Можно ли связать команды tr, чтобы избежать нескольких процессов tr в конвейере?

У меня есть куча TXT-файлов, я хотел бы вывести их в нижнем регистре, только в алфавитном порядке и по одному слову в строке, я могу сделать это с помощью нескольких trкоманд в конвейере, например:

tr -d '[:punct:]' <doyle_sherlock_holmes.txt | tr '[:upper:]' '[:lower:]' | tr ' ' '\n'

Возможно ли сделать это за один просмотр? Я мог бы написать программу C , чтобы сделать это, но я чувствую, что есть способ сделать это с помощью tr, sed, awkили perl.

Вы можете объединить несколько переводов (за исключением сложных случаев, связанных с перекрывающимися локал-зависимыми наборами), но вы не можете объединить удаление с переводом.

<doyle_sherlock_holmes.txt tr -d '[:punct:]' | tr '[:upper:] ' '[:lower:]\n'

Два вызова tr, скорее всего, будут быстрее, чем один вызов более сложных инструментов, но это очень зависит от размера ввода, от пропорций различных символов, от реализации trи конкурирующих инструментов, от операционной системы, от числа ядер и т. д.

Вот несколько подходов:

• GNU grepи tr: найти все слова и сделать их строчными

  grep -Po '\w+' file | tr '[A-Z]' '[a-z]'

• GNU grep и perl: как указано выше, но perl обрабатывает преобразование в нижний регистр

  grep -Po '\w+' file | perl -lne 'print lc()'

• perl: найти все буквенные символы и вывести их в нижнем регистре (спасибо @steeldriver):

  perl -lne 'print lc for /[a-z]+/ig' file

• sed: удалите все символы, которые не являются буквенными или пробелами, замените все буквенные символы их строчными версиями и замените все пробелы символами новой строки. Обратите внимание, что это предполагает, что все пробелы - это пробелы, а не табуляции.

  sed 's/[^a-zA-Z ]\+//g;s/[a-zA-Z]\+/\L&/g; s/ \+/\n/g' file

Да. Вы можете сделать это с trпомощью локали ASCII (которая в trлюбом случае является для GNU своего рода единственной задачей) . Вы можете использовать классы POSIX или ссылаться на байтовые значения каждого символа по восьмеричному числу. Вы также можете разделить их преобразования по диапазонам.

LC_ALL=C tr '[:upper:]\0-\101\133-140\173-\377' '[:lower:][\n*]' <input

Приведенная выше команда преобразует все заглавные буквы в строчные, полностью игнорирует строчные буквы и преобразует все остальные символы в символы новой строки. Конечно, тогда вы получите тонны пустых строк. Переключатель tr -squeeze repeat может быть полезен в этом случае, но если вы используете его вместе [:upper:]с [:lower:]преобразованием to, то вы также сжимаете заглавные буквы. Таким образом, он все еще требует второго фильтра, как ...

LC... tr ... | tr -s \\n

...или...

LC... tr ... | grep .

... и так получается гораздо менее удобно, чем делать ...

LC_ALL=C tr -sc '[:alpha:]' \\n <input | tr '[:upper:]' '[:lower:]'

... который сжимает -cпоследовательность алфавитных символов по порядку в одну новую строку, а затем выполняет преобразование сверху вниз на другой стороне трубы.

Нельзя сказать, что диапазоны такого рода бесполезны. Вещи как:

tr '\0-\377' '[1*25][2*25][3*25][4*25][5*25][6*25][7*25][8*25][9*25][0*]' </dev/random

... может быть очень удобно, так как он преобразует входные байты во все цифры по расширенному спектру их значений. Не тратьте, не хотите, вы знаете.

Другой способ сделать преобразование может включать dd.

tr '\0-\377' '[A*64][B*64][C*64][D*64]' </dev/urandom |
dd bs=32 cbs=8 conv=unblock,lcase count=1

dadbbdbd
ddaaddab
ddbadbaa
bdbdcadd

Поскольку ddможно одновременно выполнять преобразования unblockи lcaseпреобразования, возможно, даже удастся передать большую часть работы. Но это может быть действительно полезным, только если вы можете точно предсказать количество байтов на слово - или, по крайней мере, можете заранее заполнить каждое слово пробелами до предсказуемого количества байтов, потому что unblockсъедает конечные пробелы в конце каждого блока.