[sed] Remplacement dans des blocs de commentaires

Version imprimable

22/04/2013, 11h14
tiresias54

[sed] Remplacement dans des blocs de commentaires
Bonjour à tous,

j'ai un script à écrire qui regarde dans des fichiers de code C pour modifier les blocs de commentaires:
Code:

1 2 /* vous \340 vous */ printf("bonjour \340 vous");
devient:
Code:

1 2 /* bonjour à vous */ printf("bonjour \340 vous");
J'ai tenté des choses du genre:

Code:

sed -i 's+$[ \t]*/\*.\340.+$[ \t]*/\*.à.+g' $mon_fichier

(plus un milliard d'autres essais) mais absolument rien de fonctionne :/

Des idées svp?
22/04/2013, 12h10
Ivelios

Bonjour,

Quelque chose comme ça?

Code:

sed -i 's#/\*$.*$\\340$.*$\*/#/*\1à\2*/#g' monfichier
22/04/2013, 12h47
zipe31

Salut,

Est-ce que la finalité, et la subtilité, est de reprendre dans le commentaire le contenu du "printf" ? Ou pas du tout ? :aie:

Citation:

Envoyé par Ivelios

Code:

sed -i 's#/\*$.*$\\340$.*$\*/#/*\1à\2*/#g' monfichier

Chez moi (Ubuntu 12.04), ça ne marche pô!
Code:

1 2 3 4 5 6 7 8 9 10 $ echo -e "/* bonjour \0340 vous */" | od -c 0000000 / * b o n j o u r 340 v o u 0000020 s * / \n 0000025 $ echo -e "/* bonjour \0340 vous */" /* bonjour � vous */ $ echo -e "/* bonjour \0340 vous */" | sed 's#/\*$.*$\\340$.*$\*/#/*\1A\2*/#g' /* bonjour � vous */
De plus, s'il y a plusieurs '\340', ça n'en remplacera (au mieux) qu'un seul!

Il vaudrait probablement mieux utiliser un sed avec matching... mais j'y arrive pô:
Code:

1 2 3 4 5 $ echo -e "/* bonjour \0340 vous */" | sed '/\/\*.*\*\//s/o/O/g' # Pour voir /* bonjour � vous */ $ echo -e "/* bonjour \0340 vous */" | sed '/\/\*$.\|\\340$*\*\//s/o/O/g' /* bonjour � vous */
Apparemment, vu où sed insère le 'XXX', '.' ne matche pas le caractère '\340' :(
Code:

1 2 $ echo -e "/* bonjour \0340 vous */" | sed '/\/\*.*/s/$\/\*.*$/\1XXX/g' /* bonjour XXX� vous */

Bonjour,

Code:

1
2
3
4
5
6
7
8
9
10
$ od -c ytot
0000000   /   *       b   o   n   j   o   u   r     340       v   o   u
0000020   s       *   /  \n
0000025
$ LANG=C sed  's/'`echo -e "\0340"`'/à/' ytot
/* bonjour à vous */
$ LANG=C sed  's/'`echo -e "\0340"`'/à/' ytot | od -c
0000000   /   *       b   o   n   j   o   u   r     303 240       v   o
0000020   u   s       *   /  \n
0000026

22/04/2013, 15h25
tiresias54

@zipe31: non ça n'est pas la finalité, c'était juste pour illustrer ^^

@jack-ft: chez moi (redHat 5) la proposition de ivelios fonctionne, mais en effet un seul \340 est matché.

@disedorgue: désolé, je ne pige pas ta proposition :/
22/04/2013, 15h36
disedorgue

Je ne faisais que répondre sur le post de jack-ft :)

Plus sérieusement, c'est quoi la finalité ou le problème que tu cherche à résoudre car c'est possible de le faire, mais il faut être conscient que tu vas avoir des fichiers avec des plusieurs charset dans le même fichier.

Souvent, une simple redéfinition de ton locale suffit pour avoir un affichage correcte.
22/04/2013, 15h37
zipe31

Citation:

Envoyé par tiresias54

@zipe31: non ça n'est pas la finalité, c'était juste pour illustrer ^^

Ok et c'est quoi la finalité alors ?

Remplacer n'importe quoi dans une ligne de commentaire ?
Remplacer que les codes du style "\340" par leur équivalence ?

Désolé mais pour moi ton exemple n'est pas très parlant :?
22/04/2013, 16h01
tiresias54

Citation:

Envoyé par zipe31

Ok et c'est quoi la finalité alors ?

Remplacer n'importe quoi dans une ligne de commentaire ?
Remplacer que les codes du style "\340" par leur équivalence ?

Désolé mais pour moi ton exemple n'est pas très parlant :?

J'ai "hérité" de fichiers dans lesquels éèàçù,etc... ont été remplacé par leur valeur octale.
Mais pour que les commentaires soient lisibles, j'aimerais les remplacer par leur équivalent latin1.
Je suis obligé de garder les valeurs octale dans le code.

Donc il s'agit de remplacer les occurrences de \350, \351, \340, etc. par èéà, etc mais uniquement dans les lignes de commentaire.

J’espère que c'est plus clair ^^
22/04/2013, 16h05
Ivelios

(Re)Bonjour

Quelque chose dans le style ça devrait plus le faire

Code:

sed '\#^/\*.*\*/$# s#\\340#à#g' monFichier

\#^/\*.*\*/$# -> Ligne de forme /* N'importe quoi */
22/04/2013, 16h20
disedorgue

Ok, je comprends mieux, on est sur du faux code octal.

Donc ton souci est plus sur la reconnaissance de ces chaines dans du commentaire C.
Mais est que le commentaire est toujours symbolisé par "/*" et "*/" ou il peut y avoir la forme non standart "//" ?
D'ailleurs, juste comme ça, un commentaire peut être sur plusieurs lignes quand on est en "/*" et "*/".
Donc pour le sed, c'est plus compliqué que ce que j'ai pu voir, pour le moment, dans cette discussion ...:)

Code:

1
2
3
4
[~/Documents]$ echo '/*bonjour \0340 vous*/ printf("bonjour \0340 vous");'
/*bonjour \0340 vous*/ printf("bonjour \0340 vous");
[~/Documents]$ echo '/*bonjour \0340 vous*/ printf("bonjour \0340 vous");'|sed 's@\(/\*[^\\]*\)\\0340@\1à@g'
/*bonjour à vous*/ printf("bonjour \0340 vous");

Il te faut construire un fichier de commandes sed contenant tous les remplacements à effectués. Ici un exemple avec les lettres accentuées "à é è ê ë î ï ù ü ô ö"

Le fichier :

Code:

1
2
3
4
5
6
7
8
9
10
11
$ cat plop 
  /* vous \340 vous */
printf("bonjour \340 vous et \340 vos parents");
  /* O\371 # commentaire sur plusieurs lignes
  \352tes 
  vous */
printf("O\371 \352tes vous ?");
  /* \364 vous */
printf("\364 vous");
  /* vos \356les sous le vent */
printf("vos \364 sous le vent");

Le script sed :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
$ cat script.sed
\|^\s\+/\*|! b
 
\|^\s\+/\*.*\*/$|{
b z
}
 
\|^\s\+/\*|{
:a
N
\|\*/$|! b a
}
 
:z
{
s|\\340|à|g
s|\\351|é|g
s|\\350|è|g
s|\\352|ê|g
s|\\353|ë|g
s|\\356|î|g
s|\\357|ï|g
s|\\371|ù|g
s|\\374|ü|g
s|\\364|ô|g
s|\\366|ö|g
}

L'exécution :

Code:

1
2
3
4
5
6
7
8
9
10
11
$ sed -f script.sed plop 
  /* vous à vous */
printf("bonjour \340 vous et \340 vos parents");
  /* Où # commentaire sur plusieurs lignes
  êtes 
  vous */
printf("O\371 \352tes vous ?");
  /* ô vous */
printf("\364 vous");
  /* vos îles sous le vent */
printf("vos \364 sous le vent");

marche pas chez moi :(

avec cette version:
Code:

1 2 3 $ sed --version GNU sed version 4.1.5 Copyright (C) 2003 Free Software Foundation, Inc.

22/04/2013, 17h11
zipe31
Que te renvoie la commande suivante :

Code:

$ echo "/* vous \340 vous */" | sed 's|\\340|à|'

Sinon pour la version chez moi :
Code:

1 2 $ sed --version GNU sed version 4.2.1
22/04/2013, 17h18
tiresias54
j'ai l'impression que c'est lorsque j'essaie de passer par le script que ça foire...
Code:

1 2 $ echo "/* vous \340 vous */" | sed 's|\\340|à|' /* vous à vous */
ceci dit les solutions de flodelarab et ivelios fonctionnent. De plus les commentaires dans le code sont sur une ligne et il n'y a pas de commentaire non standard. J'essayerai cependant ta solution chez moi pour voir si ça fonctionne, et surtout pour essayer de la comprendre ^^
22/04/2013, 17h39
zipe31
Citation:

Envoyé par tiresias54

j'ai l'impression que c'est lorsque j'essaie de passer par le script que ça foire...

Affiche-le pour voir :?

Citation:

De plus les commentaires dans le code sont sur une ligne et il n'y a pas de commentaire non standard.

A ce moment là, on peut réduire le script comme ça :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 \#^\s\+/\*#{ s|\\340|à|g s|\\351|é|g s|\\350|è|g s|\\352|ê|g s|\\353|ë|g s|\\356|î|g s|\\357|ï|g s|\\371|ù|g s|\\374|ü|g s|\\364|ô|g s|\\366|ö|g }
Citation:

J'essayerai cependant ta solution chez moi pour voir si ça fonctionne, et surtout pour essayer de la comprendre ^^

On cible un motif correspondant à un ligne qui commence par plusieurs espace (^\s\+) suivis par un slash lui même suivi par une astérisque (/\*).

Si le motif est trouvé on applique les substitutions qui suivent en fonction des codes trouvés...

Voici une méthode qui fonctionne chez moi (tout au moins sur l'exemple utilisé) car je suis sur le bon charset, c'est à dire que si je fais par exemple:
Code:

1 2 $ echo -e "\0340" à
cela m'affiche bien le à.
Ma version sed accepte aussi la commande "e"
Donc voici la solution :aie::
Code:

1 2 3 4 5 6 7 8 9 10 11 $ cat testtr.txt /* vous \340 vous */ printf("bonjour \340 vous et \340 vos parents"); /* O\371 # commentaire sur plusieurs lignes \352tes vous */ printf("O\371 \352tes vous ?"); /* \364 vous */ printf("\364 vous"); /* vos \356les sous le vent */ printf("vos \364 sous le vent");
Code:

$ sed '/\/\*.*\*\//btr;/\/\*/,/\*\//btr;b;:tr;s/\\$[1-9]$/\\0\1/g;s/$.*$/echo -e "\1"/eg' testtr.txt

Résultat:
Code:

1 2 3 4 5 6 7 8 9 10 /* vous à vous */ printf("bonjour \340 vous et \340 vos parents"); /* Où # commentaire sur plusieurs lignes êtes vous */ printf("O\371 \352tes vous ?"); /* ô vous */ printf("\364 vous"); /* vos îles sous le vent */ printf("vos \364 sous le vent");

30/04/2013, 17h59
jack-ft

Citation:

Envoyé par disedorgue

il faut être conscient que tu vas avoir des fichiers avec des plusieurs charset dans le même fichier.

Souvent, une simple redéfinition de ton locale suffit pour avoir un affichage correcte.

Je plussoie!!!

En iso-8859-1 (latin-1), le 'e-acute' (é) est codé sur un byte \351
En unicode (utf-8), le 'e-acute' (é) est codé sur 2 bytes \303 \251

Avec 'od -c' ou 'cat -A', on peut voir le codage précis d'un fichier et donc déterminer le charset utilisé.

Si on voit des \351 (ou un '?') à la place d'un 'é', c'est qu'on affiche de l'iso-8859-1 dans un environnement utf8 (ou en croyant que c'est de l'utf8).

Si on voit des \303 \251 (ou des Ã(c)), c'est qu'on affiche de l'utf8 dans un environnement iso-8859-1 (ou en croyant que c'est de l'iso-8859-1).

Dans ton cas, manifestement, le charset de ton fichier est iso-8859-1 (latin-1) et tu l'affiches dans un environnement utf-8.
Donc, pour le voir correctement, tu peux faire (avec un uuoc):

Code:

cat file | iconv -f ISO_8859-1 -t utf8

Ou alors tu règles ton locale "correctement" (plus facile à dire qu'à faire!), et tout ton fichier va s'afficher "correctement" (les commentaires autant que les printf).