Bash 使用awk进行条件查找/替换

我想解决一个常见但非常具体的问题：由于OCR错误，许多字幕文件包含字符“I”（大写I）而不是“l”（小写l）

我的攻击计划是：

逐字处理文件

将每个单词传递给拼写检查器（“回显单词| hunspell-l”如果有效则完全不产生响应，如果不正确则产生响应）

如果它是一个不好的单词，并且其中包含大写字母，则将其替换为小写字母l，然后重试。如果它现在是有效单词，请替换原始单词

我当然可以在脚本中标记和重建整个文件，但在我走这条路之前，我想知道是否可以在字级别使用awk和/或sed进行这些条件操作

任何其他建议的方法也将非常受欢迎

两个建议：

将问题修复到更靠近其来源的位置，即OCR软件附近。能不能让人们查字典，甚至不找出包含“I”的非单词？如果没有，请尝试另一种可能的OCR程序

通过拼音运行每个单词会为每个单词创建一个进程，这是对CPU周期的巨大浪费。尝试使用几个过程，第一个过程找到所有“I”字，然后过滤出正确的字，然后替换每个可更正的字

两项建议：

将问题修复到更靠近其来源的位置，即OCR软件附近。能不能让人们查字典，甚至不找出包含“I”的非单词？如果没有，请尝试另一种可能的OCR程序

通过拼音运行每个单词会为每个单词创建一个进程，这是对CPU周期的巨大浪费。尝试使用几个过程，第一个过程找到所有“I”字，然后过滤出正确的字，然后替换每个可更正的字

---

您不需要比bash更多的东西：

while read line; do
  words=( $line )
  for ((i=0; i<${#words[@]}; i++)); do
    word=${words[$i]}
    if [[ $(hunspell -l <<< $word) ]]; then
      # hunspell had some output
      tmp=${word//I/l}
      if [[ $tmp != $word ]] && [[ -z $(hunspell -l <<< $tmp) ]]; then
        # no output for new word, therefore it's a dictionary word
        words[$i]=$tmp
      fi
    fi
  done
  # print the new line
  echo "${words[@]}"
done < filename > filename.new

读行时

；做
单词=（$line）
对于（（i=0；i您不需要比bash更多的东西来实现这一点：

while read line; do
  words=( $line )
  for ((i=0; i<${#words[@]}; i++)); do
    word=${words[$i]}
    if [[ $(hunspell -l <<< $word) ]]; then
      # hunspell had some output
      tmp=${word//I/l}
      if [[ $tmp != $word ]] && [[ -z $(hunspell -l <<< $tmp) ]]; then
        # no output for new word, therefore it's a dictionary word
        words[$i]=$tmp
      fi
    fi
  done
  # print the new line
  echo "${words[@]}"
done < filename > filename.new

读取行时；执行以下操作
单词=（$line）
对于（（i=0；iHi@glenn！+1！哈，哈！我不知道hunspell处理的标点符号，我将删除我的帖子：）这就是我在bash中所做的，尽管我在做第一个hunspell测试之前先检查了“i”的存在。然后又做了两个hunspell通过：第二个是所有“i”s替换为l，第三个替换为除第一个“I”之外的所有“I”替换为l（用于“傻瓜”之类的词）。这产生了一个足以满足我需求的解决方案，尽管它在处理器方面非常密集-一个120KB的文件在i7-920上处理大约需要2分钟。如果没有更有效的解决方案，我当然会接受。更有效的解决方案是类似
hunspell-options file |解析输出>新建|ile
--只需生成hunspell一次，而不是为文件中的每个单词生成一次。嗨@glenn！+1！哈，哈！我不知道hunspell处理标点符号，我将删除我的帖子：）这几乎就是我在bash中完成的操作，尽管我检查了是否存在“I”第一次是在做第一次拼写测试之前。然后又做了两次拼写测试：第二次是用l代替所有的“I”，第三次是用l代替所有的“I”（除了第一个“I”）（用于像“白痴”这样的词）。这产生了一个足以满足我需求的解决方案，尽管它在处理器方面非常密集-一个120KB的文件在i7-920上处理大约需要2分钟。如果没有更有效的解决方案，我当然会接受。更有效的解决方案是类似
hunspell-options file |解析输出>新建|ile
--只需生成一次hunspell，而不是文件中的每个单词都生成一次hunspell。感谢您提供的提示。关于（1）您肯定是对的，但不幸的是，我只能使用生成的.SRT文件。通过将hunspell仅用于包含“I”的单词，我使（2）稍微好了一些，但你是对的，它的计算成本仍然很高。我将调查是否可以将整个文件的输出与原始文件进行协调。感谢你提供的提示。关于（1）你肯定是对的，但不幸的是，我只需要处理生成的.SRT文件。我制作了（2）通过限制hunspell仅用于包含“I”的单词，效果会稍微好一些，但您是对的，它仍然需要大量的计算。我将研究是否可以将整个文件的hunspell输出与原始文件进行协调。