您可以使用 iconv(1) 按如下方式转换文本文件的编码。

$ iconv -f encoding1 -t encoding2 input.txt >output.txt

编码值不区分大小写，匹配时忽略“-”和“_”。可以通过“iconv -l”命令检查支持的编码。

对于适合单字节的字符集，例如 ASCII 和 ISO-8859 字符集，字符编码 与字符集几乎是同一回事。

对于具有许多字符的字符集，例如日语的 JIS X 0213 或实际上所有语言的 通用字符集（UCS、Unicode、ISO-10646-1），有许多编码方案可以将它们放入字节数据序列中。

对于这些，字符集和字符编码之间有明显的区别。

代码页 用作某些特定于供应商的字符编码表的同义词。

您可以使用 iconv(1) 按如下方式检查文本文件是否以 UTF-8 编码。

$ iconv -f utf8 -t utf8 input.txt >/dev/null || echo "non-UTF-8 found"

这是一个示例脚本，用于将单个目录中较旧操作系统下创建的文件名的编码转换为现代 UTF-8 编码。

#!/bin/sh
ENCDN=iso-8859-1
for x in *;
 do
 mv "$x" "$(echo "$x" | iconv -f $ENCDN -t utf-8)"
done

应该通过 表 11.2，“编码值及其用法列表” 中的编码值设置“$ENCDN”变量。

对于更复杂的情况，请使用正确的编码作为 mount(8) 选项挂载包含此类文件名的文件系统（例如，磁盘驱动器上的分区）（请参阅 第 8.3.6 节，“文件名编码”），并使用“cp -a”命令将其全部内容复制到另一个以 UTF-8 挂载的文件系统。

文本文件格式，特别是行尾 (EOL) 代码，取决于平台。

EOL 格式转换程序 fromdos(1)、todos(1)、frommac(1) 和 tomac(1) 非常方便。recode(1) 也很有用。

很少有流行的专用程序来转换制表符代码。

来自 indent 软件包的 indent(1) 完全重新格式化 C 程序中的空格。

编辑器程序（如 vim 和 emacs）也可以用于 TAB 转换。例如，使用 vim，您可以使用“:set expandtab”和“:%retab”命令序列展开 TAB。您可以使用“:set noexpandtab”和“:%retab!”命令序列恢复此操作。

智能的现代编辑器（如 vim 程序）非常智能，可以很好地处理任何编码系统和任何文件格式。您应该在 UTF-8 区域设置下在支持 UTF-8 的控制台中使用这些编辑器，以获得最佳兼容性。

可以简单地使用 vim 编辑以 latin1 (iso-8859-1) 编码存储的旧西欧 Unix 文本文件“u-file.txt”，方法如下。

$ vim u-file.txt

这是可能的，因为 vim 中文件编码的自动检测机制首先假定为 UTF-8 编码，如果失败，则假定为 latin1。

可以使用 vim 编辑以 latin2 (iso-8859-2) 编码存储的旧波兰 Unix 文本文件“pu-file.txt”，方法如下。

$ vim '+e ++enc=latin2 pu-file.txt'

可以使用 vim 编辑以 eucJP 编码存储的旧日语 unix 文本文件“ju-file.txt”，方法如下。

$ vim '+e ++enc=eucJP ju-file.txt'

可以使用 vim 编辑以所谓的 shift-JIS 编码（更准确地说：CP932）存储的旧日语 MS-Windows 文本文件“jw-file.txt”，方法如下。

$ vim '+e ++enc=CP932 ++ff=dos jw-file.txt'

当使用“++enc”和“++ff”选项打开文件时，Vim 命令行中的“:w”以原始格式存储该文件并覆盖原始文件。您还可以在 Vim 命令行中指定保存格式和文件名，例如“:w ++enc=utf8 new.txt”。

请参阅 vim 在线帮助中的 mbyte.txt “多字节文本支持”以及 表 11.2，“编码值及其用法列表”，了解与“++enc”一起使用的区域设置值。

emacs 系列程序可以执行等效的功能。

以下内容将网页读入文本文件。这在从 Web 复制配置或在网页上应用基本的 Unix 文本工具（如 grep(1)）时非常有用。

$ w3m -dump http://www.remote-site.com/help-info.html >textfile

类似地，您可以使用以下方法从其他格式提取纯文本数据。

您可以使用以下方法突出显示和格式化纯文本数据。

XML 文本看起来有点像 HTML。它使我们能够管理文档的多种输出格式。一个简单的 XML 系统是 docbook-xsl 软件包，这里使用了它。

每个 XML 文件都以标准 XML 声明开头，如下所示。

<?xml version="1.0" encoding="UTF-8"?>

一个 XML 元素的基本语法标记如下。

<name attribute="value">content</name>

内容为空的 XML 元素以下列简短形式标记。

<name attribute="value"/>

以上示例中的“attribute="value"”是可选的。

XML 中的注释部分标记如下。

<!-- comment -->

除了添加标记之外，XML 还需要使用以下字符的预定义实体对内容进行少量转换。

有许多工具可用于处理 XML 文件，例如 可扩展样式表语言 (XSL)。

基本上，一旦您创建了格式良好的 XML 文件，您就可以使用 可扩展样式表语言转换 (XSLT) 将其转换为任何格式。

可扩展样式表语言格式化对象 (XSL-FO) 应该用于格式化。fop 软件包仍在 Debian contrib（非 main）存档中。因此，LaTeX 代码通常从 XML 使用 XSLT 生成，并且 LaTeX 系统用于创建可打印文件，例如 DVI、PostScript 和 PDF。

由于 XML 是 标准通用标记语言 (SGML) 的子集，因此可以使用 SGML 的广泛工具对其进行处理，例如 文档样式语义和规范语言 (DSSSL)。

您可以使用以下方法从其他格式提取 HTML 或 XML 数据。

对于非 XML HTML 文件，您可以将它们转换为 XHTML，XHTML 是格式良好的 XML 的一个实例。XHTML 可以通过 XML 工具进行处理。

生成正确的 XML 后，您可以使用 XSLT 技术根据标记上下文等提取数据。

可打印数据操作的核心是 Ghostscript PostScript (PS) 解释器，它生成栅格图像。

来自 Artifex 的最新上游 Ghostscript 已从 AFPL 重新许可为 GPL，并将所有最新的 ESP 版本更改（例如 CUPS 相关的更改）在 8.60 版本中合并为统一版本。

您可以使用 Ghostscript 的 gs(1) 合并两个 PostScript (PS) 或 可移植文档格式 (PDF) 文件。

$ gs -q -dNOPAUSE -dBATCH -sDEVICE=pswrite -sOutputFile=bla.ps -f foo1.ps foo2.ps
$ gs -q -dNOPAUSE -dBATCH -sDEVICE=pdfwrite -sOutputFile=bla.pdf -f foo1.pdf foo2.pdf

以下用于可打印数据实用程序的软件包引起了我的注意。

通用 Unix 打印系统 (CUPS) 提供的 lp(1) 和 lpr(1) 命令都提供了自定义打印可打印数据的选项。

您可以使用以下命令之一打印 3 份已整理的文件。

$ lp -n 3 -o Collate=True filename

$ lpr -#3 -o Collate=True filename

您可以通过使用打印机选项（例如“-o number-up=2”、“-o page-set=even”、“-o page-set=odd”、“-o scaling=200”、“-o natural-scaling=200”等）来进一步自定义打印机操作，这些选项记录在 命令行打印和选项 中。

传统上，roff 是主要的 Unix 文本处理系统。请参阅 roff(7)、groff(7)、groff(1)、grotty(1)、troff(1)、groff_mdoc(7)、groff_man(7)、groff_ms(7)、groff_me(7)、groff_mm(7) 和 “info groff”。

您可以通过安装 groff 软件包，在 “/usr/share/doc/groff/” 中阅读或打印有关 “-me” 宏 的良好教程和参考。

TeX Live 软件发行版提供了完整的 TeX 系统。texlive 元软件包提供了 TeX Live 软件包的合理选择，这些软件包应足以满足最常见的任务。

有许多关于 TeX 和 LaTeX 的参考资料。

这是最强大的排版环境。许多 SGML 处理器使用它作为其后端文本处理器。Lyx 由 lyx 软件包提供，GNU TeXmacs 由 texmacs 软件包提供，为 LaTeX 提供了不错的 WYSIWYG 编辑环境，而许多人使用 Emacs 和 Vim 作为源代码编辑器的选择。

有许多在线资源可用。

当文档变得更大时，有时 TeX 可能会导致错误。您必须增加 “/etc/texmf/texmf.cnf” 中的池大小（或更适当地编辑 “/etc/texmf/texmf.d/95NonPath” 并运行 update-texmf(8)）来解决此问题。

该文件包含大多数必需的宏。我听说您可以通过注释掉第 7 行到第 10 行并添加 “\input manmac \proofmodefalse” 后，使用 tex(1) 处理此文档。强烈建议购买本书（以及 Donald E. Knuth 的所有其他书籍），而不是使用在线版本，但源代码是 TeX 输入的一个很好的例子！

您可以使用以下命令之一以 PostScript 格式精美地打印手册页。

$ man -Tps some_manpage | lpr

$ man -Tps some_manpage | mpage -2 | lpr

第二个示例在一张纸上打印 2 页。

虽然可以用纯 troff 格式编写手册页 (manpage)，但有一些辅助软件包可以创建它。

邮件 (SMTP) 数据应限制为 7 位。因此，二进制数据和 8 位文本数据使用 多用途 Internet 邮件扩展 (MIME) 和字符集选择（请参阅 第 8.3.1 节，“编码基础知识”）编码为 7 位格式。

标准邮件存储格式是根据 RFC2822（更新的 RFC822） 格式化的 mbox。请参阅 mbox(5)（由 mutt 软件包提供）。

对于欧洲语言，由于 8 位字符不多，因此通常将带有 ISO-8859-1 字符集的“Content-Transfer-Encoding: quoted-printable”用于邮件。如果欧洲文本以 UTF-8 编码，则可能会使用 “Content-Transfer-Encoding: quoted-printable”，因为它主要是 7 位数据。

对于日语，传统上通常使用 “Content-Type: text/plain; charset=ISO-2022-JP” 用于邮件，以将文本保持在 7 位。但是较旧的 Microsoft 系统可能会在没有正确声明的情况下以 Shift-JIS 发送邮件数据。如果日语文本以 UTF-8 编码，则很可能会使用 Base64，因为它包含许多 8 位数据。其他亚洲语言的情况类似。

您可以使用 procmail(1) 和 formail(1) 将邮箱内容拆分为每条消息。

可以使用 mpack 软件包中的 munpack(1)（或其他专用工具）解包每封邮件消息，以获取 MIME 编码的内容。