我正在尝试从俄语短篇小说中提取一个单词列表.
#!/bin/sh export LC_ALL=ru_RU.utf8 sed -re 's/\s+/\n/g' | \ sed 's/[\.!,—()«»;:?]//g' | \ tr '[:upper:]' '[:lower:]' | \ sort | uniq
然而,这个步骤并不是把西里尔字母大写下来.我以为我是巧妙地使用便携式字符类！
$LC_ALL=ru_RU.utf8 echo "Г" | tr [:upper:] [:lower:] Г
如果相关,我通过从Chrome浏览器窗口复制粘贴到Vim中获得了俄文本.它看起来正好在屏幕上(Putty终端).这是在Cygwin的bash shell中 – 它应该在Linux上与Bash相同(应该！).
什么是便携式,可靠的方式来缩小管道中的unicode文本？
这是我在
Wikipedia发现的(没有任何参考))：
原文链接：https://www.f2er.com/bash/385873.htmlMost versions of
tr,includingGNU trand classic Unixtr,operate on single-byte characters and are not Unicode compliant. An exception is the 07001 implementation,which provides basic Unicode support.
而且,this是老,但相关.
正如我在评论中提到的,sed似乎工作(至少GNU sed)：
$echo 'СТЭК' | sed 's/[[:upper:]]*/\L&/' стэк
