如何将某些字符一对一音译，保留某些字符不变，并将其他字符替换为相同的目标字符？

Question

我有一个名为file.txt包含：

MAL TIRRUEZF CR MAL RKZYIOL EX MAL OIY UAE RICF "MAL ACWALRM DYEUPLFWL CR ME DYEU MAIM UL IZL RKZZEKYFLF GH OHRMLZH"

我希望将字符替换如下：

M = T
A = H
L = E
C = O
R = F
E = I
X = S
(Any other letter) = _
(Anything else) = (itself)

我有固定字符覆盖：

tr MALCREX THEOFIS < file.txt

或者：

sed 'y/MALCREX/THEOFIS/' < file.txt

但我怎样才能执行我提到的最后两条规则呢？

Answer 1

我认为您可以利用这样一个事实：对于许多实际实现，如果字符在第一个集合中重复tr，则最后一个实例生效。与重复语法相结合，您无需显式列出转换表中未出现的字母即可完成此操作。

对于 GNU 版本的 tr，以及我 Mac 上任何基于 FreeBSD 的版本，如下：

tr 'A-ZMALCREX' '[_*26]THEOFIS'

轮流

MAL TIRRUEZF CR MAL RKZYIOL EX MAL OIY UAE RICF "MAL ACWALRM DYEUPLFWL CR ME DYEU MAIM UL IZL RKZZEKYFLF GH OHRMLZH"

进入

THE __FF_I__ OF THE F_____E IS THE ___ _HI F_O_ "THE HO_HEFT __I__E__E OF TI __I_ TH_T _E __E F___I___E_ __ __FTE__"

当然，假设A-Z生成恰好 26 个字符，并且我不确定这是否适用于每个 tr 实现的每个语言环境。它应该在 C 语言环境中工作，例如 GNU 版本的 tr 无论如何除了原始 8 位字符之外不支持任何内容。

上面的代码在 Busybox 中不起作用，但这似乎是因为它不支持重复语法。在那里，您必须手动执行此操作：

busybox tr 'A-ZMALCREX' '__________________________THEOFIS'

（即 26 个下划线）

对于简单的基于表的实现来说，使用重复字符覆盖相同字符的早期实例是很自然的。如果您的tr实施方式不同，您将需要使用其他答案中的解决方案。

Answer 2

比其他几个建议稍长，但可能更容易理解。

第一个建议：将不需要的字母映射到_然后转置剩余的集合。

tr BDFGHIJKNOPQSTUVWYZ _ <file | tr MALCREX THEOFIS
THE __FF_I__ OF THE F_____E IS THE ___ _HI F_O_

第二个建议：在一个命令中完成所有操作。（GNU 和 BSD根据需要对替换源映射中的所有未映射字符隐tr式重复替换目标的最后一个字符 ( )，但POSIX将这种行为简单地标记为unspecified。）_

tr MALCREXBDFGHIJKNOPQSTUVWYZ THEOFIS_ <file
THE __FF_I__ OF THE F_____E IS THE ___ _HI F_O_

Answer 3

我建议这个perl替代方案：

\n

$ perl -pe \'s/(?![MALCREX])[A-Z]/_/g;y/MALCREX/THEOFIS/\' file \nTHE __FF_I__ OF THE F_____E IS THE ___ _HI F_O_ "THE HO_HEFT __I__E__E OF TI __I_ TH_T _E __E F___I___E_ __ __FTE__"\n

\n

它执行先行断言，查找范围内的所有字符A-Z（除了 ）MALCREX，然后按照您的sed命令执行替换。

\n

正如St\xc3\xa9phane Chazelas 所评论的，该解决方案的优点是[A-Z]可以用\\wor替换\\pL（并且可能添加-Mopen=locale以处理语言环境中的所有字符），因此它可以处理所有类型的字母。

\n\n

另一种方法是比利叔叔的评论所建议的：

\n

perl -pe y/MALCREXA-Z/THEOFIS_/\n

\n