¿Cómo puedo encontrar caracteres ASCII extendidos en un archivo usando Perl?

Question

¿Cómo puedo encontrar caracteres ASCII extendidos en un archivo usando Perl? ¿Alguien puede conseguir la escritura?

..... gracias de antemano .....

Answer 1

Desde las href="http://en.wikipedia.org/wiki/ASCII" caracteres tienen un valor 128 y superior , sólo puede llamar a ord en los personajes individuales y manejar aquellos con un valor> = 128. El siguiente código lee de la entrada estándar e imprime sólo los caracteres ASCII extendidos:

while (<>) {
  while (/(.)/g) {
    print($1) if (ord($1) >= 128);
  }
}

Alternativamente, de desempaquetado junto con chr también funcionará. Ejemplo:

while (<>) {
  foreach (unpack("C*", $_)) {
    print(chr($_)) if ($_ >= 128);
  }
}

(estoy seguro que algún gurú Perl puede condensarse ambos a dos de una sola línea ...)

---

Para imprimir los números de línea en su lugar, puede utilizar el siguiente (esto no eliminar duplicados, y tendrá un comportamiento extraño cuando se pasa Unicode):

while (<>) {
  while (/(.)/g) {
    print($. . "\n") if (ord($1) >= 128);
  }
}

(Gracias Yaakov eructo por la punta $..)

Answer 2

El primer carácter ASCII imprimible es space (32). El último carácter ASCII imprimible es ~ (126). Así que probablemente me utilizo

while (<>) {
  print "$.\n" if /[^ -~]/;
}

aunque será, ciertamente, también mostrar las líneas que contienen caracteres de control, así como ASCII extendido.

Editar:. ha cambiado para imprimir el número de línea en lugar de la propia línea

Answer 3

Oneliner:

perl -nE'say$.if/[\xE0-\xFF]/'

para versiones anteriores de Perl

perl -lne'print$.if/[\xE0-\xFF]/'

Answer 4

Una cuestión crucial es si el

Utilice bytes;

Pragma debe estar vigente. El cartel debe decidir eso. Para recoger caracteres con los códigos superiores a 127, lo siguiente será suficiente:

print grep 127 < ord, split // while <>;

o

print grep /[^[:ascii:]]/, split // while <>;

Answer 5

respuesta

Hynek -Pichi- de Vychodil:

perl -nE'say$.if/[\xE0-\xFF]/'

Sólo las pruebas una parte limitada de la no impresión presumiblemente debe ser

perl -nE'say$.if/[\x80-\xFF]/'

en su lugar.

Answer 6

¿Qué hay de grep?

grep [\x00-\x1F\x7F-\xFF]+ *