8

有几种特定于 shell 的方法可以在字符串中包含“unicode 文字”。例如，在 Bash 中，带引号的字符串扩展机制$''允许我们直接嵌入一个不可见字符：$'\u2620'.

但是，如果您尝试编写通用的跨平台 shell 脚本（通常，这可以被截断为“在 Bash、Zsh 和 Dash 中运行”），这不是一个可移植的特性。

我可以使用如下构造可移植地实现 ASCII 表（八进制数空间）中的任何内容：

WHAT_A_CHARACTER="$(printf '\036')"

…但是，POSIX / Dashprintf仅支持八进制转义。

显然，我还可以通过将任务转移到更完整的编程环境来实现完整的 Unicode 空间：

OH_CAPTAIN_MY_CAPTAIN="$(ruby -e 'print "\u2388"')"
TAKE_ME_OUT_TONIGHT="$(node -e 'console.log("\u266C")')"

那么：将这样的字符编码为shell脚本的最佳方法是什么，即：

  1. 适用于dash,bash和zsh,
  2. 显示代码中代码点的十六进制编码，
  3. 不依赖于字符串的特定编码（即不通过以八进制编码 UTF-8 字节）
  4. 最后，不需要调用任何“重”解释器。（比方说，少于 0.01 秒的运行时间。）
4

2 回答 2

11

如果您printf安装了 Gnu（例如，它在 debian packagecoreutils中），那么您可以通过避免使用 shell 的内置命令来独立于您使用的 shell：

env printf '\u2388\n'

在这里，我使用 Posix 标准env命令来避免使用printf内置命令，但如果您碰巧知道在哪里printf，您可以直接使用完整路径来执行此操作，例如

/usr/bin/printf '\u2388\n'

如果你的外部printf和你的 shell 的内置printf都只实现 Posix 标准，你需要更加努力。一种可能性是用于iconv转换为 UTF-8，但是虽然 Posix 标准要求有一个命令iconv，但它并没有以任何方式规定标准编码的命名方式。我认为以下内容将适用于大多数与 Posix 兼容的平台，但创建的子 shell 的数量可能足以使其效率低于“重型”脚本解释器：

printf $(printf '\\%o' $(printf %08x 0x2388 | sed 's/../0x& /g')) |
iconv -f UTF-32BE -t UTF-8

上面使用printf内置函数将十六进制代码点值强制为 8 个十六进制数字长，然后sed将它们重写为 4 个十六进制常量，然后printf再次将十六进制常量更改为八进制表示法，最后printf将八进制字符常量解释为四字节序列，可以iconv作为大端 UTF-32 输入。（使用printf识别\x转义码的 a 会更简单，但 Posix 不需要，dash也没有实现它。）

您可以不加修改地使用该行打印多个符号，只要您为所有符号提供 Unicode 代码点（作为整数常量）（在 中执行的示例dash）：

$ printf $(printf '\\%o' $(printf %08x 0x2388 0x266c 0xA |
>                          sed 's/../0x& /g')) |
> iconv -f UTF-32BE -t UTF-8
⎈♬
$

注意：正如 Geoff Nixon 在评论中提到的那样，鱼壳（它与 Posix 标准相去甚远，据我所知，它没有要求符合）将抱怨未引用的%08x格式参数printf，因为它需要以开头的单词%成为工作规范。因此，如果您使用 fish，请在格式参数中添加引号。

于 2014-12-26T15:37:41.053 回答
-3

我会去

echo -e "\xc3\xb6"

检查一下：

~ $ echo -e "\xc3\xb6"
ö
~ $ echo -n ö | hexdump
0000000 b6c3                                   
0000002
于 2014-12-26T07:12:56.733 回答