我有一个 UTF8 编码的 txt 文件，其中包含（大部分）拉丁字母单词（包括重音字母）和（少数）希腊语单词（包括变音符号）。
我想找到所有希腊语“句子”（即希腊字母表中的单词，用空格和/或常用标点符号分隔，但没有拉丁字符），并用相同的句子替换那些，但包裹在 \greektext {...} LaTeX 命令。
例如Пάτριος πολιτεία 应替换为 \greektext{Пάτριος πολιτεία}
那么基本的问题是，是否可以使用 sed 选择希腊词组，即希腊语“句子”，如上定义。
【问题讨论】：
我认为像这样的正则表达式可能对你有好处：
/([\u0370-\u03FF\u0400-\u04FF]+\s+[\u0370-\u03FF\u0400-\u04FF]+)+/
\u0370-\u03FF 是希腊语和科普特语块，\u0400-\u04FF 是西里尔语块。
对你所有指定的字符执行charinfo，这些块将覆盖你：
% charinfo Пάτριος πολιτεία
U+041F CYRILLIC CAPITAL LETTER PE [Lu]
U+03AC GREEK SMALL LETTER ALPHA TONOS [Ll]
U+03C4 GREEK SMALL LETTER TAU [Ll]
U+03C1 GREEK SMALL LETTER RHO [Ll]
U+03B9 GREEK SMALL LETTER IOTA [Ll]
U+03BF GREEK SMALL LETTER OMICRON [Ll]
U+03C2 GREEK SMALL LETTER FINAL SIGMA [Ll]
U+03C0 GREEK SMALL LETTER PI [Ll]
U+03BF GREEK SMALL LETTER OMICRON [Ll]
U+03BB GREEK SMALL LETTER LAMBDA [Ll]
U+03B9 GREEK SMALL LETTER IOTA [Ll]
U+03C4 GREEK SMALL LETTER TAU [Ll]
U+03B5 GREEK SMALL LETTER EPSILON [Ll]
U+03AF GREEK SMALL LETTER IOTA TONOS [Ll]
U+03B1 GREEK SMALL LETTER ALPHA [Ll]
但是 AFAIK sed 不能很好地处理多字节字符。不过下面的 Perl 脚本可以工作：
#!/usr/bin/perl -p
use open qw(:std :utf8);
s/([\x{0370}-\x{03FF}\x{0400}-\x{04FF}]+\s+[\x{0370}-\x{03FF}\x{0400}-\x{04FF}]+)+/\\greektext{$&}/u'
及用法：
perl my_script.pl < my_input > my_output
【讨论】：