如何使用 grep（或其他 LSB 工具）计算 .po 中的空翻译？

Question

我可以使用如下命令在 vim 中搜索空翻译：

/""\n\n

但我的任务是找出未翻译字符串的数量。任何想法如何使用每个 linux 机器都应具有的 标准 工具（请不要单独的包）。

这里是 .po 文件的示例，其中包含 2 个已翻译字符串和 2 个未翻译字符串（长变体和短变体）。

msgid "translated string"
msgstr "some translation"

msgid "non-translated string"
msgstr ""

msgid ""
"Some long translated string which starts from new line "
"and can last for few lines"
msgstr ""
"Translation of some long string which starts from new line "
"and lasts for few lines"

msgid ""
"Some long NON-translated string which starts from new line "
"and can last for few lines"
msgstr ""

Answer 1

这是使用awk的一种方式：

awk '$NF == "msgstr \"\"" { c++ } END { print c }' FS="\n" RS= file

结果：

2

解释：

将awk 置于段落模式。然后测试每个块中的最后一行。如果最后一行与模式完全匹配，则计算它。然后，在脚本的最后，打印出计数。如果您稍后决定要计算已翻译字符串的数量，只需将 == 更改为 !=。 HTH。

---

从下面的 cmets 中，处理包含空格的空行：

您需要使用正则表达式，例如：RS="\n{2,}|\n([ \t]*\n)+|\n$"（这可能会被简化）。不过需要注意的是ability for RS to be a regex is a GNU awk extension.其他awk 将无法以某种方式处理多字符记录分隔符。幸运的是，上述文件格式看起来相当严格，因此不需要处理包含空格的行。

如果遇到包含空格的分隔符，快速解决方法是调用sed：

< file sed 's/^ *$//' | awk ...

Answer 2

我建议使用可用的gettext 工具，而不是尝试直接解析.po 文件：

$ msggrep -v -T -e "." test.po 
msgid "non-translated string"
msgstr ""

msgid ""
"Some long NON-translated string which starts from new line and can last for "
"few lines"
msgstr ""

msggrep 标志是：

• -v 反转匹配
• -T 将下一个模式应用于msgstr
• -e搜索模式

即显示任何与/./ 不匹配的msgstr，因此为空。

由于msggrep 没有-c，单行中的计数是：

 msggrep -v -T -e "." test.po  | grep -c ^msgstr

（自 2002 年 1 月 v0.11 起，msggrep 已成为 gettext 软件包的一部分。LSB 核心 又名 ISO/IEC 23360-1:2006(E) 仅强制使用 @987654336 @ 和 msgfmt 二进制文件，但我还没有看到没有它的系统，所以它应该能满足你的要求。）

Answer 3

由于awk（不错的）解决方案已经给出，有4个其他方法：

所有命令都使用您的示例和良好的.po 文件进行了测试。

使用sed

sed -ne '/msgstr ""/{N;s/\n$//p}' <poFile | wc -l
2

解释：每次我找到msgstr ""，我都会合并下一行，如果我可以将换行符作为字符串的最后一个字符s/\n$//，我会打印它们p。最后计算行数。

仅限 Bash

不使用 bash 以外的任何二进制文件：

total=0
while read line;do
    if [ "$line" == 'msgstr ""' ] ;then
        read line
        [ -z "$line" ] && ((total++))
      fi
  done <poFile
echo $total
2

说明：每次找到msgstr ""，我都会读取下一行，如果为空，我会增加计数器。

其他 bash 方式

mapfile -t line <poFile
count=0
for ((i=${#line[@]};i--;));do
    [ -z "${line[i]}" ] && [ "${line[i-1]}" == 'msgstr ""' ] && ((count++))
  done
echo $count
2

解释：在一个数组中读取整个 .po 文件，而不是浏览数组以查找前一个字段包含 msgstr "" 的空字段，递增计数器，而不是打印。

Perl（在命令行模式下）

perl -ne '$t++if/^$/&&$l=~/msgstr\s""\s*$/;$l=$_;END{printf"%d\n",$t}' <poFile
2

解释：每次我发现一个空行和前一行（存储在变量$l）包含msgstr ""然后我增加计数器。

破折号（不是 bash！）

count=0
while read line ; do
    [ "$line" = "" ] && [ "$prev" = 'msgstr ""' ] && true $((count=count+1))
    prev="$line"
  done <poFile
echo $count
2

基于 perl 示例，这项工作适用于 bash 和 dash

Answer 4

试试：

grep -c '^""$'

它计算唯一内容是两个“的行。

编辑：

根据您的评论，我发现上述内容不能满足您的需求。要执行多行匹配，您可以通过以下方式使用 GNU grep：

grep -Pzo '^msgstr ""\n\n' en.po | grep -c msgstr

使用 GNU grep 2.14 测试并发现它可以工作。但是，我不知道 GNU grep 对您来说是否足够标准。

第一个 grep 的解释：

-P 激活 Perl 正则表达式扩展。

-z 将行尾的换行符替换为 null，允许 grep 跟踪新行。

-o print 'only-matching'，需要，因为-z 正在使用中；否则我们会打印整个文件。

第二个grep的解释：

-c 计算匹配的行数，在本例中为 msgstr。这必须在单独的 grep 语句中，因为如果与 -z 一起使用，-c 将返回 1。

Answer 5

grep -n ^msg your.po | grep -v '""' | uniq -D -f1

这会查找以msg 开头的行，忽略那些只是空字符串的行（""），然后使用uniq 查找重复行（忽略msgid/msgstr 字段）。

CUPS 文件的示例输出：

$ grep -n ^msg /usr/share/locale/es/cups_es.po | grep -v '""' | uniq -D -f1
3742:msgid "ParamCustominCutInterval"
3743:msgstr "ParamCustominCutInterval"
3745:msgid "ParamCustominTearInterval"
3746:msgstr "ParamCustominTearInterval"
3858:msgid "Quarto"
3859:msgstr "Quarto"
3967:msgid "Stylus Color Series"
3968:msgstr "Stylus Color Series"
3970:msgid "Stylus Photo Series"
3971:msgstr "Stylus Photo Series"
3973:msgid "Super A"
3974:msgstr "Super A"