LGJ Notes | 許功蓋：中文字的替換

關於我 / 我的相簿 / 主頁面 / BS2 Blog / BS2 BBS / BS2 相簿 / 管理介面 /

許功蓋：中文字的替換

2006/08/28,21:44 :: 點閱次數 (12486)

現在許多人都使用 UTF-8 的環境了。但是由於一些包袱，無法完完全全的轉移到 UTF-8 環境，例如一些舊文件、舊程式。幸好 Vim 對各地區性編碼都有支援，包括了我們的 Big-5 碼。

處理 Big-5 碼，最讓人頭疼的就是著名的『許功蓋』的問題，這些字，含有一些一般環境不被認同的字元，會被當做其他解釋，這時處理時就會誤解為其他含意，而不是原來的中文字了。

例如，我們想把文章中的『許』替換成『麼』，我們用 sed/awk/perl/ruby 來試試看（以下是在 Big-5 環境）：

[edt1023@lgj ~]$ sed -i -e 's/許/麼/' bg5.txt
sed: 1: "s/許/麼/": unterminated substitute in regular expression

[edt1023@lgj ~]$ awk 'gsub(/許/,"麼") {print}' bg5.txt
awk: non-terminated regular expression 許/,"麼") ... at source line 1
 context is
         ﹥﹥﹥  ﹤﹤﹤ 
awk: syntax error at source line 1
        missing )
awk: bailing out at source line 1

[edt1023@lgj ~]$ perl -pi -e 's/許/麼/' bg5.txt
Substitution replacement not terminated at -e line 1.

[edt1023@lgj ~]$ ruby -pi -e 'gsub(/許/,"麼")' bg5.txt
-e:1: unterminated string meets end of file
-e:1: parse error, unexpected tSTRING_END, expecting
tSTRING_CONTENT or tREGEXP_END or tSTRING_DBEG or 
tSTRING_DVAR

看到了嗎？通通不行！

因為這些程式是以 single byte 的方式來處理，並不認得我們 Big-5 碼的 double byte 的編碼方式，會從中去切開來解析，碰到特殊字元就會被解讀成另外一個意義去了。

Vim 可以支援 locale，他會視 locale 的設定來變換該使用的編碼環境，我們就來使用 vim 試試看：

vim --noplugin -esn -c %s/許/麼/g -c wq! bg5.txt

他是 OK 的，能很順利的處理 Big-5 中文，不怕『許功蓋』的問題。但是這有一個缺點，那就是不接受 sh pattern，例如 *.txt 之類的，來進行多檔處理。不過，在 sh 下，我們可以利用 sh for loop 來達成多檔處理的目的：

for f in *.txt
do
  vim --noplugin -esn -c %s/許/麼/g -c wq! $f
done

這樣就成了。vim 後所接的參數主要是不讓他進入 vim 編輯器，也可以去處理檔案，並把一些不必要的東西不去載入，改用 ex mode，來加快他的啟動速度。Vim 也是可以拿來這樣用喔！:-D

【更正：Tue Sep 5 18:29:38 CST 2006】
Ruby 可以指定編碼的方式來避開『許功蓋』的問題：

ruby -Ke -pi -e 'gsub(/么/,"麼")' bg5.txt

感謝 luke（小路）的指正。python 雖然也可以指定編碼，但他是以註解的方式來表現，無法用於命令列的一行文行形式。perl 也是可以指定編碼，但只對 stdin/stdout 有效，要使用 pipe 的方式來達成，無法就地編輯的方式來達成。

迴響

Perl 那行可以改成這樣...
perl -pi -e 's/許/麼/' bg5.txt

Posted by: 路人甲 at 2007/01/11, 01:37

perl -pi -e 's/\Q許\E/麼/' bg5.txt

Posted by: 路人甲 at 2007/01/11, 01:38

awk 我測試的結果是可以的啊
造的是大大使用的command;
在 CentOS, LANG=zh_TW.big5

Posted by: Spancer at 2007/05/25, 15:57

«	九月 2010					»
一	二	三	四	五	六	日
		1	2	3	4	5
6	7	8	9	10	11	12
13	14	15	16	17	18	19
20	21	22	23	24	25	26
27	28	29	30