Assine a Lista Dicas-L
Receba diariamente por email as dicas
de informática publicadas neste site
Para se descadastrar, clique aqui.
Script para remover acentos de documentos
Colaboração: Rubens Queiroz de Almeida
Data de Publicação: 26 de Abril de 1997
Todas as dicas enviadas através desta lista são geradas originalmente com todos os acentos. Para facilitar a vida de quem lê mail com programas que não oferecem suporte a caracteres acentuados, eu crio uma outra versão do documento, sem conter os acentos. A dica de hoje, visto abordar acentuação obviamente não pode ser veiculada sem os acentos.
Para realizar esta conversão, foi criado um shell script que, utilizando o comando sed para efetuar a troca dos caracteres.
Este script pode ser utilizado para várias outras finalidades. Nós faziamos antigamente, quando não possuímos conexão rápida com a Internet, um mirror de alguns servidores Web que julgavamos úteis. Após a transferência das páginas via FTP (ainda não existiam ferramentas como wget e outros; talvez até já existissem, mas não as conheciamos) era rodado um shell script que convertia tudo que fosse http://www.site.edu para http://www.unicamp.br. Outra utilização, criar arquivos para processamento pelo programa Ventura Publisher, que convertia algumas marcações de parágrafos em tags para o Ventura. Pode-se até criar um editor HTML, que realiza a expansão de alguns tags em diretivas html.
O script possui dois componentes, um arquivo com os comandos propriamente ditos e um outro com diretivas para o comando sed.
Vamos ao primeiro deles, o script tiraacento:
#! /bin/sh
#
# Autor: Queiroz
# Data : 11/08/94
#
# Este shell script remove a acentuação de um arquivo
#
# A seguir, a localização do arquivo onde se encontram as diretivas
# para o comando sed
MACROS=/home/queiroz/bin
# testa se foram fornecidos os arquivos de entrada e saida para
# o comando. Caso haja erro neste passo emitir a mensagem e encerrar
# o processamento
if [ $# -lt 2 ]; then
echo 1>&2 Sintaxe: $0 arquivo_entrada arquivo_saida
exit 1
fi
# Atribui à variável infile o primeiro argumento e à variável outfile
# o segundo argumento
infile=$1
outfile=$2
# Executa o comando sed para efetuar as substituições
sed -f $MACROS/tiraacento.sed $infile > $outfile
O arquivo tiraacento.sed contém as diretivas para o comando sed. Desta forma o caracter ã será substituído por ~a e assim por diante.= Caso se opte por remover totalmente a acentuação basta substituir s/ã/~a/g por s/ã/a/g. Algumas pessoas preferem desta forma.=
tiraacento.sed
s/ã/~a/g= s/Ã/~A/g= s/à/`a/g s/À/`A/g s/ô/\^o/g s/ô/o/g s/Õ/~O/g= s/é/e'/g s/É/E'/g s/á/a'/g s/ó/o'/g s/Á/A'/g s/Ó/O'/g s/ç/,c/g s/Ç/,C/g s/ê/\^e/g s/Ê/\^E/g s/ú/u'/g s/Ú/U'/g s/â/a\^/g s/Â/\^A/g s/í/i'/g s/Í/I'/g s/Ü/U/g s/ü/u/g
Referências Adicionais
Referências adicionais sobre os assuntos abordados neste site podem ser encontradas em nossa Bibliografia.
Avalie esta dica
Opinião dos Leitores
16 Jun 2011, 16:12
