Dotaz: vlozenie medzier pred velke pismena

[escape]

Ahoj, mam suvisly text bez medzier, v ktorom kazde slovo zacina velkym pismenom, teda asi takto :

LoremIpsumDolorSitAmet,ConsectetuerAdipiscingElit.MorbiNibh

Text potrebujem previest do povodnej podoby, teda vlozit medzeru pred kazde velke pismeno.

d.

Odpovědi

[Michal Čihař]

| sed 's/\([A-Z]\)/ \1/g'

[Michal Kubeček]

mike@lion:~> echo $LANG
cs_CZ.UTF-8
mike@lion:~> echo "LoremIpsumDolorSitAmet" | sed 's/\([A-Z]\)/ \1/g'
 L o r e m I p s u m D o l o r S i t A m e t
mike@lion:~> echo "LoremIpsumDolorSitAmet" | sed 's/[[:upper:]]/ &/g'
 Lorem Ipsum Dolor Sit Amet

[Michal Čihař]

To nechápu

$ echo $LANG
cs_CZ.UTF-8
$ echo "LoremIpsumDolorSitAmet" | sed 's/\([A-Z]\)/ \1/g'
 Lorem Ipsum Dolor Sit Amet

[Michal Kubeček]

Zdá se, že existují (přinejmenším) dvě verze českého locale. To moje (OpenSuSE 10.2) řadí takto:

  mike@lion:~/tmp> echo -e "aa\nab\nAa\nAb\nba\nbb\nBa\nBb" | sort
  Aa
  aa
  Ab
  ab
  Ba
  ba
  Bb
  bb

což by podle mých znalostí českého řazení mělo být správně.

[happy barney]

imho je to chybné, rozsah A-Z sú iba veľké písmená. Použitie upper je však správne

btw, ako sa ten váš predchádzajúci "chybný" sed chová, ak mu v reťazci dáte aj písmeno z? Podľa tejto logiky by malo zostať bez medzery.

[Michal Kubeček]

Proč myslíte, že je to chybné? Já si tím nejsem tak jistý. Dokonce bych spíš řekl, že je to správně.

Ano, před 'z' mezera nebude, stejně jako před 'ž' nebo 'Ž':

  mike@lion:~/tmp> echo "abczdefŽghižjkl" | sed 's/\([A-Z]\)/ \1/g'
   a b cz d e fŽ g h iž j k l

[zabza]

aby to bylo složitější a zajímavější, tak záleží na tom, jaké RE se používají (v perlu se to chová jinak):

[ivok@zero ~]$ echo $LANG
cs_CZ.UTF-8
[ivok@zero ~]$  echo -e "aa\nab\nAa\nAb\nba\nbb\nBa\nBb" |  grep -o '[a-z]*'
aa
ab
ba
bb
Ba
Bb
[ivok@zero ~]$  echo -e "aa\nab\nAa\nAb\nba\nbb\nBa\nBb" |  grep -P -o '[a-z]*'
aa
ab
ba
bb

[Michal Čihař]

Souvislost se sortem mi i mému sortu uniká:

$ echo -e "aa\nab\nAa\nAb\nba\nbb\nBa\nBb" | sort
Aa
aa
Ab
ab
Ba
ba
Bb
bb

[Michal Kubeček]

Já vidím souvislost v tom, že platí-li 'A' < 'a' < 'B' < 'Z', měl by interval 'A-Z' obsahovat i písmeno 'a'.

[Michal Čihař]

Ale tady platí 'A' < 'a' < 'B' < 'Z' a interval 'A-Z' písmeno A neobsahuje. Asi to bude verzí libc nebo locales…

[Michal Kubeček]

A respektuje ten sed vůbec locales? Obsahuje pro něj interval 'A-Z' třeba 'Č'? U mne třeba tr ignoruje locales úplně:

  mike@lion:~> tr '[:lower:]' '[:upper:]'
  aábcčdďéěf
  AáBCčDďéěF

[Hynek (Pichi) Vychodil]

... U mne třeba tr ignoruje locales úplně ...

Jen jestli to náhodou není tím, že tr ignoruje spíš to unicode

$ echo č | tr '[:lower:]' '[:upper:]'
Č
$ echo $LANG
cs_CZ

aka ISO Latin 2

[Michal Čihař]

Ano respektuje:

$ echo "LoremIpsŽČŠĚŘumDolorSitiiAmet" | sed 's/\([A-Z]\)/ \1/g'
 Lorem IpsŽ Č Š Ě Řum Dolor Sitii Amet

Co jsem koukal do Debianích patchů na locales, tak se tam převádí České locales na ISO 14651, což sice nevím co je, ale může to být důvod jiného chování.

[Michal Čihař]

Tedy ...převádí řazení v českých locales na...

[happy barney]

hmm, toto ISO ... skúste sa pohrať s nastavením LC_COLLATE

[finn]

echo "LoremIpsumDolorSitAmet" | sed 's/[A-Z]/ &/g'