☰

计算宽度超过 80 列的行数，正确考虑制表符

tag-icon • tag-icon grep
计算宽度超过 80 列的行数，正确考虑制表符

目前，要计算宽度超过 80 列的行，我使用以下命令：

$ git grep -h -c -v '^.\{,80\}$' **/*.{c,h,p{l,y}} \
    |awk 'BEGIN { i=0 } { i+=$1 } END { printf ("%d\n", i) }'
44984

不幸的是，该存储库使用制表符进行缩进，因此grep模式不准确。无论如何，是否有regex像 8 个字符的标准宽度一样的处理选项卡wc -L？

出于这个问题的目的，我们可以假设贡献者有足够的纪律来一致缩进，或者他们有git commit钩子代替纪律。

出于与性能相关的原因，我更喜欢在内部工作的解决方案 git-grep(1)或其他grep工具，无需预处理文件。

答案1

通过管道传输文件来预处理文件expand。该expand实用程序将适当地扩展制表符（在每 8 个字符处使用标准制表符停止位）。

find . -type f \( -name '*.[ch]' -o -name '*.p[ly]' \) -exec expand {} + |
awk 'length > 80 { n++ } END { print n }'

答案2

GNUwc -L不会将 TAB 视为 8 个字符，而是将 TAB 视为在终端中显示，每 8 列有一个 TAB 停止位，因此“宽度”范围为 1 到 8 个字符，具体取决于它们在行中的位置。wc -L还考虑其他字符的显示宽度（无论它们是 0、1 还是 2 列宽）并“正确”处理\f和。\r

$ printf 'abcde\t\n' | wc -L
8

在这里，您可以使用expand（默认情况下也假设每 8 列制表符停止一次，尽管您可以使用选项更改它）将这些制表符扩展为空格：

git grep -h '' ./**/*.{c,h,p{l,y}} | expand | tr '\f\r' '\n\n' | grep -cE '.{81}'

（将 CR（发送到终端时将光标移回行首）和 FF（某些显示设备将其理解为分页符）转换为 LF 以获得与 相同的行为，wc -L但忽略其他行为无论如何，我们无法判断它们会对显示宽度产生什么影响）。

这涵盖了制表符，但不包括单角或双角字符。请注意expand，如果存在多字节字符（更不用说零宽度或双宽度字符），当前的GNU 实现无法正确扩展制表符。

$ printf 'ééééé\t\n' | wc -L
8
$ printf 'ééééé\t\n' | expand | wc -L
11

还请注意，默认情况下会跳过隐藏文件或隐藏目录中的文件。由于括号扩展会扩展到多个 glob，因此如果其中一个 glob 不匹配，./**/*.{c,h,p{l,y}}您也会收到错误（使用zsh或会导致严重错误）。bash -O failglob

对于zsh，您可以使用./**/*.(c|h|p[ly])(D.)which is一glob，其中D包含隐藏文件并.限制常规的文件。

对于考虑字符实际宽度的解决方案（假设所有文本文件都以区域设置的字符编码进行编码），您可以使用：

git grep -h '' ./**/*.(c|h|p[ly])(.) | tr '\r\f' '\n\n' |
  perl -Mopen=locale -MText::Tabs -MText::CharWidth=mbswidth -lne '
    $n++ if mbswidth(expand($_)) > 80;
    END{print 0+$n}'

请注意，至少在 GNU 系统上，mbswidth()将控制字符视为宽度为-1且 1 为expand()。我们假设文件中没有找到除 CR、NL、TAB、FF 之外的控制字符。

答案3

如果我们可以根据你的评论假设标签字符只会出现在行首，那么我们可以将替代字符计算为至少 80 个字符。

  • 无制表符，至少 81 个字符
  • 一个选项卡，至少 73 个字符
  • 两个选项卡，至少 65 个字符
  • ETC。

由此产生的混乱如下，您的awk语句将各个行计数相加以提供总计

git grep -hcP '^(.{81,}|\t.{73,}|\t{2}.{65,}|\t{3}.{57,}|\t{4}.{49,}|\t{5}.{41,}|\t{6}.{33,}|\t{7}.{25,}|\t{8}.{17,}|\t{9}.{9,}|\t{10}.)' **/*.{c,h,p{l,y}} |
    awk '{ i+=$1 } END { printf ("%d\n", i) }'

答案4

解决方案与前任（从六）。虽然很慢。

由于 vi 能够正确处理 UTF-8 数据：

它可以将制表符扩展为空格，将控制字符计为 1，\r \t \f \v正确处理并处理大多数有效的UNICODE 值。包括组合重音 (NKC) 和分解重音 (NKD)，以及来自西里尔文、阿拉伯文、希腊文、中文等的字符。

$ cat script.sh
#!/bin/bash --

declare -i count=0

for i do
    # Set ex script in one variable
    a='set expandtab        "       Expand tabs to spaces
       r '"$i"'             "       Read original file
       g/^.\{,80\}$/d       "       Remove all lines shorter than the value used
       wq                   "       Quit ' 

    o=outfile; :>"$o"           # Clean output file
    ex -s "$o" <<<"$a"          # process lines in $i file
    count+=$(wc -l <"$o")       # count and accumulate number of lines.
done

echo "$count"

调用脚本为：

$ script.sh     **/*.{c,h,p{l,y}}
44984

相关内容