UTF-16LE/CR-LF/BOMファイルの行数をどのように計算しますか?

UTF-16LE/CR-LF/BOMファイルの行数をどのように計算しますか?

最も即時のアイデアはですwcが、次にあまり直接的なアイデアは... *nixwcは純粋に *nix ラインエンド \x0a? だけのためのものです。 ...そうですね。

私はこの問題を解決しましたが、元のファイルの16進ダンプを処理するよりも簡単な方法があるかもしれません。

これは私のバージョンですが、数にはまだ不思議な違いがあります。 wcこのスクリプトの+の合計よりも多くの1を報告します0aCRLF0a

 file="nagaricb.nag"
 echo Report on CR and LF in UTF-16LE/CR-LF
 echo =====================================
 cat "$file" | # a useles comment, courtesy of cat 
   xxd -p -c 2 |
     sed -nr '
       /0a../{
           /0a00/!{
               i ‾‾`0a:   embedded in non-newline chars       
               b
           }
       }
       /0d../{
           /0d00/!{
               i ‾‾`0d:   embedded in non-newline chars       
               b
           }
       }
       /0a00/{
           i ‾‾`CR: found stray 0a00       
           b
        }
       /0d00/{
           N
           /0d00\n0a00/{
               i ‾‾`CRLF: found as normal newline pairs
               b
           }
           i ‾‾`LF: found stray 0d00
        }' |
         sort |
           uniq -c
 echo "  ====="
 printf '  %s ‾‾`wc\n' $(<"$file" wc -l)

出力

Report on CR and LF in UTF-16LE/CR-LF
=====================================
    125 ‾‾`0a:   embedded in non-newline chars       
    407 ‾‾`0d:   embedded in non-newline chars       
  31826 ‾‾`CRLF: found as normal newline pairs
  =====
  31952 ‾‾`wc

これを行うためのより標準的で簡単な方法はありますか?

ベストアンサー1

基本ツールを直接使用できるように、ファイルをLF行の末尾を持つUTF-8に変換します。

$ iconv -f UTF-16LE -t UTF-8 myfile.txt | dos2unix | wc -l

このdos2unix部分が最もトリッキーな部分だ。このツールにはさまざまなバリエーションがありますが、誰もがパイプラインで使用する方法を知っているわけではありません。時には他の名前とも呼ばれますd2u

おすすめ記事