Remover caracteres esquisitos

ede_linux
(usa Ubuntu)

Enviado em 24/06/2017 - 16:37h

Olá a todos,

Tenho varios ficheiros com este nome:

O que vai mundando é o número, correspondente a cada ficheiro.

Como consigo eliminar os caracteres esquisitos? Pretendo que o nome fique:


Obrigado

ede_linux
(usa Ubuntu)

Enviado em 24/06/2017 - 19:26h

Agora é que reparei que o nome do ficheiro não aparece como está na realidade. Aqui vai uma imagem do mesmo: http://imgur.com/a/0qBUV

removido
(usa Nenhuma)

Enviado em 24/06/2017 - 19:48h

1- Não esta faltando fontes no seu sistema?

2- Um for e mv no diretório resolve seu problema.

3- Onde você baixou o arquivo?

4- Qual a codificação do seu sistema?

ede_linux
(usa Ubuntu)

Enviado em 24/06/2017 - 21:49h

Mesmo faltando fontes no meu sistema como posso simplesmente remover esses caracteres?
Os arquivos são de um disco que tinha, com revistas, que não sei como ficaram assim com o nome!

O comando mv é uma boa solução, mas como faço para executar ele em cada um dos arquivos e remover apenas os caracteres que não pertencem ao ASCI?

removido
(usa Nenhuma)

Enviado em 24/06/2017 - 22:01h

É alguma coisa mais ou menos assim feito um script:

for i in *.pdf; do

com este comando você lê o nome de todos os arquivos desse diretório

j=`echo "$i" | sed 's/[^A-Za-z0-9_.]//g'`

com este comando você cria em $j um valor semelhante ao nome original do arquivo, mas apagando todos os caracteres que não são maiúsculas, minúsculas, dígitos, underline ou ponto, é isto mesmo que deseja?

mv "$i" "$j"

com isto o nome do arquivo velho é substituído pelo nome novo

done

e isto fecha o loop for.

for i in *.pdf
do
    j=`echo "$i" | sed 's/[^A-Za-z0-9_.]//g'`
    mv "$i" "$j"
done 

Crie um diretório espelho com cópias dos arquivos para fazer o teste da renomeação e verificar se é efetivo.

----------------------------------------------------------------------------------------------------------------
Nem direita, nem esquerda. Quando se trata de corrupção o Brasil é ambidestro.
(anônimo)

ede_linux
(usa Ubuntu)

Enviado em 24/06/2017 - 22:41h

Obrigado pelo excelente post! :)
Vamos lá dissecar este comando

j=`echo "$i" | sed 's/[^A-Za-z0-9_.]//g'`
 

no echo "$i" eu imprimo o resultado da variável $i. Que foi alimentada no inicio do ciclo for. Essa variável contem uma lista de todos os nomes no directorio.
Fiz esse script para perceber como funciona:

#!/bin/bash

for i in *.pdf
do
        echo $i
done
 

A barra na vertical, |, serve para executar um segundo comando na mesma instrução. Certo?
O programa sed já ouvi falar, já li e já utilizei algumas vezes. Mas ainda não sei trabalhar bem com ele!
O que está entre as plicas, é o que pretendemos que o comando sed execute. Entendo essa parte A-Za-z0-9_. mas o resto e a razão da sua ordem eu não entendo!
Existe alguma apostila onde utilize a utilizar sed? Estou interessado na manipulação de texto. Razão principal da existência do sed, segundo o seu manual "sed - stream editor for filtering and transforming text".

Por exemplo, pretendo remover caracteres que tenham acento. Não sei como se faz. Ao invés de andar sempre a pesquisar, gostava de ler sobre o poder do programa sed e assim ficar a conhecer até funcionalidades que não sabia que existiam!

Obrigado, o seu script atendeu às minhas necessidades :)

removido
(usa Nenhuma)

Enviado em 24/06/2017 - 22:55h

A variável $i toma o valor de nome de um arquivo a cada ciclo do comando for.
Ela não fica com todos os nomes de uma vez.

Sed quer dizer stream editor: editor de fluxo. Ele faz a leitura de algum conjunto de dados e o modifica através de regras chamadas de expressões regulares.

's/regex1/alguma_coisa/g'

a tal regex1:

[^A-Za-z0-9_.]

Conjuntos dentro de colchetes significam listas de caracteres. No caso sequência de 'A' a 'Z', de 'a' a 'z', de '0' a '9', mais os caracteres underline e ponto.

Tem um porém: inicia com o chapeuzinho ^. Quando esse chapeuzinho aparece no início de uma lista de caracteres significa negação. Ou seja, apenas os caracteres que não forem letras, números, pontos ou underline.

Portanto o comando sed faz a substituição no fluxo emitido pelo comando echo dos caracteres estranhos, os que não são aqueles citados antes. A variável $j deve ficar apenas com as letras e os outros.

Existem referências em português para sed e correlatos:

site: http://aurelio.net/sed/ onde está o resto dos sites sobre o tema

lista de discussão no yahoo: sed-br (procure no link acima!) ainda em funcionamento e mantida pelo próprio Aurelio!

----------------------------------------------------------------------------------------------------------------
Nem direita, nem esquerda. Quando se trata de corrupção o Brasil é ambidestro.
(anônimo)

removido
(usa Nenhuma)

Enviado em 24/06/2017 - 22:57h

Adendo:

Para trocar acentuadas é mais chato: algo como

sed 'y/áàâ/aaa/'

Nunca testei.

Ou pode ser com o comando tr.

----------------------------------------------------------------------------------------------------------------
Nem direita, nem esquerda. Quando se trata de corrupção o Brasil é ambidestro.
(anônimo)

removido
(usa Nenhuma)

Enviado em 24/06/2017 - 23:39h

Esses caracteres esquisitos aparece em outros sistemas operacional (Mac, Windows, Unix ....)?

Já tive 3 casos diferente com caracteres esquisitos.

1 Foi falta de fonte no sistema.

2 As palavras acentuadas apareciam com caracteres estranhos.

Para descobrir a codificação de origem pode-se usar a ferramenta file, exemplo:

file arquivo

http://rberaldo.com.br/problemas-com-codificacao-acentos-nao-interpretados/
http://www.vivaolinux.com.br/dica/Consertando-codificacao-de-arquivos-UTF-8-x-ISO-8859-1

3 Usei o for e mv num script.

removido
(usa Nenhuma)

Enviado em 24/06/2017 - 23:44h

Poderia envia uma copia do arquivo com esses caracteres esquisitos para fazer um teste?

ede_linux
(usa Ubuntu)

Enviado em 25/06/2017 - 08:58h

Funcionou apenas assim:

# Fonte: https://www.vivaolinux.com.br/topico/Shell-Script/Remover-caracteres-esquisitos/?pagina=1

for i in *.pdf
do
	# ^  Quando esse chapeuzinho aparece no início de uma lista de caracteres significa negação;
	j=`echo "$i" | sed 's/[^A-Za-z0-9_.]//g'`
	# Vai remover todos os acentos das letras indicadas - https://www.vivaolinux.com.br/topico/Shell-Script/Script-para-retirar-acentos
	j=`echo "$j" | sed 'y/áÁàÀãÃâÂéÉêÊíÍóÓõÕôÔúÚçÇ/aAaAaAaAeEeEiIoOoOoOuUcC/'`
	mv "$i" "$j"
done
 

Tentei fazer assim:

j=`echo "$i" | sed 's/[^A-Za-z0-9_.]áÁàÀãÃâÂéÉêÊíÍóÓõÕôÔúÚçÇ/aAaAaAaAeEeEiIoOoOoOuUcC/g'`
 

Mas não funcionou! Aparecia a mensagem "os ficheiros são os mesmos" em cada comando mv. É o mesmo erro que aparece se tentar fazer um mv em que o nome de destino é igual ao nome de origem.

Vou ler a documentação,
Obrigado

ede_linux
(usa Ubuntu)

Enviado em 25/06/2017 - 09:06h

Aqui vai a repositório:
https://www.4shared.com/folder/jzMxq3kC/Revistas_Saber_Eletrnica.html