Comando tr de Linux: Traducción de Caracteres

Introducción

En esta práctica de laboratorio, exploraremos el comando tr en Linux, una utilidad versátil para transformar texto a nivel de caracteres. El comando tr, abreviatura de "translate" (traducir), se utiliza ampliamente para tareas como la conversión de mayúsculas y minúsculas, la eliminación de caracteres específicos y la limpieza básica de datos. Al finalizar esta sesión, serás capaz de utilizar tr en diversos escenarios de manipulación de texto. Esta práctica está diseñada para principiantes, así que no te preocupes si eres nuevo en los comandos de Linux; te guiaremos cuidadosamente a través de cada paso.

Comprendiendo los conceptos básicos de tr

Comencemos analizando la sintaxis básica del comando tr:

tr [OPTION]... SET1 [SET2]

El comando tr lee texto de la entrada estándar (stdin), lo transforma según las opciones y conjuntos de caracteres especificados, y escribe el resultado en la salida estándar (stdout).

Empecemos con un ejemplo sencillo. Crearemos un archivo llamado greeting.txt con un mensaje de saludo básico y luego usaremos tr para convertir todas las letras minúsculas en mayúsculas.

Primero, crea el archivo:

echo "hello, world" > ~/project/greeting.txt

Consejos: Puedes copiar y pegar los comandos de creación de archivos en la terminal para generar los archivos correctamente.

Este comando crea un nuevo archivo llamado greeting.txt en tu directorio de proyecto (~/project/) con el contenido "hello, world".

Ahora, usemos tr para convertir todas las minúsculas en mayúsculas:

cat ~/project/greeting.txt | tr 'a-z' 'A-Z'

Deberías ver la siguiente salida:

HELLO, WORLD

Desglosemos este comando:

1. cat ~/project/greeting.txt: Lee el contenido del archivo.
2. |: Es el símbolo de tubería (pipe). Toma la salida del comando a su izquierda y la entrega como entrada al comando a su derecha.
3. tr 'a-z' 'A-Z': Este es nuestro comando tr. Traduce cada carácter del primer conjunto ('a-z', que representa todas las letras minúsculas) al carácter correspondiente del segundo conjunto ('A-Z', que representa todas las letras mayúsculas).

Ten en cuenta que este comando no modifica el archivo original. Si deseas guardar el texto transformado, tendrías que redirigir la salida a un nuevo archivo.

Eliminación de caracteres con tr

El comando tr también puede eliminar caracteres específicos de la entrada. Esto es particularmente útil cuando necesitas limpiar texto eliminando caracteres no deseados. Vamos a crear un archivo con algunos signos de puntuación y luego los eliminaremos.

Primero, crea un archivo con puntuación:

echo "Hello, World! How are you?" > ~/project/punctuated.txt

Consejos: Puedes copiar y pegar los comandos de creación de archivos en la terminal para generar los archivos correctamente.

Ahora, usemos tr para eliminar toda la puntuación:

cat ~/project/punctuated.txt | tr -d '[:punct:]'

Deberías ver:

Hello World How are you

Desglosemos este comando:

1. cat ~/project/punctuated.txt: Lee el contenido del archivo.
2. |: Envía la salida al comando tr.
3. tr -d '[:punct:]':
   • La opción -d le indica a tr que elimine (delete) los caracteres especificados.
   • [:punct:] es una clase de caracteres que representa todos los signos de puntuación. Las clases de caracteres son conjuntos predefinidos que facilitan la especificación de grupos de caracteres.

Este comando elimina todos los caracteres de puntuación del texto, dejando solo letras, números y espacios.

Traducción de múltiples caracteres

Ahora exploremos una traducción más compleja. Crearemos un archivo con texto codificado y usaremos tr para decodificarlo. Este ejemplo demuestra cómo se puede usar tr para cifrado y descifrado simple.

Primero, crea un archivo con texto codificado:

echo "Tijt jt b tfdsfu nfttbhf." > ~/project/encoded.txt

Consejos: Puedes copiar y pegar los comandos de creación de archivos en la terminal para generar los archivos correctamente.

Ahora, vamos a decodificarlo:

cat ~/project/encoded.txt | tr 'b-za-a' 'a-z'

Deberías ver:

This is a secret message.

Desglosemos este comando:

1. cat ~/project/encoded.txt: Lee el contenido del archivo codificado.
2. |: Envía la salida al comando tr.
3. tr 'b-za-a' 'a-z':
   • El primer conjunto 'b-za-a' consiste en:
     • 'b-z': letras de la b a la z.
     • 'a-a': la letra a.
     • Por lo tanto, el primer conjunto completo es: b,c,d,e,f,g,h,i,j,k,l,m,n,o,p,q,r,s,t,u,v,w,x,y,z,a
   • El segundo conjunto 'a-z' es: a,b,c,d,e,f,g,h,i,j,k,l,m,n,o,p,q,r,s,t,u,v,w,x,y,z
   • Esto crea un mapeo donde cada letra del primer conjunto se reemplaza por la letra correspondiente del segundo conjunto:
     • b (1ª del primer conjunto) → a (1ª del segundo conjunto)
     • c (2ª del primer conjunto) → b (2ª del segundo conjunto)
     • ...
     • a (26ª del primer conjunto) → z (26ª del segundo conjunto)
   • Esto efectivamente desplaza cada letra de la entrada una posición hacia atrás en el alfabeto (descifrado de cifrado César).
   • Nota: El comando tr realiza la traducción carácter por carácter, por lo que solo se ven afectadas las letras minúsculas. Las letras mayúsculas como la "T" al principio del mensaje permanecen sin cambios porque no coinciden con ningún carácter del primer conjunto.

Este tipo de sustitución es una forma muy simple de cifrado llamada cifrado César. Aunque no es seguro para un uso real, es un excelente ejemplo de cómo se puede usar tr para la sustitución de caracteres uno a uno.

Uso de clases de caracteres con tr

El comando tr admite varias clases de caracteres, que son conjuntos predefinidos. Estas pueden ser muy útiles para transformaciones de texto más complejas. Utilicemos algunas de ellas en un escenario práctico.

Primero, crea un archivo con contenido mixto:

echo "User123 logged in at 09:45 AM on 2023-08-15" > ~/project/log_entry.txt

Consejos: Puedes copiar y pegar los comandos de creación de archivos en la terminal para generar los archivos correctamente.

Ahora, extraigamos solo los dígitos de esta entrada de registro:

cat ~/project/log_entry.txt | tr -cd '[:digit:]'

Deberías ver:

12309452023815

Desglosemos este comando:

1. cat ~/project/log_entry.txt: Lee el contenido del archivo de registro.
2. |: Envía la salida al comando tr.
3. tr -cd '[:digit:]':
   • La opción -c complementa el conjunto (significa "lo que no esté en este conjunto").
   • La opción -d elimina los caracteres especificados.
   • [:digit:] es una clase de caracteres que representa todos los dígitos (0-9).
   • Juntos, -cd '[:digit:]' significa "elimina todos los caracteres que no sean dígitos".

Este comando es útil para extraer datos numéricos de texto mixto, lo cual puede ser de gran ayuda en tareas de análisis de registros o limpieza de datos.

Comprimir repeticiones con tr

El comando tr también puede "comprimir" (squeeze) caracteres repetidos en una sola ocurrencia. Esto es útil para limpiar datos con repeticiones innecesarias. Vamos a crear un archivo con algunos caracteres repetidos y luego lo limpiaremos.

Primero, crea un archivo con espacios repetidos:

echo "This    is    a    test    with    extra    spaces." > ~/project/spaced.txt

Consejos: Puedes copiar y pegar los comandos de creación de archivos en la terminal para generar los archivos correctamente.

Ahora, usemos tr para comprimir los espacios repetidos:

cat ~/project/spaced.txt | tr -s ' '

Deberías ver:

This is a test with extra spaces.

Desglosemos este comando:

1. cat ~/project/spaced.txt: Lee el contenido del archivo con espacios extra.
2. |: Envía la salida al comando tr.
3. tr -s ' ':
   • La opción -s comprime las repeticiones del carácter especificado en una sola aparición.
   • ' ' especifica que queremos comprimir los caracteres de espacio.

Este comando es particularmente útil cuando se trabaja con datos mal formateados o cuando necesitas normalizar los espacios en blanco en un archivo de texto.

Resumen

En esta práctica de laboratorio, exploramos el versátil comando tr en Linux. Aprendimos a:

1. Convertir mayúsculas y minúsculas en el texto.
2. Eliminar caracteres específicos.
3. Traducir múltiples caracteres.
4. Utilizar clases de caracteres.
5. Comprimir caracteres repetidos.

El comando tr es una herramienta poderosa para la manipulación de texto. Aquí hay algunas opciones adicionales que no cubrimos en detalle:

• -c: Complementa el conjunto de caracteres en el primer argumento; es decir, opera sobre todos los caracteres que no están en dicho conjunto.
• -t: Trunca el primer conjunto de caracteres a la longitud del segundo conjunto.

Para tareas de procesamiento de texto más avanzadas, es posible que desees explorar otros comandos como sed y awk en futuras prácticas.

Recursos

• Hoja de ruta de Linux - roadmap.sh