☰

printf：多字节字符

tag-icon • tag-icon bash character-encoding printf
printf：多字节字符

当尝试格式化printf涉及包含多字节字符的字符串的输出时，很明显，它printf不计算文字字符，而是计算字节数，如果混合使用单字节和多字节字符，这会使格式化文本变得困难。例如：

$ cat script
#!/bin/bash
declare -a a b
a+=("0")
a+=("00")
a+=("000")
a+=("0000")
a+=("00000")
b+=("0")
b+=("├─00")
b+=("├─000")
b+=("├─0000")
b+=("└─00000")
printf "%-15s|\n" "${a[@]}" "${b[@]}"

$ ./script
0              |
00             |
000            |
0000           |
00000          |
0              |
├─00       |
├─000      |
├─0000     |
└─00000    |

我找到了各种建议的解决方法（主要是使用另一种语言或实用程序来打印文本的包装器）。有没有原生的 bash 解决方案？没有任何记录printf 格式化字符串似乎有帮助。在这种情况下，设置是否locale相关，例如使用 UTF-32 等固定宽度字符编码？

答案1

您可以通过告诉终端将光标移动到所需位置来解决这个问题，而不是计算printf字符数：

$ printf "%s\033[10G-\n" "abc" "├─cd" "└──ef"
abc      -
├─cd     -
└──ef    -

好吧，假设您要打印到终端，那就是......

控制序列在那里<ESC>[nnGnn是要移动到的列，以十进制表示。

当然，如果第一列比分配的空间长，结果就不太好：

$ printf "%s\033[10G-\n" "abcdefghijkl"
abcdefghi-kl

要解决此问题，您可以<ESC>[K在打印以下列之前显式清除该行的其余部分 ( )。

$ printf "%s\033[10G\033[K-\n" "abcdefghijkl"
abcdefghi-

另一种方法是手动进行填充，假设我们有可以确定字符串字符长度的东西。这似乎在 Bash 中适用于简单字符，但当然有点难看。零宽度和双宽度字符可能会破坏它，而且我也没有测试组合字符。

#!/bin/bash
pad() { 
    # parameters:
    #  1: name of variable to pad
    #  2: length to pad to
    local string=${!1}
    local len=${#string}
    printf -v "$1" "%s%$(($2 - len))s" "$string" ""
}
echo "1234567890"
for x in "abc" "├─cd" "└──ef" ; do
    pad x 9
    printf "%s-\n" "$x"
done

输出是：

1234567890
abc      -
├─cd     -
└──ef    -

答案2

这是一个使用的解决方案wc -L。

for i in "${a[@]}" "${b[@]}"
do printf "%s%*s|\n" "$i" "$[15 - $(wc -L <<< "$i")]" ""
done

0              |
00             |
000            |
0000           |
00000          |
0              |
├─00           |
├─000          |
├─0000         |
└─00000        |

wc -L打印输入的显示宽度，因此它也适用于双宽字符等

答案3

我做了一些网络搜索，但我无法在纯 Bash 中找到你的问题的解决方案，我认为可能没有。我发现了以下 StackOverflow 帖子：

这得票最高的答案那里（由用户发布基督) 包括以下内容：

printf是的，这是我所知道的所有版本的问题。我简要讨论了这个问题这个答案并且也在这个。

我还在 Unix StackExchange 上发现了以下帖子：

这接受的解决方案其中包括以下解释：

POSIX需要 printf来%-20s计算这 20 个字节不是人物尽管这和printf打印没什么意义文本，格式化（参见讨论在奥斯汀集团（POSIX）和bash邮件列表）。

看来您想做的事情可能无法实现，printf并且您必须推出自己的解决方案。

我能够使用 Python 脚本生成所需的输出。也许你会发现它很有用：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""script.py"""

# Set the default character encoding to UTF-8
import sys
reload(sys)
sys.setdefaultencoding("utf-8")

# Array of ASCII characters
a=[("0")]
a+=[("00")]
a+=[("000")]
a+=[("0000")]
a+=[("00000")]

# Array of UTF-8 Characters
b=[("0")]
b+=[("├─00")]
b+=[("├─000")]
b+=[("├─0000")]
b+=[("└─00000")]

# Print the elements from both arrays
for x in a + b:
    print (u"%-15s|" % x).encode('utf-8')

这是我运行脚本时得到的结果：

user@host:~$ python script.py

0              |
00             |
000            |
0000           |
00000          |
0              |
├─00           |
├─000          |
├─0000         |
└─00000        |

答案4

为什么 printf 会“缩小”变音符号？有一些适当的解决方案，通过调用适当的工具来做到这一点，因为bash内部缺少该功能或通过切换到不同的 shell，但如果您真的想bash仅使用内置命令来实现它，那么有一些方法可以实现单宽度（可能是多宽度）字节）字符。

$string在 bash 中，就像在所有 POSIX shell 中一样，您可以使用 来获取 a 的字符宽度${#string}，${#string}但在 C 语言环境中可以获取以字节为单位的宽度。

因此，您可以用以下方法来解释差异：

clength() { clength=${#1}; }
blength() { local LC_ALL=C; blength=${#1}; }
align() {
  local format="$1" width="$2" arg blength clength
  shift 2
  for arg do
    clength "$arg"; blength "$arg"
    printf "$format" "$((width + blength - clength))" "$arg"
  done
}

a=(0 00 000 0000 00000)
b=(0 ├─00 ├─000 ├─0000 └─00000)
align '%-*s|\n' 12 "${a[@]}" "${b[@]}"

为了解决零宽度（如组合标记）或双宽度字符，除非bash您准备好在脚本中对此类字符的列表进行硬编码（或使用终端转义序列告诉终端对齐文本（最后一个例子那里， 或者那里）并对所有支持的终端硬编码转义序列，因为bash也没有 terminfo/termcap 的内置接口）。据我所知，zsh 和 ksh93 是唯一内置支持对齐可变显示宽度字符的 shell（示例也在链接的问答）。

相关内容