[AWk] estrarre parole cinesi da un testo

[ettore8888]

Ciao,
sto utilizzando AWk da poco e sto cercando di estrarre le parole cinesi da un testo scritto in italiano; tuttavia, non mi viene in mente nulla, qualche suggerimento?
grazie a tutti

[SuperStep]

in genere le lettere di un certo tipo listate in sequenza, quindi potresti cercare dall'inizio alla fine dell'intervallo delle lettere cinesi.

esempio, supponendo (non e' questo il giusto intervallo) che partando dal valore utf-8 1580 e finiscano al valore 1742. puoi cercare tutti i caratteri che si trovano fra 1580 e 1742.

[vaeVictis]

Elimina tutte le lettere non cinesi nel testo, preparandoti psicologicamente a quando la Cina conquisterà il mondo
Scherzi a parte, io procederei in questo modo, magari usando il comando tr (trovi pacchi e pacchi di discussioni riguardo il comando tr)

[ettore8888]

Codice: Seleziona tutto

If($nf ~(/^[utf-8 1580][utf-8 1742]$/))
NF > 2
{ print $2}

una cosa del genere?

[ettore8888]

in genere le lettere di un certo tipo listate in sequenza, quindi potresti cercare dall'inizio alla fine dell'intervallo delle lettere cinesi.

esempio, supponendo (non e' questo il giusto intervallo) che partando dal valore utf-8 1580 e finiscano al valore 1742. puoi cercare tutti i caratteri che si trovano fra 1580 e 1742.

Il range dei caratteri cinesi unicode è 4E00 thru 9FFF (344 270 200 thru 351 277 277) così pensavo di eseguire >"\343" and <"\352" (per evitare di prendere qualsiasi codice UTF-8 da 4 ):

Codice: Seleziona tutto

{
f=0;
for ( i=1; i<=length; i++)

if(substr($0, i, 1)>"\343" &&substr($0, i, 1)<"\352")

print $f

però ci sono degli errori ...