#!/bin/bash
#Script limpalegenda. Retira caracteres desnecessários de legendas srt e mostra informações sobre o arquivo
#Script codificado em utf-8.
#Se você usa o Kurumin ou outra distro em iso8859-1 altere-o com o comando: iconv -f utf-8 -t iso8859-1 nomedestearquivo -o novonome
#escrito por FranciscoLima - faclsp@gmail.com - linuxnomicro.blogspot.com

clear

#verifica se foi passado um arquivo
if [ "$#" -ne 1 ]
then
echo 
echo "Atenção: Você tem que indicar um arquivo!
 DIGITE: limpalegenda nomedoarquivo"
echo  
exit 1
fi

#faz cópia de segurança do arquivo e retira os espaços duplicados;
#triplicados; em branco no final ou no início do arquivo
hora=`date +%H%M%S`
cp -f $1 $1_$hora.bak
sed -e 's/   / /g; s/  / /g; s/^ //g; s/^ //g; s/ \r/\r/g; s/ $//g' $1 >/tmp/$$ 2>/dev/null
mv -f /tmp/$$ $1
echo "Ok: Caracteres desnecessários foram retirados"

#lista informações sobre o arquivo

#quantidade de linhas
quant_linh=`wc -l $1 | cut -d " " -f1 `
echo
echo "Este arquivo tem $quant_linh linhas" 

#calcula o tamanho das linhas do arquivo e mostra as 10 maiores
echo "As 10 maiores linhas são:"
echo  tam - linha -- texto 
#troca as linhas vazias por linhas escrito "bco",
#no redirecionamento do cat são perdidas as linhas vazias, o que atrapalha a contagem das linhas
sed -e 's/^$/bco/g' $1 > /tmp/1$$
n=1
IFS="
"
for i in `cat < /tmp/1$$`
do
quant=${#i}
echo $quant -- $n -- $i >> /tmp/$$
let n++
done
sort -nr /tmp/$$ | head -10
rm -f /tmp/$$
rm -f /tmp/1$$

#ver codificacao do sistema
#ATENÇÂO: Só vai funcionar se a codificação deste script corresponder com a de seu sistema - veja 3ª e 4ª linhas
echo "codificação"> /tmp/cod$$
cod_sis=`file -ib /tmp/cod$$ | cut -d " " -f2 | cut -d "=" -f2`
rm -f /tmp/cod$$

#ver codificacao do arquivo
cod_arq=`file -ib $1 | cut -d " " -f2 | cut -d "=" -f2`
if [ $cod_sis != $cod_arq ]
then
echo
echo "ATENÇÂO:"
echo "Seu sistema está codificado em $cod_sis"
echo "O arquivo $1 em $cod_arq"
echo "Por isso os caracteres estranhos"
fi