web-dev-qa-db-fra.com

Recherche avec caractères diacritiques / accents avec la commande `local`

Parfois, j'ai besoin de rechercher des fichiers avec des caractères accentués (diacritiques en général), généralement avec local/mlocate. Je souhaite configurer (peut-être dans /etc/updatedb.conf) afin de me permettre de rechercher ces caractères spéciaux à l'aide d'un certain mappage de langue, par exemple:

a == âàáäÂÀÂÄ
e == êèéëÊÈÉË
i == îïíÎÏ
o == ôöóÔÖ
u == ûùüÛÜÙ
c == çÇ
n == ñ

Ainsi, locate -i liberación recherche également les fichiers avec la chaîne liberacion et même liberaciòn .

Notes et hypothèses

  • Et peut-être d’autres: ÂÄÄÄÁÅÆ ÇÈÉÊËÍÎÏ ÐÑÒÓÔÕÖØÙÚÛÜ ßàáâããååæç èéêëìîððòóôõö øùúûüýþÿ .
  • C'est une situation courante sur langues romanes comme l'espagnol, le français et l'allemand.
  • J'utilise toujours une locale 100% UTF-8.
  • Je préférerais ne pas avoir à utiliser d'expressions régulières.
  • Un correctif peut utiliser la translittération ASCII d'Unicode comme nidecode / cUnidecode le fait. La plupart de mlocate est écrit sur C.

Apparenté, relié, connexe

command-linesearchfindlocate
8
Pablo Bianchi

Maintenant, avec mlocate 0.26, nous avons l'option -t --transliterate (voir la page de manuel ) sur Ubuntu 18.04+ (sans avoir besoin de contournements impairs):

Créer des fichiers de test:

$ touch liberación liberacion liberaciôn

Mettre à jour et rechercher:

$ updatedb
$ locate --transliterate liberacion 
/home/pablo/liberacion
/home/pablo/liberación
/home/pablo/liberaciôn

Donc maintenant locate -t liberación également rechercher les fichiers avec la chaîne liberacion et même liberaciòn!

Enfin, créer un alias sur mon .bashrc :-)

$ alias locate="locate --transliterate"
2
Pablo Bianchi

Si nous examinons updatedb.conf(5), nous constaterons qu’il n’ya pas grand chose à faire avec les éléments de configuration.

Nous allons donc écrire un script en utilisant locate; À la fin, nous pouvons exécuter quelque chose comme my-locate.sh liberacion ou my-locate.sh liberâciòn et cela nous apportera toutes les combinaisons possibles.

Commençons

Commencez par créer un fichier simple en tant que base de données où vous le souhaitez, par exemple: ~/.mydb; puis ajoutez vos caractères d'accents dans ce fichier comme ceci:

aâàáäÂÀÂÄ
eêèéëÊÈÉË
iîïíÎÏ
uûùüÛÜÙ
cçÇ
oôöóÔÖóòòò
...
...

Ensuite, nous avons besoin d’un petit script qui fait le travail pour nous, j’en ai écrit un simple:

#!/bin/bash

# Final search term 
STR=""

# Loop throughout all characters of desired string
for (( i=0; i<${#1}; i++ )); do

  # Split the string in one char
  CH="${1:$i:1}"

  # Find all possible combinations of this char
  CHARS=$(grep "$CH" ~/.mydb)

  # Add an "or" operator between characters
  REG=$(echo "$CHARS" |  sed 's/.\{1\}/&\|/g' )
  REG="($REG)"

  # Append all possible combination of this character
  # to our final search term as an or statement
  if [ "$REG" == '()' ];
  then
   STR=$STR$CH
  else
   STR=$STR$REG
  fi

done

# locate it using regex
locate --regex "$STR$"

Enregistrez-le maintenant quelque part dans votre PATH avec le nom souhaité, par exemple: in ~/bin. Il devrait être déjà dans votre environnement PATH.

Après tout, utilisez simplement quelque chose comme ceci pour rechercher toutes les combinaisons possibles.

my-locate.sh liberacion

Trouvera pour moi tout ceci:

~/lab/liberacion
~/lab/liberaciòn
~/lab/liberación
~/lab/liberâciòn
~/lab/liberäciòn
~/lab/libÈrâciòn
3
Ravexina