[問題] tty中文顯示問題

[cherubx (DanzYam)]

大家好，我知道在tty顯示中文很麻煩，所以我想知道在亂碼背後的顯示模式

問題是這樣的：

我有50萬個檔案要處理，格式大概是  501025_ID.txt

因為一開始沒限制作業ID只能用英文，所以有幾個中文ID混入
LINUX顯示如下
502222_123.txt
503312_??+??.txt (為中文所顯示的亂碼)
507832_cher.txt
503878_-?{D.txt  (為中文所顯示的亂碼)

要把中文的ID換成英數比較好處理

所以我用 find . -regextype egrep -regex ".*_[^[:alnum:]].*"

或是改用  -------------------------------".*_\?\?\+\?\?.*"

都沒辦法抓出任何一條Orz

想請問的是，怎麼樣可以知道linux實際上對那字元的認知是什麼？

或是，有認何方式可以直接把這些中文亂碼換成可見的英數文字嗎？

例如： 我 \u{num}

謝謝

Dan





--

不過是人

            http://www.facebook.com/twaiting

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 124.155.187.95
※ 文章網址: https://www.ptt.cc/bbs/Linux/M.1435840252.A.199.html
→ bitlife: 直接用wildcard來更改檔名會不會好一點?
是用「*」嗎？
推 danny8376: 我覺得大概是big5編碼檔名吧?
我用big5內碼去search，無法匹配，看起來好像不是

→ losepacific: find . -regextype egrep  -regex \
→ losepacific: '..*[^a-zA-Z0-9_-.)( /][^a-zA-Z0-9_-.)( /]*..*'
→ losepacific: 剛剛測試find的正規表示，寫了這麼長才抓到直中文名
→ losepacific: 中文檔名改碼或許可以找找關鍵字urlencode
→ losepacific: python2 -c "import urllib, sys
→ losepacific: print urllib.quote(sys.argv[1])" 4567889-我.txt
→ losepacific: 在utf8環境下會輸出4567889-%E6%88%91.txt
→ losepacific: perl -MURI::Escape -e 'print
→ losepacific:  uri_escape($ARGV[0])."\n";' "123-稍快.txt"
→ losepacific:  2> /dev/null
→ losepacific: 在utf8環境下會輸出123-%E7%A8%8D%E5%BF%AB.txt
謝謝，我試著search這些關鍵字

今天試了一下，有個檔名是 501111_我愛PTT.txt
                  顯示為 501111_??+?{PTT.txt
用   .*   可以找的到
用   .*_.*PTT.* 變找不到了

表示中文無法匹配點號嗎？ 但.*又可以匹配Orz
→ bitlife: 你的linux有原生支援中文嗎? 原則上在中文utf-8環境,句點
→ bitlife: 可以match中文,那些亂碼已不是中文字,所以.只能match一字
→ bitlife: 元
→ bitlife: 另外你的第2個regex,有greedy的問題,要使用修飾,我比較熟
→ bitlife: 程式語語用的regex, command line的不是很確定
→ bitlife: 抱歉,我看錯了,上面15,16分的推文請忽略
謝謝，我試試把整個系統改成zh_TW.utf8看看

做為小菜鳥，我放棄在LINUX上做了一.一
用find . -regextype egrep -regex ".*_[[:alnum:]].*"|xargs -i mv {} ./file
把所有正確的檔抓出來

剩的拉到windows上修改檔名
※ 編輯: cherubx (61.66.243.96), 07/03/2015 16:29:58