用 Linux sed 命令替換智能引號
用你喜歡的 sed 版本去除“智能”引號。
在排版學(xué)中，一對引號傳統(tǒng)上是朝向彼此的。它們看起來像這樣：
- “智能引號”
隨著計(jì)算機(jī)在二十世紀(jì)中期的普及，這種朝向往往被放棄了。計(jì)算機(jī)的原始字符集沒有太多的空間，所以在 ASCII 規(guī)范中，兩個雙引號和兩個單引號被縮減為各一個是合理的。如今，通用的字符集是 Unicode，有足夠的空間容納許多花哨的引號和撇號，但許多人已經(jīng)習(xí)慣了開頭和結(jié)尾引號都只有一個字符的極簡主義。此外，計(jì)算機(jī)實(shí)際上將不同種類的引號和撇號視為不同的字符。換句話說，對計(jì)算機(jī)來說，右雙引號與左雙引號或直引號是不同的。
用 sed 替換智能引號
計(jì)算機(jī)并不是打字機(jī)。當(dāng)你按下鍵盤上的一個鍵時，你不是在按一個帶有印章的控制桿。你只是按下一個按鈕，向你的計(jì)算機(jī)發(fā)送一個信號，計(jì)算機(jī)將其解釋為一個顯示特定預(yù)定義字符的請求。這個請求取決于你的鍵盤映射。作為一個 Dvorak 打字員，我目睹了人們在發(fā)現(xiàn)我的鍵盤上的 “asdf” 在屏幕上產(chǎn)生 “aoeu” 時臉上的困惑。你也可能按了一些特殊的組合鍵來產(chǎn)生字符，如 ™ 或 ß 或 ≠，這甚至沒有印在你的鍵盤上。
每個字母或字符，不管它是否印在你的鍵盤上，都有一個編碼。字符編碼可以用不同的方式表達(dá)，但對計(jì)算機(jī)來說，Unicode 序列 u2018 和 u2019 產(chǎn)生 ‘ 和 ’，而代碼 u201c 和 u201d 產(chǎn)生 “ 和 ” 字符。知道這些“秘密”代碼意味著你可以使用 sed 這樣的命令以編程方式替換它們。任何版本的 sed 都可以，所以你可以使用 GNU sed 或 BSD sed，甚至是 Busybox sed。
下面是我使用的簡單的 shell 腳本：
- #!/bin/sh
- # GNU All-Permissive License
- SDQUO=$(echo -ne '\u2018\u2019')
- RDQUO=$(echo -ne '\u201C\u201D')
- $SED -i -e "s/[$SDQUO]/\'/g" -e "s/[$RDQUO]/\"/g" "${1}"
將此腳本保存為 fixquotes.sh，然后創(chuàng)建一個包含智能引號的單獨(dú)測試文件：
- ‘Single quote’
- “Double quote”
運(yùn)行該腳本，然后使用 cat 命令查看結(jié)果：
- $ sh ./fixquotes.sh test.txt
- $ cat test.txt
- 'Single quote'
- "Double quote"
安裝 sed
如果你使用的是 Linux、BSD 或 macOS，那么你已經(jīng)安裝了 GNU 或 BSD 的 sed。這是原始 sed 命令的兩個獨(dú)特的重新實(shí)現(xiàn)，對于本文中的腳本來說，它們在功能上是一樣的(不過并不是所有的腳本都是這樣)。
在 Windows 上，你可以用 Chocolatey 安裝 GNU sed。
