed sees it
$ echo 011010 | sed s/1/\xE2\x9C\x81/g
0xE2x9Cx81xE2x9Cx810xE2x9Cx810
$ # So that was the same as: sed s/1/xE2x9Cx81/g

- rici

---

有不同的 sed 方言；并非所有方言都理解 \xAF 转义。一个可移植的替代方案可能是 perl -pCSD -e 's/1/\x{2701}/g'。 - tripleee

@tripleee：没错。bash $'...' 的解决方案确实更优秀。 - rici

这就是答案。它甚至可以与printf一起使用。非常感谢@rici。 - Bruce Strafford

使用 bash（它保证支持 C 转义）而不是 sed（它只有作为 GNU 扩展的转义）是一个好主意。 - abarnert

@abarnert：我同意。我只提到sed的事情是因为你对问题的评论和OP的回复。 - rici