我正在尝试从文件中的记录中删除不可打印的字符(例如
^@
)。由于文件中的记录量太大,因此不适合使用 cat ,因为循环花费了太多时间。
我尝试使用
sed -i 's/[^@a-zA-Z 0-9`~!@#$%^&*()_+\[\]\\{}|;'\'':",.\/<>?]//g' FILENAME
但
^@
字符仍然没有被删除。
我也尝试使用
awk '{ sub("[^a-zA-Z0-9\"!@#$%^&*|_\[](){}", ""); print } FILENAME > NEW FILE
但这也没有帮助。
有人可以建议一些替代方法来删除不可打印的字符吗?
使用
tr -cd
但它正在删除重音字符。但它们在文件中是必需的。
也许您可以使用
[:print:]
的补集,其中包含所有可打印字符:
tr -cd '[:print:]' < file > newfile
如果您的
tr
版本不支持多字节字符(似乎很多不支持),这对我来说适用于 GNU sed(使用 UTF-8 区域设置):
sed 's/[^[:print:]]//g' file
先删除所有控制字符:
tr -dc '\007-\011\012-\015\040-\376' < file > newfile
然后尝试你的字符串:
sed -i 's/[^@a-zA-Z 0-9`~!@#$%^&*()_+\[\]\\{}|;'\'':",.\/<>?]//g' newfile
我相信你所看到的
^@
实际上是一个零值\0
。tr
过滤器也会删除这些内容。
搜索这个有一段时间并找到了一个相当简单的解决方案:
包
ansifilter
正是这样做的。您所需要做的只是通过它传输输出。
在 Mac 上:
brew install ansifilter
然后:
cat file.txt | ansifilter
strings -1 file... > outputfile
似乎有效。 strings 程序将获取所有可打印字符,在本例中长度为 1(-1 参数)并打印它们。它有效地删除了所有不可打印的字符。
“man strings”将提供文档。