Dotaz: CZ2UTF skript

[fakenickname]

Zdravíčko, vždycky jsem chtěl mít program, který by mi umožnil nahradit všechny české znaky v textu jejich unicode ekvivalenty. Ze začátku jsem to dělal ručně, poté nahrazováním v textových editorech. Sice to funguje, ale je to dost zdlouhavé a nudné. Zkouším teď tedy napsat skript, který by mi tuto práci ulehčil. Něco jsem vymyslel, ale přijde mi, že to není ono. Sice pracuje dobře (ale když odkomentuji zakomentované řádky tak je soubor vystup.txt prázdný) ale moc se mi nezdá takový postup. Něvěděl by někdo jak to vylepšit na jednoduší formu a hlavně "udělat to tak", abych mohl používat i zakomentované řádky?

#!/bin/bash
rm vystup.txt
touch vystup.txt
cat $1 |sed s/"á"/"\á"/g > vystup.txt
cat vystup.txt |sed s/"é"/"\é"/g > vystup.txt
cat vystup.txt |sed s/"ř"/"\ř"/g > vystup.txt
cat vystup.txt |sed s/"č"/"\č"/g > vystup.txt
cat vystup.txt |sed s/"š"/"\š"/g > vystup.txt
cat vystup.txt |sed s/"ž"/"\ž"/g > vystup.txt
cat vystup.txt |sed s/"ý"/"\ý"/g > vystup.txt
cat vystup.txt |sed s/"ě"/"\Ĝ"/g > vystup.txt
cat vystup.txt |sed s/"í"/"\í"/g > vystup.txt
cat vystup.txt |sed s/"ú"/"\ú"/g > vystup.txt
cat vystup.txt |sed s/"ů"/"\ů"/g > vystup.txt
cat vystup.txt |sed s/"ť"/"\ť"/g > vystup.txt
cat vystup.txt |sed s/"ď"/"\ď"/g > vystup.txt
#cat vystup.txt |sed s/"Á"/"\Á"/g > vystup.txt
#cat vystup.txt |sed s/"É"/"\É"/g > vystup.txt
#cat vystup.txt |sed s/"Ř"/"\Ř"/g > vystup.txt
#cat vystup.txt |sed s/"Č"/"\Č"/g > vystup.txt
#cat vystup.txt |sed s/"Š"/"\Š"/g > vystup.txt
#cat vystup.txt |sed s/"Ž"/"\Ž"/g > vystup.txt
#cat vystup.txt |sed s/"Ý"/"\Ý"/g > vystup.txt
#cat vystup.txt |sed s/"Ě"/"\Ě"/g > vystup.txt
#cat vystup.txt |sed s/"Í"/"\Í"/g > vystup.txt
#cat vystup.txt |sed s/"Ú"/"\Ú"/g > vystup.txt
#cat vystup.txt |sed s/"ň"/"\ň"/g > vystup.txt
#cat vystup.txt |sed s/"Ů"/"\Ů"/g > vystup.txt
cat vystup.txt |sed s/"Ť"/"\Ť"/g > vystup.txt
cat vystup.txt |sed s/"ó"/"\ó"/g > vystup.txt
cat vystup.txt |sed s/"Ó"/"\Ó"/g > vystup.txt
#cat vystup.txt |sed s/"Ň"/"\Ň"/g > vystup.txt
#cat vystup.txt |sed s/"Ď"/"\Ď"/g > vystup.txt

A protože mi ábíčko automaticky převádí unicode hodnoty ve skriptu, tak přikládám jěště screenshot.

Odpovědi

[Michal Marek (twofish)]

Můžeš to udělat jedním sedem

sed 's/é/&.../; s/ř/&.../; ...' nebo mít (přehlednější) tabulku

é &...
ř &...

a z té vygenerovat ten sed skript

sed "$(sed -r 's/^ *([^ ]+) +([^ ]+) *$/s|\1|\2|g/' tabulka.txt)" soubor.html

PS: & se v html píše &

PPS: je možné, že něco takového zvládne recode.

[Pmx]

...něco takového zvládne recode

a iconv

[fakenickname]

Díky moc, udělal sem to jedním sedem a po několika pokusech už to funguje přesně tak jak jsem chtěl..

#!/bin/bash
sed 's/á/\á/g; s/é/\é/g; s/ř/\ř/g; s/č/\č/g;
s/š/\š/g; s/ž/\ž/g; s/ý/\ý/g; s/ě/\ě/g;
s/í/\í/g; s/ú/\ú/g; s/ů/\ů/g; s/ť/\ť/g;
s/ď/\ď/g; s/Á/\Á/g; s/É/\É/g; s/Ř/\Ř/g;
s/Č/\Č/g; s/Š/\Š/g; s/Ž/\Ž/g; s/Ý/\Ý/g;
s/Ě/\Ě/g; s/Í/\Í/g; s/Ú/\Ú/g; s/ň/\ň/g;
s/Ů/\Ů/g; s/Ť/\Ť/g; s/ó/\ó/g; s/Ó/\Ó/g;
s/Ň/\Ň/g; s/Ď/\Ď/g' $1

[Luboš Doležel (Doli)]

Wow, trochu drsný, ne? Co třeba takhle:

iconv -f latin2 -t utf8 < zdroj.txt > cil.txt

[fakenickname]

ne, tohle vůbec.. potřebuju prostě převádět á na á , é na é , ř na ř , ....

[trancelius]

takže z toho chceš udělat HTML entity (s unicode to má pramálo společnýho)

[fakenickname]

no no, přesně tak. Přiznávám se, že mám ukrutný zmatek v různých kódováních (UTF, ISO, win, ..) a nikdy sem pořádně nepochopil co a jak.