☰

使用带有字符范围的 tr 命令

tag-icon • tag-icon encoding tr
使用带有字符范围的 tr 命令

在过去的几个月里，我一直在 William E. Shotts 的帮助下学习命令行Linux 命令行。 Linux 命令行对于想要了解更多 Linux 命令行的新手来说，这本书仍然是一本受欢迎的书。

其中一章介绍了该tr命令。书中说，字符集可以用以下三种方式之一构建：枚举列表，例如ABCDEFGHIJKLMNOPQRSTUVWXYZ；字符范围，例如A-Z；以及 POSIX 字符类，例如[:upper:]。

我不明白的部分是，书中告诉读者要谨慎使用字符集的字符范围，因为区域设置的排序顺序，并建议读者改用 POSIX 字符类。

我个人从未遇到过使用字符范围的问题，A-Z例如

echo "lowercase letters" | tr a-z A-Z

那么为什么我应避免使用字符范围而使用 POSIX 字符类呢？

如果你想知道，我的语言环境是 en_US.UTF-8。

答案1

您使用的是 UTF-8。耶！ASCII 以及 UTF-8（因为 UTF 人员试图使其成为 ASCII 的超集）的字母按字母顺序排列，没有间隙，因此a-z包含所有常规小写字符，而不包含其他任何内容，依此类推。

然而，在其他编码上，情况不一定如此。经典的例子是EBCDIC：

字母之间的间隙使得在 ASCII 中有效的简单代码在 EBCDIC 中失效。例如，在 ASCII 字母表中for (c='A';c<='Z';++c)会设置c为 26 个字母，但在 EBCDIC 中会设置为 40 个字符（包括许多未分配的字符）。解决这个问题需要使用函数调用使代码复杂化，这遭到了程序员的强烈抵制。

我想没有人再使用这种奇怪的东西了，但是谁知道呢？

据我所知，GNU tr 不支持 Unicode，但对于支持的程序，[[:upper:]]也会匹配被视为大写字母的 Unicode 字符，例如全角“Ａ”或带重音符号的 A：À。

$ printf "%s\n" A a Ａ À | grep '[[:upper:]]'
A
Ａ
À
$ printf "%s\n" A a Ａ À | grep '[A-Z]'   # I'm also using Unicode, so grep tries to be friendly
A
À
$ printf "%s\n" A a Ａ À | LC_ALL=C grep '[A-Z]'
A

相关内容