请教一个截取中文字符串的问题

hxy13

如果想从一段中文截取个10个字， 比如用 cut -c1-20 时，如何避免取到半个汉字（比如前10个汉字的中间有半角的空格或字母时，最后一个汉字就可能取到一半，而出现乱码）？ 谢谢

一梦如是

1. sed 's/^\(.\{10\}\).*/\1/' file

复制代码

hxy13

谢谢
好像不行啊，取出来的串最后一个是个 ？号，应该是乱码吧

一梦如是

您的文件是什么编码？另外，把您的locale信息贴上来。

hxy13

就是一般用 vi 编的文本文件
比如 ： cat a.txt
中国邮政贵州省
2中国邮政北京
中国邮政a上海

执行： sed 's/^\(.\{10\}\).*/\1/' a.txt
中国邮政贵
2中国邮政?
中国邮政a?

第二行和第三行应该是第10和11字节组成的一个完整汉字

一梦如是

我姑且假定您的文件是GBK编码吧，那么请

1. LANG=zh_CN.GBK sed 's/^\(.\{10\}\).*/\1/' file

复制代码

如果是GB2312或者GB18030请对应修改。

hxy13

谢谢
还是一样的结果啊
能不能实现如果第10个字符是某个汉字的一半时，少（或多）截取一个字符，就能保持取出来的字符串最后一个汉字是完整的了

一梦如是

您用的什么系统的sed，或有否版本号？

我的gnu sed版本为4.1.5，ltrace可以看到它是使用宽字符作为字符单位的。
大家有非linux，或gnu sed版本较低的也来测试一下，或许其他版本的sed处理方式不同？

不过，以楼主您对编码的了解程度，我觉得是您操作有问题的可能偏大。
直到现在，您也没把locale信息贴上来，文件编码更是一定没弄清楚呢。先请google了解下编码和宽字符的概念，不然我说什么您很难理解。

hxy13

谢谢
我的是 unix 5.0.5 自带的 sed

hxy13

各位高手，帮忙看看能不能实现啊，感谢