青空文庫のルビを消しUTF-8にする

はじめに

大量の文章が置いてある青空文庫は色々と遊べて楽しいのですが、サイトから直接手に入るテキストはutf-8ではなくまた《》でルビが振ってあるためすこし使いづらいです。
なのでルビを消しutf-8に変化するスクリプトを作りました。

スクリプト

aozoraEncoder.sh

#!/bin/sh
nkf -w -Lu $1 > m.txt
cat m.txt | ruby -e 'puts ARGF.read.gsub(/｜/, "").gsub(/《.+?》/,"").gsub(/［.+?］/,"")'
rm -f m.txt

作成後以下を実行してください。

chmod u+x aozoraEncoder.sh

使い方

aozoraEncoder.sh input.txt > output.txt