Regex 搜索并替换为sed，解释反向引用'；s内容，以更正损坏的ISO-8859-1字符代码

我有文本文件（大的，数百万行），最初是用ISO-8859-1编码的，但不知怎么的被破坏了，导致“特殊”字符（从0xA0映射到0xFF的字符，是ASCII之外的字符）被八进制代码所取代

示例：“ü”字符（十六进制：0xFC）已替换为其八进制代码，位于4个字符上：“\374”

我一直在尝试编写一些sed命令来处理那些八进制代码，并将它们替换回相应的原始ISO-8859-1字符，但我缺少4字符代码的解释部分

到目前为止，我的sed命令搜索\abc形式的任何一组4个字符，其中abc是介于000和377之间的数字，然后尝试将其替换为\oabc-这应该产生ISO-8859-1编码字符：

paul@paul:~$ sed 's,\\\([0-3][0-7][0-7]\),\\o\1,g' file

但是，该替换部分无法工作，因为sed没有将\o\1解释为ISO-8859-1代码（就像我处理sed的s/u/\o374/'文件时那样）

如果我的文件包含：

(...) D\374sseldorf (...)

我的sed命令将替换为：

(...) D\o374sseldorf (...)

---

这里有人能指出我错在哪里吗？

Gnu

sed

在解释命令时解释

\oxxx

，因此它必须在sed命令中出现。（其他

sed

s可能根本无法解释

\oxxx

；我并不意味着他们将按照您的建议进行解释。）如前所述，

\o

是无效的转义码（后面没有八进制数），因此不会被替换，而

\1

将被匹配中的第一个捕获替换

使用类似Perl的语言，您可以更轻松地进行此转换，它允许您执行代码以生成替换：

perl -pe 's/\\([0-3][0-7][0-7])/chr(oct($1))/eg'

---

\\o\1

表示

\o

后接第一个子组，这正是您得到的结果。sed不会尝试注入子组的内容并重新计算替换字符串，因为数据和代码是分开的。使用sed是没有办法做到这一点的（除了用单独的字符替换每个字符代码）。嗨，另一个家伙，我没有意识到这一点。谢谢你的评论和花时间解释。嗨，rici，谢谢你的回答。它工作得很好。这帮了大忙。很抱歉，刚才的评论。我离开电脑有一段时间了。