od は `\x7f` の後のシンボルをどのように処理しますか?

od は `\x7f` の後のシンボルをどのように処理しますか?

次のコマンドはfrom toodシンボルに渡されます。\x00\xff

$ seq 0 255 | awk '{printf("%c", $0)}' | od -c

しかし、私が得るものは次のとおりです。

0000000  \0 001 002 003 004 005 006  \a  \b  \t  \n  \v  \f  \r 016 017
0000020 020 021 022 023 024 025 026 027 030 031 032 033 034 035 036 037
0000040       !   "   #   $   %   &   '   (   )   *   +   ,   -   .   /
0000060   0   1   2   3   4   5   6   7   8   9   :   ;   <   =   >   ?
0000100   @   A   B   C   D   E   F   G   H   I   J   K   L   M   N   O
0000120   P   Q   R   S   T   U   V   W   X   Y   Z   [   \   ]   ^   _
0000140   `   a   b   c   d   e   f   g   h   i   j   k   l   m   n   o
0000160   p   q   r   s   t   u   v   w   x   y   z   {   |   }   ~ 177
0000200 302 200 302 201 302 202 302 203 302 204 302 205 302 206 302 207
0000220 302 210 302 211 302 212 302 213 302 214 302 215 302 216 302 217
0000240 302 220 302 221 302 222 302 223 302 224 302 225 302 226 302 227
0000260 302 230 302 231 302 232 302 233 302 234 302 235 302 236 302 237
0000300 302 240 302 241 302 242 302 243 302 244 302 245 302 246 302 247
0000320 302 250 302 251 302 252 302 253 302 254 302 255 302 256 302 257
0000340 302 260 302 261 302 262 302 263 302 264 302 265 302 266 302 267
0000360 302 270 302 271 302 272 302 273 302 274 302 275 302 276 302 277
0000400 303 200 303 201 303 202 303 203 303 204 303 205 303 206 303 207
0000420 303 210 303 211 303 212 303 213 303 214 303 215 303 216 303 217
0000440 303 220 303 221 303 222 303 223 303 224 303 225 303 226 303 227
0000460 303 230 303 231 303 232 303 233 303 234 303 235 303 236 303 237
0000500 303 240 303 241 303 242 303 243 303 244 303 245 303 246 303 247
0000520 303 250 303 251 303 252 303 253 303 254 303 255 303 256 303 257
0000540 303 260 303 261 303 262 303 263 303 264 303 265 303 266 303 267
0000560 303 270 303 271 303 272 303 273 303 274 303 275 303 276 303 277
0000600

それ以降のキャラクターには問題はありませんか\x7f

答え1

awk実装に応じて、printf("%c", n)出力バイト値nまたはコードポイントは文字ですn

ロケールの文字セットがUTF-8(出力を参照locale charmap)の場合、0〜127の値に対して同じ結果が生成されます(ここで、文字U + 0000〜U + 007fはバイト値0〜0x7fでエンコードされています)。

awkただし、127を超える場合は、最初のカテゴリ実装の対応するバイト値(8ビットで切り捨て)を取得するか、他のカテゴリ実装のUTF-8エンコーディング(少なくともGNU awk、おそらくあなたが望むもの)を取得します。 )を再利用しています。

gawk 'BEGIN{printf "%c", 8364}'

(8364 は 0x20AC)は UTF-8 で 0xe2 0x82 0xac でエンコードされたユーロ記号 (U+20AC) を印刷します。

mawk 'BEGIN{printf "%c", 8364}'

0xACバイトを印刷します(これは文字なしのUTF-8エンコーディングで、無効なテキストであり、端末で代替文字としてレンダリングされる可能性があります)。

気づくコードポイントこれは通常、マルチバイト文字セットの場合はUnicodeコードポイント、シングルバイト文字セットの場合は文字セット値(つまりバイト値)です。 iso8859-15文字セットを使用するロケールでは、ユーロ記号のコードポイントは0xA4(0x20ACではありません)で、printf("%c", 0xA4)ユーロ記号(バイト値0xA4)は実装に関係なく印刷されますawk

awkしたがって、値(1から255までの値、すべての実装が0で正しく機能しているわけではありません)でバイトを印刷するには、次のようにします。

LC_ALL=C awk 'BEGIN{printf "%c", value}'

C ロケールのキャラクタ・セットは単一バイトが保証され、すべてのシステムに C ロケールがあります。

以下も使用できます。

printf '\200'

(ここでバイト値は8進数で表されます。)一部の実装printfでは16進数もサポートされています。

printf '\x80'

一部のprintf実装では、以下もサポートしています。

printf '\u20ac'

Unicodeコードポイント(通常はロケールの文字セット)に従って文字を印刷します(したがってiso8859-15ロケールでは0xA4、UTF-8ロケールでは0xe2 0x82 0xac、文字セットにユーロ記号がないロケール)。 、一部の人々は、ロケールの文字セットに関係なく、組み込みprintf出力がUTF-8でエンコードされることを好みます。ksh93

関連情報