Shell乱码文件中的控制字符处理
author:润明2012-2-17QQ:226399587http://blog.csdn.net/runming918
一、显示文件中的控制字符
当从其他系统下载文件时，有时要删除整个文件的控制字符（非打印字符），从菜单中捕获一个应用的屏幕输出有时也会将控制字符输出进文件，怎样知道文件中是否有控制字符？使用cat-vfilename命令，屏幕会乱叫，且到处都是一些垃圾字符，这可以确知文件中包含有控制字符，如果有兴趣可以观察一下这些字符以便于更加确认它们是控制字符。一些系统中使用catfilename而不是cat-v来查看非打印字符。
sed格式为：[address，[address]]l ‘l’意为列表。
一般情况下要列出整个文件，而不是模式匹配行，因此使用l要从第一到最后一行。模式范围1，$即为此意。
如果cat一个文件，发现实际上包含有控制字符。
|
$ cat -v a.txt This is the F1 key:^[OP This is the F2 key:^[OQ |
现在运行sed命令，观察输出结果。
|
$ sed -n '1,$l' a.txt This is the F1 key:\033OP$ This is the F2 key:\033OQ$ $ |
sed找到并显示了两个控制字符。\033代表退格键，OP为F1键值，放在退格键后。第二行也是如此。各系统控制字符键值可能不同，主要取决于其映射方式（例如使用terminfo或termcap）。
如果要在文本文件中插入控制字符F1键，使用vi查看其键值，操作如下：
•启动vi。
•进入插入模式。
•按下<Ctrl>键，然后按<v>键（出现a^）。
•释放上述两个键。
•按下F1键（显示[OP]。
•按下<ESC>键（显示F1键值）。
二、处理控制字符
处理这样的控制字符有几种办法（但不一定满足所有情况，具体情况具体实现吧）。
方法一：直接执行 dos2unix a.txt (这只可以处理dos到unix下的换行问题)
方法二：使用sed剔除控制字符。
下面是传送过来的文件（dos.txt）的部分脚本。必须去除所有可疑字符，以便于帐号所有者使用文件。
|
$ cat -v dos.txt 12332##DISO##45.12^M 00332##LPSO##23.14^M 01299##USPD##34.16^M |
可采取以下动作：
1)用一个空格替换所有的（##）符号。
2)删除起始域中最前面的0（00）。
3)删除行尾控制字符（^M）。
一些系统中，回车符为^@和^L，如果遇到一些怪异的字符，不必担心，只要是在行尾并且全都相同就可以。按步执行每一项任务，以保证在进行到下一任务前得到理想结果。使用输入文件dos.txt。
任务1。删除所有的#字符很容易，可以使用全局替换命令。这里用一个空格替换两个或更多的#符号。
|
$ sed 's/##*/ /g' dos.txt | cat -v 12332 DISO 45.12^M 00332 LPSO 23.14^M 01299 USPD 34.16^M |
任务2。删除所有行首的0。使用^符号表示模式从行首开始，^0*表示行首任意个0。模式s/^0*//g设置替换部分为空，即为删除模式，正是要求所在。
|
$ sed 's/^0*/ /g' dos.txt | cat -v 12332##DISO##45.12^M 332##LPSO##23.14^M 1299##USPD##34.16^M |
任务3。最后去除行尾^M符号，为此需做全局替换。设置替换部分为空。模式为：‘s/^m//g’，注意‘^M’，这是一个控制字符。要产生控制字符（^M），需遵从前面产生F1键同样的处理过程。步骤如下；键入seds/，然后按住<Ctrl>键和v键，释放v键，按<return>键。下面命令去除行尾^M字符。
|
$ sed 's/^M//g' dos.txt | cat -v 12332##DISO##45.12 00332##LPSO##23.14 01299##USPD##34.16 |
分步测试预想功能对理解整个过程很有帮助。用sed在移到下一步前测试本步功能及结果很重要。如果不这样，可能会有一大堆包含怪异字符的意料外的结果。
方法三：使用sed剔除控制字符。
tr的第一个功能就是转换控制字符，特别是从dos向UNIX下载文件时，忘记设置ftp关于回
车换行转换的选项时更是如此。
下面是故意没有设置转换开关的一个文本文件，是关于文具需求的一部分内容。使用cat -v显示控制字符。
|
$ cat -v dos.txt 12332^^##DISO##45.12^M 00332^^##LPSO##23.14^M 01299^^##USPD##34.16^M |
猜想^^^^^^是tab键。每一行以Ctrl -M结尾，文件结尾Ctrl -Z，以下是改动方法。
使用man ascii命令，查看ASCII表。^的八进制代码是136，^M是015，tab键是011，^Z是032 ,下面将按步骤完成最终功能。
|
$ tr -s "[^^]" "[\011*]" < dos.txt | tr -s "[\015]" "[\012*]" | tr -s "[##]" " " | cat -v 12332 DISO 45.12 00332 LPSO 23.14 01299 USPD 34.16 |
