Unicode 将bidi标记字符添加到特定行的开头/结尾

我正在尝试修复包含从右向左文本的字幕文件的问题。仅供参考，srt文件的格式如下：

subtitle line number
start and end times
one OR MORE lines of text
a blank line

例如：

1
00:00:28,000 --> 00:00:32,500
‫«بر اساس داستانی واقعی»‏


2
00:01:33,279 --> 00:01:38,279
‫«شکارچی روباه»‏
این متن تست است

3
...

我在stackoverflow上找到的解决方案不适用于我的案例，因为它既不是每行，也不是第3行、第7行、第11行等等
我想用unicode字符“从右到左嵌入（U+202B）”，作为包含“->”的每一行（例如上面示例中的第3行和第7行）后面的第一行的前缀。
理想情况下，我还想在每一行分隔一行字幕行（例如，上面示例中的行3和8）的空白行后面加上Unicode字符“右到左标记（U+200 f））。 例如，在awk或sed中是否有这样做的方法？谢谢。
注：我在以下链接中放置了一个包含从右到左文本的示例文件：

---

不幸的是，我不会说、读或写波斯语，因此我无法确定我得到的输出是否有任何意义（除了用十六进制编辑器查看标记是否存在）。因此，我将默认您描述的算法。我希望这会产生有用的结果

由于文件很容易小到可以放入内存，因此使用sed的简单方法是

sed ':a $!{N;ba}; s/-->[^\n]*\n/&\xe2\x80\xab/g; s/\r\?\n\r\?\n/\xe2\x80\x8f&/g' sample_rtl.srt

这项工作如下：

:a $!{N;ba}                       # read the whole file into the pattern space

s/-->[^\n]*\n/&\xe2\x80\xab/g     # append u202b (e2 80 ab in UTF-8) to all
                                  # matches of "-->[^\n]*\n", i.e., insert it
                                  # after the newline of every line that
                                  # contains "-->"

s/\r\?\n\r\?\n/\xe2\x80\x8f&/g    # Where there are two line breaks in direct
                                  # succession (\r\?\n to handle Windows line
                                  # breaks, which your sample file has),
                                  # prepend u200f (e2 80 8f in UTF-8) to them.

一个等效的Perl解决方案（因为BSDSED中的某些内容似乎与上述内容不同）是

---

这几乎是一样的。取消定义

$/

意味着perl将所有内容都视为一个大“行”（这通常被称为“slurp模式”），然后我们可以应用相同的正则表达式（使用稍微不同的符号）。

非常感谢。我在Mac OS X Yosemite终端上尝试了该命令。输出文件正常工作（即与我自己的努力相比，它没有损坏）。但是，最终结果与我从原始文件中得到的结果相同；i、 就好像没有插入字符一样。因此，我对这些文件进行了区分，并根据我所看到的，这些文件似乎是相同的。我不知道为什么它没有插入字符。也许terminal正以另一种方式处理包含波斯语文本的行；考虑到这条线的起点在最左边，而不是右边，就像它应该的那样。哦，是波斯语？抱歉把它和阿拉伯语混在一起了（你可能已经猜到了，我两个都不知道）。您使用的是Mac OS X可能与此问题有关；它与BSD sed一起提供，而我使用GNU sed进行测试——后者在Linux上很常见，并且在BSD sed上有许多扩展。我会把它翻译成awk；也许我们的运气更好。或者Perl。Mac OS X上有Perl，不是吗？没问题。这是常见的错误再次感谢你的努力。同时，我也会在我的Ubuntu虚拟机和Raspbian上试用，看看效果如何；事实证明，在awk中这样做有点麻烦，因为awk没有背景。它做完全相同的事情，但是使用Perl它应该是可移植的。（祈求好运）我明白你的意思，我想这可能意味着视频播放器不能按照规范处理字幕中的双向Unicode。似乎有很多东西不能正确支持它——我尝试过的一些程序以你想要的方式显示了原始文件，有些无法完全做到这一点。值得一提的是，如果我正确地阅读了规范，您必须用PDF（U+202C）平衡每个嵌入标记。您可以通过将上述代码中的

\xe2\x80\x8f

替换为

\xe2\x80\xac

（在每段末尾弹出）来实现这一点。这在Perl中非常容易实现。你可以考虑使用它。在处理现代文本时，将自己局限于sed解决方案是在束缚自己。

perl -pe 'BEGIN { undef $/; } s/(-->[^\n]*\n)/\1\xe2\x80\xab/g;s/(\r?\n\r?\n)/\xe2\x80\x8f\1/g' sample_rtl.srt