tr (ubuntu) 和 tr (mac) 之间的编码差异

Question

echo – | tr ’ X

在我的 Mac 上：正确打印 -

在 Ubuntu 10.10 上：打印 XX。

为什么？

作为参考，第一个字符是 'EN DASH' (U+2013)，第二个是 'RIGHT SINGLE QUOTATION MARK' (U+2019)

编辑：我现在改用 Perl。我使用的魔法咒语是：

perl -CSD -p -Mutf8 -e 'tr/A-ZÁÉÍÓÚÀÈÌÒÙÄËÏÖÜÂÊÎÔÛÇa-zäëïöüáéíóúàèìòùâèìòùñçßœ/ /cs'

意思是：除了我能想到的所有字母，用空格替换任何字符，然后压缩空格。

Answer 1

GNU coreutils tr 存在多字节字符问题 - 它认为它们是单字节字符序列。

考虑到这一点，您在 Linux 上看到的是“预期的”：

$ echo – | od -t x1
0000000 e2 80 93 0a
0000004
$ echo ’ | od -t x1
0000000 e2 80 99 0a
0000004
$ echo – | tr ’ X | od -t x1
0000000 58 58 93 0a
0000004

编辑：

对于一组 UTF-8 兼容实用程序，您可能想查看Heirloom Toolchest。它包含一个显然支持 UTF-8 的 tr 实现，尽管我没有对其进行测试。