Bagaimana Anda menggemakan karakter Unicode 4 digit di Bash?

Saya ingin menambahkan tengkorak Unicode dan tulang bersilang ke shell prompt saya (khususnya 'TENGKORAK DAN CROSSBON' (U + 2620)), tapi saya tidak tahu mantra sihir untuk membuat gema meludah, atau yang lainnya, Karakter Unicode 4 digit. Yang dua digit itu mudah. Misalnya, gema -e "\ x55",.

Selain jawaban di bawah ini, perlu dicatat bahwa, terminal Anda perlu mendukung Unicode agar hasilnya sesuai dengan yang Anda harapkan. gnome-terminal melakukan tugasnya dengan baik, tetapi ini tidak selalu dihidupkan secara default.

Pada aplikasi Terminal macOS Buka Preferences-> Encodings dan pilih Unicode (UTF-8).

Dalam UTF-8 sebenarnya 6 digit (atau 3 byte).

$ printf '\xE2\x98\xA0'
☠

Untuk memeriksa bagaimana itu dikodekan oleh konsol, gunakan hexdump:

$ printf ☠ | hexdump
0000000 98e2 00a0                              
0000003

% echo -e '\u2620'     # \u takes four hexadecimal digits
☠
% echo -e '\U0001f602' # \U takes eight hexadecimal digits
😂

Ini berfungsi di Zsh (saya sudah memeriksa versi 4.3) dan di Bash 4.2 atau lebih baru.

Selama editor teks Anda dapat mengatasi Unicode (mungkin dikodekan dalam UTF-8) Anda dapat memasukkan titik kode Unicode secara langsung.

Misalnya, dalam editor teks Vim Anda akan masuk ke mode penyisipan dan tekan Ctrl+ V+ Udan kemudian nomor kode-titik sebagai angka heksadesimal 4 digit (pad dengan nol jika perlu). Jadi, Anda akan mengetik Ctrl+ V+U 2 6 2 0 . Lihat: Apa cara termudah untuk memasukkan karakter Unicode ke dalam dokumen?

Di terminal yang menjalankan Bash Anda akan mengetik CTRL+SHIFT + Udan mengetikkan kode-heksadesimal karakter yang Anda inginkan. Selama input, kursor Anda harus menunjukkan garis bawah u. Non-digit pertama yang Anda ketikkan input berakhir, dan merender karakter. Jadi, Anda dapat mencetak U + 2620 di Bash menggunakan yang berikut:

echo CTRL+ SHIFT+U2620ENTERENTER

(Masukan pertama mengakhiri input Unicode, dan yang kedua menjalankan echoperintah.)

Kredit: Tanyakan Ubuntu SE

Berikut ini adalah implementasi Bash sepenuhnya internal, tidak ada forking, ukuran tak terbatas dari karakter Unicode.

fast_chr() {
    local __octal
    local __char
    printf -v __octal '%03o' $1
    printf -v __char \\$__octal
    REPLY=$__char
}

function unichr {
    local c=$1    # Ordinal of char
    local l=0    # Byte ctr
    local o=63    # Ceiling
    local p=128    # Accum. bits
    local s=''    # Output string

    (( c < 0x80 )) && { fast_chr "$c"; echo -n "$REPLY"; return; }

    while (( c > o )); do
        fast_chr $(( t = 0x80 | c & 0x3f ))
        s="$REPLY$s"
        (( c >>= 6, l++, p += o+1, o>>=1 ))
    done

    fast_chr $(( t = p | c ))
    echo -n "$REPLY$s"
}

## test harness
for (( i=0x2500; i<0x2600; i++ )); do
    unichr $i
done

Output adalah:

─━│┃┄┅┆┇┈┉┊┋┌┍┎┏
┐┑┒┓└┕┖┗┘┙┚┛├┝┞┟
┠┡┢┣┤┥┦┧┨┩┪┫┬┭┮┯
┰┱┲┳┴┵┶┷┸┹┺┻┼┽┾┿
╀╁╂╃╄╅╆╇╈╉╊╋╌╍╎╏
═║╒╓╔╕╖╗╘╙╚╛╜╝╞╟
╠╡╢╣╤╥╦╧╨╩╪╫╬╭╮╯
╰╱╲╳╴╵╶╷╸╹╺╻╼╽╾╿
▀▁▂▃▄▅▆▇█▉▊▋▌▍▎▏
▐░▒▓▔▕▖▗▘▙▚▛▜▝▞▟
■□▢▣▤▥▦▧▨▩▪▫▬▭▮▯
▰▱▲△▴▵▶▷▸▹►▻▼▽▾▿
◀◁◂◃◄◅◆◇◈◉◊○◌◍◎●
◐◑◒◓◔◕◖◗◘◙◚◛◜◝◞◟
◠◡◢◣◤◥◦◧◨◩◪◫◬◭◮◯
◰◱◲◳◴◵◶◷◸◹◺◻◼◽◾◿

Masukkan "☠" ke dalam skrip shell Anda. Di tempat yang benar dan di konsol yang mendukung Unicode, ia akan mencetak dengan baik:

$ echo ☠
☠
$

"Pemecahan masalah" yang jelek akan menghasilkan urutan UTF-8, tetapi itu juga tergantung pada pengkodean yang digunakan:

$ echo -e '\xE2\x98\xA0'
☠
$

Satu garis cepat untuk mengkonversi karakter UTF-8 ke dalam format 3-byte:

var="$(echo -n '☠' | od -An -tx1)"; printf '\\x%s' ${var^^}; echo

Saya menggunakan ini:

$ echo -e '\u2620'
☠

Ini lebih mudah daripada mencari representasi hex ... Saya menggunakan ini dalam skrip shell saya. Itu bekerja pada AFAIK istilah-gnome dan urxvt.

Anda mungkin perlu menyandikan titik kode sebagai oktal agar ekspansi yang cepat dapat mendekodekannya dengan benar.

U + 2620 disandikan sebagai UTF-8 adalah E2 98 A0.

Jadi di Bash,

export PS1="\342\230\240"

akan membuat cangkang Anda menjadi tengkorak dan tulang.

Dalam bash untuk mencetak karakter Unicode ke output gunakan \ x, \ u atau \ U (pertama untuk 2 digit hex, kedua untuk hex 4 digit, ketiga untuk panjang apa pun)

echo -e '\U1f602'

Saya ingin menetapkannya ke variabel, gunakan sintaks $ '...'

x=$'\U1f602'
echo $x

Jika Anda tidak keberatan dengan Perl one-liner:

$ perl -CS -E 'say "\x{2620}"'
☠

-CSmemungkinkan UTF-8 decoding pada input dan encoding UTF-8 pada output. -Emengevaluasi argumen berikutnya sebagai Perl, dengan fitur-fitur modern seperti saydiaktifkan. Jika Anda tidak ingin baris baru di bagian akhir, gunakan printsebagai ganti say.

Salah satu dari tiga perintah ini akan mencetak karakter yang Anda inginkan di konsol, asalkan konsol tersebut menerima karakter UTF-8 (sebagian besar saat ini melakukannya):

echo -e "SKULL AND CROSSBONES (U+2620) \U02620"
echo $'SKULL AND CROSSBONES (U+2620) \U02620'
printf "%b" "SKULL AND CROSSBONES (U+2620) \U02620\n"

SKULL AND CROSSBONES (U+2620) ☠

Setelah itu, Anda dapat menyalin dan menempelkan mesin terbang (gambar, karakter) yang sebenarnya ke editor teks apa pun (yang diaktifkan UTF-8).

Jika Anda perlu melihat bagaimana Unicode Code Point dikodekan dalam UTF-8, gunakan xxd (hex viewer yang jauh lebih baik daripada od):

echo $'(U+2620) \U02620' | xxd
0000000: 2855 2b32 3632 3029 20e2 98a0 0a         (U+2620) ....

That means that the UTF8 encoding is: e2 98 a0

Atau, dalam HEX untuk menghindari kesalahan: 0xE2 0x98 0xA0. Yaitu, nilai-nilai antara spasi (HEX 20) dan Line-Feed (Hex 0A).

Jika Anda ingin terjun lebih dalam ke konversi angka menjadi karakter: lihat di sini untuk melihat artikel dari wiki Greg (BashFAQ) tentang pengkodean ASCII di Bash!

The printfbuiltin (hanya sebagai coreutils' printf) tahu \uurutan escape yang menerima 4 digit Unicode karakter:

   \uHHHH Unicode (ISO/IEC 10646) character with hex value HHHH (4 digits)

Tes dengan Bash 4.2.37 (1):

$ printf '\u2620\n'
☠

Maaf telah menghidupkan kembali pertanyaan lama ini. Tetapi ketika menggunakan bashada pendekatan yang sangat mudah untuk membuat Unicode codepoint dari input ASCII biasa, yang bahkan tidak bercabang sama sekali:

unicode() { local -n a="$1"; local c; printf -vc '\\U%08x' "$2"; printf -va "$c"; }
unicodes() { local a c; for a; do printf -vc '\\U%08x' "$a"; printf "$c"; done; };

Gunakan sebagai berikut untuk menentukan titik-titik kode tertentu

unicode crossbones 0x2620
echo "$crossbones"

atau untuk membuang 65536 unicode codepoints ke stdout (membutuhkan waktu kurang dari 2 pada mesin saya. Ruang tambahan adalah untuk mencegah karakter tertentu saling mengalir karena font monospace shell):

for a in {0..65535}; do unicodes "$a"; printf ' '; done

atau untuk menceritakan kisah orang tua yang sangat tipikal (ini membutuhkan Unicode 2010):

unicodes 0x1F6BC 32 43 32 0x1F62D 32 32 43 32 0x1F37C 32 61 32 0x263A 32 32 43 32 0x1F4A9 10

Penjelasan:

• printf '\UXXXXXXXX' mencetak karakter Unicode
• printf '\\U%08x' numbermencetak \UXXXXXXXXdengan nomor yang dikonversi ke Hex, ini kemudian diumpankan ke yang lainprintf untuk benar-benar mencetak karakter Unicode
• printf mengenali oktal (0oct), hex (0xHEX) dan desimal (0 atau angka dimulai dengan 1 hingga 9) sebagai angka, sehingga Anda dapat memilih representasi mana yang paling cocok
• printf -v var ..mengumpulkan keluaran printfmenjadi variabel, tanpa garpu (yang sangat mempercepat hal-hal)
• local variable ada di sana untuk tidak mencemari namespace global
• local -n var=otheralias varuntuk other, tugas seperti itu untuk varalter other. Satu bagian yang menarik di sini adalah, itu varadalah bagian dari namespace lokal, sementaraother adalah bagian dari namespace global.
  • Harap perhatikan bahwa tidak ada yang namanya localatau globalnamespace di bash. Variabel disimpan di lingkungan, dan itu selalu bersifat global. Lokal hanya membuang nilai saat ini dan mengembalikannya ketika fungsi dibiarkan lagi. Fungsi-fungsi lain yang dipanggil dari dalam fungsi dengan localmasih akan melihat nilai "lokal". Ini adalah konsep yang secara fundamental berbeda dari semua aturan pelingkupan normal yang ditemukan dalam bahasa lain (dan apa yang bashdilakukannya sangat kuat tetapi dapat menyebabkan kesalahan jika Anda seorang programmer yang tidak menyadarinya).

Berikut adalah daftar semua emoji unicode yang tersedia:

https://en.wikipedia.org/wiki/Emoji#Unicode_blocks

Contoh:

echo -e "\U1F304"
🌄

Untuk mendapatkan nilai ASCII dari karakter ini gunakan hexdump

echo -e "🌄" | hexdump -C

00000000  f0 9f 8c 84 0a                                    |.....|
00000005

Dan kemudian gunakan nilai-nilai yang diinformasikan dalam format hex

echo -e "\xF0\x9F\x8C\x84\x0A"
🌄

Berdasarkan pada pertanyaan Stack Overflow , potong Unix, hapus token pertama dan https://stackoverflow.com/a/15903654/781312 :

(octal=$(echo -n ☠ | od -t o1 | head -1 | cut -d' ' -f2- | sed -e 's#\([0-9]\+\) *#\\0\1#g')
echo Octal representation is following $octal
echo -e "$octal")

Outputnya adalah sebagai berikut.

Octal representation is following \0342\0230\0240
☠

Mudah dengan Python2 / 3 one-liner:

$ python -c 'print u"\u2620"'    # python2
$ python3 -c 'print(u"\u2620")'  # python3

Hasil dalam:

☠

Di Bash:

UnicodePointToUtf8()
{
    local x="$1"               # ok if '0x2620'
    x=${x/\\u/0x}              # '\u2620' -> '0x2620'
    x=${x/U+/0x}; x=${x/u+/0x} # 'U-2620' -> '0x2620'
    x=$((x)) # from hex to decimal
    local y=$x n=0
    [ $x -ge 0 ] || return 1
    while [ $y -gt 0 ]; do y=$((y>>1)); n=$((n+1)); done
    if [ $n -le 7 ]; then       # 7
        y=$x
    elif [ $n -le 11 ]; then    # 5+6
        y=" $(( ((x>> 6)&0x1F)+0xC0 )) \
            $(( (x&0x3F)+0x80 ))" 
    elif [ $n -le 16 ]; then    # 4+6+6
        y=" $(( ((x>>12)&0x0F)+0xE0 )) \
            $(( ((x>> 6)&0x3F)+0x80 )) \
            $(( (x&0x3F)+0x80 ))"
    else                        # 3+6+6+6
        y=" $(( ((x>>18)&0x07)+0xF0 )) \
            $(( ((x>>12)&0x3F)+0x80 )) \
            $(( ((x>> 6)&0x3F)+0x80 )) \
            $(( (x&0x3F)+0x80 ))"
    fi
    printf -v y '\\x%x' $y
    echo -n -e $y
}

# test
for (( i=0x2500; i<0x2600; i++ )); do
    UnicodePointToUtf8 $i
    [ "$(( i+1 & 0x1f ))" != 0 ] || echo ""
done
x='U+2620'
echo "$x -> $(UnicodePointToUtf8 $x)"

Keluaran:

─━│┃┄┅┆┇┈┉┊┋┌┍┎┏┐┑┒┓└┕┖┗┘┙┚┛├┝┞┟
┠┡┢┣┤┥┦┧┨┩┪┫┬┭┮┯┰┱┲┳┴┵┶┷┸┹┺┻┼┽┾┿
╀╁╂╃╄╅╆╇╈╉╊╋╌╍╎╏═║╒╓╔╕╖╗╘╙╚╛╜╝╞╟
╠╡╢╣╤╥╦╧╨╩╪╫╬╭╮╯╰╱╲╳╴╵╶╷╸╹╺╻╼╽╾╿
▀▁▂▃▄▅▆▇█▉▊▋▌▍▎▏▐░▒▓▔▕▖▗▘▙▚▛▜▝▞▟
■□▢▣▤▥▦▧▨▩▪▫▬▭▮▯▰▱▲△▴▵▶▷▸▹►▻▼▽▾▿
◀◁◂◃◄◅◆◇◈◉◊○◌◍◎●◐◑◒◓◔◕◖◗◘◙◚◛◜◝◞◟
◠◡◢◣◤◥◦◧◨◩◪◫◬◭◮◯◰◱◲◳◴◵◶◷◸◹◺◻◼◽◾◿
U+2620 -> ☠

Jika nilai hex karakter unicode diketahui

H="2620"
printf "%b" "\u$H"

Jika nilai desimal karakter unicode diketahui

declare -i U=2*4096+6*256+2*16
printf -vH "%x" $U              # convert to hex
printf "%b" "\u$H"