替换、压缩、删除字符

命令语法格式

tr [OPTION]… SET1 [SET2]

命令描述

命令tr将来自标准输入的数据写入到标准输出，执行以下操作之一：

• 替换，以及可选地缩减结果中的重复字符，
• 缩减重复字符，
• 删除字符，
• 删除字符，然后从结果中缩减重复的字符。

参数SET1和SET2（如果给出）参数定义了一个有序的字符集。下面分别称为SET1和SET2，统称时我们使用setX。这些setX是tr进行操作的输入字符。–complement（-c，-C）选项将SET1替换为其“补充”（“补充”是指所有不在SET1中的字符）。

目前tr完全支持单字节字符。最终它将支持多字节字符；当它支持的时候，-C选项会使它补充字符集，而-c会使它补充一组值。只有当某些值不是字符时，这种区别才有意义，并且只有在输入包含编码错误时，使用多字节编码的区域设置中才有可能。

命令支持的选项及含义

-c, -C, –complement
使用SET1的补集，即处理SET1中以外的字符。

-d, –delete
删除SET1中的字符，而不是默认的翻译。

-s, –squeeze-repeats
删除输入中出现在最后一个SET中的重复字符，并将其替换为单个字符。简单说，把重复字符压缩为一个字符。

-t, –truncate-SET1
先将SET1截断，使其长度等于SET2。

–help
显示帮助信息并退出。

–version
显示版本信息并退出。

字符集：指定字符集

参数SET1和SET2的格式类似于正则表达式的格式；但是，它们不是正则表达式，只是字符列表。在这些字符串中，大多数字符只是表示自己，没有特殊含义。但字符串可以包含下面列出的缩写，这些组合序列是有特殊含义的。其中一些只能在SET1或SET2中使用，如下所述：

反斜线转义

可以识别以下反斜杠转义序列：

上面是支持的所有的转义序列。

范围

符号’m-n’按升序解释为从m到n的所有字符。例如，’0-9’与’0123456789’相同。m应该在n之前；如果不是，则会产生错误。

在GNU的tr中，不支持使用方括号括起的范围语法（System V的语法）。以这种格式指定的翻译操作有时会按预期工作，因为括号通常是代表自身。但是，应该避免使用它们，因为它们有时会出现意外情况。例如，tr -d ‘[0-9]’会删除括号和数字。

许多历史上常见且甚至被接受的范围用途都不具有可移植性。例如，在使用’A-Z’范围时，在EBCDIC主机上’A’到’Z’不是连续的，但它们在ASCII中是连续的。如果你可以依赖于兼容POSIX的tr版本，那么解决这个问题的最好方法就是使用字符类（见下文）。否则，枚举范围内的所有成员是最便携的（也是最难看的）。

重复的字符

参数SET2中使用符号‘[c*n]’表示n个字符’c‘。因此，’[y*6]‘与’yyyyyy‘相同。SET2中的使用符号‘[c*]’表示与SET1中字符个数相同的’c‘。如果’n‘以’0’开头，则以八进制解释，否则以十进制解释。

字符类

符号'[:class:]’会被解释为在类class中预定义的所有字符。除了upper和lower之外，字符不按特定顺序进行解释，它们按升序进行解释。当给出–delete（-d）和–squeeze-repeats（-s）选项时，可以在SET2中使用任何字符类。否则，在SET2中只使用lower和upper字符类，并且仅在SET1中的相同相对位置上指定了相应的字符类（分别为大写和小写）时才接受。这样做指定了大小写转换。给出无效的类名时，会出现错误。可用的class名称如下：

上面是所有的字符类。

等价的类

语法'[=c=]’解释与c等效的所有字符，没有特定的顺序。等价类是一种相对较新的发明，旨在支持非英语字母表。但似乎没有标准的方法来定义它们或确定它们的内容。因此，在GNU tr中它们没有被完全实现；每个字符的等价类仅由该字符组成，没有特别的用途。

翻译：将一组字符更改为另一组字符

当给出SET1和SET2并且未给出–delete（-d）选项时，tr执行转换。命令tr将其标准输入中出现在SET1的每个字符转换为SET2中的相应位置的字符。标准输入中不在SET1中的字符将保持不变。当一个字符在SET1中出现多次，并且对应SET2中不相同的字符时，只使用最后一个字符。例如，这两个命令是等效的：

命令tr的常见用法是将小写字符转换为大写。这可以通过多种方式完成。以下是其中三种：

但请注意，使用上述类似a-z等形式的范围是不可移植的。

当tr执行转换时，参数SET1和SET2通常具有相同的长度。如果SET1比SET2短，则忽略SET2末尾的额外字符，使其与SET1长度相同。

另一方面，使SET1长于SET2是不可移植的；POSIX说结果是未定义的。在这种情况下，BSD的tr根据需要通过重复SET2的最后一个字符，以此来将SET2设置为与SET1相同的长度。System V的tr将SET1截断为SET2的长度。

默认情况下，GNU的tr会处理这种情况，类似于BSD的tr。当给出–truncate-SET1（-t）选项时，GNU的tr会像System V的tr一样处理这种情况。对于除转换之外的操作，将忽略此选项。

在这种情况下，像System V的tr这样的行为会打破相对常见的BSD语言习惯：

因为它只将零字节（NUL，参数SET1的补码中的第一个元素）而不是所有非字母数字转换为换行符。

顺便说一句，上面的习惯用法是不可移植的，因为它使用了范围，并假设换行的八进制代码是012，且假设符合POSIX标准的tr命令。这里有一个更好的方式：

压缩和删除：删除字符

（1）仅给出–delete（-d）选项时，命令tr将删除输入中出现在SET1中的所有字符。

（2）当仅给出–squeeze-repeats（-s）选项，而不进行翻译时，命令tr将输入中那些在SET1中出现的重复序列进行替换，并且该字符只出现一次。

（3）当同时给出–delete和–squeeze-repeats时，命令tr首先使用SET1执行任何删除，然后使用SET2从任何剩余的字符中处理重复。

（4）在翻译时，也可以使用–squeeze-repeats选项，在这种情况下，命令tr首先执行翻译，然后使用SET2从任何剩余的字符中处理重复。

以下是一些示例，用于说明各种选项组合：

#!/bin/sh
cat -- "$@" \
  | tr -s '[:punct:][:blank:]' '[\n*]' \
  | tr '[:upper:]' '[:lower:]' \
  | uniq -d

上面这个脚本只是找出重复的单词，不是对其进行去重。

删除一小组字符通常很简单。例如，要删除所有’a’，’x’，’M’，你会这样做：

请注意，在上面的示例中，我们使用了单引号来保护方括号（[]）不被Shell的解释。

退出状态

退出状态为零表示成功，非零值表示失败。

相关手册

查看在线手册：http://www.gnu.org/software/coreutils/tr

查看info手册：info ‘(coreutils) tr invocation’

参考文献

• man 1 tr, version GNU coreutils 8.28

更新日志

• 10/27/2017 创建文章
• 06/28/2018 修改文章内容