もう、ここに繋げちゃう。 えーと、記念に報告しておきます。 OCRでpdfからetext素材を得るとですね、へんな文字が入るのです。 95h という文字。9は青色。発泡酒の缶の色ではなく。 以下のようにしてください。僕は、新出さんのあと、NT用に再移植された unix-like toolsを使っているようなのですが、trで削除できます! (DOS環境だと新出さんにお出ましいただくのでしょう) 以下のごとく。>tr -d \x95 < c:\test.txt >kek.txt ;-d = del option ゼロ置換でない。前にも登場したことがあるtrですが、これがけっこうな曲者でして、 なかなか思ったとおりにいかない。最初8進数(オクタル)で指定できるのか! とやったのに、敗退したり。 コマンドラインの書き方に、けっこうクセがあります。 必要になったら実験してみてください。>tr "chr1" "chr2" というほど甘くない、 場合があるはずです。 Vzのゼロ置換でも消せないし、どういう文字化けなのかもよく分からなくて、 手で消してました。 95h, extended ascii character なはずです。 追記:どうでもいいことですが、「 95 」という文字列になっている場合(前後の 文字はなんでもよい)、Vz置換で消せます。行頭、行末、あるいは行内単独(のみ) のときに、手を焼いていました。 追記2:\manディレクトリのtr.txtを読むと、ツールズのというか引数展開ルーチンの というか、コマンドライン解釈のというか、ひぃえ〜〜なぐらいに深い世界ですねぇ、 と思うと思います。UNIXでもDOSでも。 追記3:としきさんに課題を出されたときも、trの使い方で、おたおたしたんだ。 できましたよん! >tr [a][b] < object.txt しかダメって珍しいですよね。ま、 こうしかなれんのでしょう。
関連記事一覧ツリー (▼ を押すとツリー全体を一括表示します)
返信フォーム (この記事に返信する場合は下記フォームから投稿して下さい)
- 以下のフォームから自分の投稿記事を修正・削除することができます -