shell脚本与字符编码的问题（已解决）

blackold

回复 10# marksman201


    有可能。

    如果是在CUI界面，cat能正常显示中文，编码就应该没有问题。

marksman201

回复 11# blackold

:~$ curl -s http://blog.chinaunix.net/u2/86590/index.php|sed '/访问量/!d;s/.*访问量：\([0-9]\+\).*/\1/'
<tr><td width="30" align="right">·</td><td width="170">总访问量：17110</td></tr>

blackold

回复 12# marksman201


    是什么环境？sed版本？

Shell_HAT

回复 6# marksman201


是你的版本问题吧

# cat test.sh #!/bin/bash wget -q http://blog.chinaunix.net/u2/86590/index.php awk '/countinfo/{getline;print}' index.php | sed 's/.*[^0-9]\([0-9]\{1,\}\)<\/td><\/tr>/\1/g' # ./test.sh 17112

Shell_HAT

回复 5# marksman201


.*在<>里面它也一样贪婪啊，你的sed版本真奇怪。

# cat test.sh #!/bin/bash wget -q http://blog.chinaunix.net/u2/86590/index.php awk '/countinfo/{getline;print}' index.php | sed 's/<.*>//g' # ./test.sh

blackold

回复 14# Shell_HAT


    应该是。

marksman201

回复 13# blackold

:~$ sed --version
GNU sed version 4.1.5
Copyright (C) 2003 Free Software Foundation, Inc.
This is free software; see the source for copying conditions.  There is NO
warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE,
to the extent permitted by law.

blackold

回复 17# marksman201


    这个版本不会有问题啊。

springwind426

1. 
   
2. awk '/countinfo/{getline;print}' index.php | LANG＝C egrep -o '[0-9]{4,}'
   
3. 
   
4. 或者：
   
5. 
   
6. awk '/countinfo/{getline;print}' index.php | LANG=C sed 's/.*>[^0-9]*\([0-9]\+\).*/\1/'
   
7. 
   
8. 用LANG＝C强制一下，就可以正确取到数字了
   

复制代码

springwind426

这个与编码有关系，我的系统用的是utf8的编码，而从CU获取到的文件的编码是GBK，因此，当有中文的时候，就会出一些问题

只要用LANG＝C 强制按照单字节处理就可以了