假设有一个类，比如：
[:digit:]
我希望输出结果是：
0123456789
注意，这个方法应该适用于所有POSIX字符类。以下是我尝试过的内容：
$ printf %s '[:digit:]'
[:digit:]
打印POSIX字符类
5
我希望输出结果是：
- Zombo
1
获取当前语言环境中给定字符类别列表的命令。 - phuclv
6个回答
3
我相信有更好的方法，但这里是一种暴力方法：
for i in {0..127}; do
char=$(printf \\$(printf '%03o' "$i"))
[[ $char =~ [[:alpha:]] ]] && echo "$char"
done
循环遍历所有的十进制字符值，将它们转换为相应的ASCII字符并将其与字符类进行比较测试。
范围可能不正确，但检查似乎有效。
正如其他人在评论中提到的那样，在这种情况下也可以使用"=="运算符而不是"=~"，这可能会稍微快一些。
- Tom Fenech
5
1在我的系统上，这个程序捕获了52个字符，但错过了101487个。 - that other guy
1你可以使用模式匹配运算符
==代替正则表达式运算符=~。 - glenn jackman@glennjackman 很有趣，我不知道那个。那是一个特殊情况吗？ - Tom Fenech
3字符类在模式和正则表达式中都可以使用，这并不是一个特例。 - chepner
@chepner 谢谢，稍后会编辑。我假设
== 更快？ - Tom Fenech2
与其他建议类似，您可以使用以下方法在当前语言环境中找到所有匹配的Unicode 4.0单码位字形：
这种方法存在一些问题，以下是其中的一些（并非全部）：
- 合并字符，例如
更好的方法是尝试解释您平台的区域设置定义文件，但这高度依赖于平台。
for((i=0; i < 0x110000; i++)) {
printf "\U$(printf "%x" $i)\n";
} | grep -a '^[[:alpha:]]$'
这种方法存在一些问题，以下是其中的一些（并非全部）：
- 合并字符，例如
$'E\U0301'，它由两个代码点组成一个字形（此特定序列规范化为单个代码点É）。对于像马拉雅拉姆语这样完全依赖组合的语言，这尤其令人尴尬。
- 它在cntrl类中存在一些问题，具体来说是换行符。
- Ruby字符，我似乎无法在Stack Overflow上呈现。幸运的是，这些通常已被弃用，转而采用适当的标记。
- 它很慢。更好的方法是尝试解释您平台的区域设置定义文件，但这高度依赖于平台。
- that other guy
1
$ seq 126 | awk '{printf "%c", $0}' | grep -o '[[:digit:]]'
0
1
2
3
4
5
6
7
8
9
- Zombo
1
POSIX字符类是内部定义的。对于grep，您可以通过re_format手册找到它们。
我们不再生活在基于ASCII的世界中。例如，您可能会认为[[:digit:]]只包括字符0到9。但是，它也可以包括字符٠到٩或包括字符۰到۹1甚至字符๐到၉。这完全取决于您使用的语言以及如何设置您的计算机。
此外，我们不能再假设一个字符等同于一个字节。字符现在可以包括多字节序列。使用八进制代码表示字符并将其翻译将无法正常工作。
这取决于您的计算机和操作系统。如果您正在使用TRS80或PDP11编写程序，则很可能仍在使用ASCII编码。因此，您可以翻转所有127（或256）种不同的编码数字方式。如果您使用Mac或Linux系统，则很可能使用用UTF8编码表示的Unicode字符点。在Windows上，您可能正在使用256个字符的代码点字符集。默认情况下，在美国是CP1252，但在全球各地有所不同。再一次，Windows也非常擅长使用Unicode和UTF8。但是，Windows在其文件系统内部使用UTF16。
问题在于您简单地无法翻转所有字符。您可以在两个不同的系统上运行shell脚本，并根据环境、计算机和操作系统获得完全不同的结果。
尽管阿拉伯数字和波斯数字看起来相同，但它们涉及两个不同的Unicode字符点，因此是不同的数字。
- David W.
2
2关于在考虑Unicode时
[:digit:]是否包含各种语言中的数字，这是一个很好的观点。字符编码只在考虑解决方案的特定实现时才相关。总的来说，这更像是一个请求澄清原始问题而不是一个答案的评论。 - chepner1我不明白不能翻转字符的观点，因为在不同的系统上是不同的。你是否认为 OP 想要动态确定类中的字符的原因是因为他想硬编码列表并分发它？ - that other guy
0
另一种“同样但不同”的方法，只是因为OP询问了POSIX字符类，而许多响应依赖于非POSIX组件。
据我所知，这种方法是100％的POSIX，尽管我可能会滥用printf和awk。
我不知道这是否适用于所有用例或语言环境，但在“POSIXLY”中，对于0-127，这似乎对我有效。它也通过了shellcheck。
我想你可以根据需要扩展范围。虽然有点冗长，但我认为这是可读性的代价。
只需将:alpha:更改为您选择的类即可。
#!/bin/sh
LC_ALL=C
i=0
true > members
while [ "$i" -le 127 ]
do
echo "$i" | awk '{ printf "%c", $0 }' | awk '/[[:alpha:]]/ { print }'
# echo "$i" | awk '{ printf "%c", $0 }' | grep '[[:alpha:]]'
i=$(( i + 1 ))
done >> members
printf "%s\n" "$(tr -d '\n' < members)"
它还有一个额外的优点，即最终输出可以被修改以用于其他用途。
- Kajukenbo
0
jot比seq更方便和灵活。
jot -s '' 10 0 # print it numerically
jot -s '' -c 10 48 # print it via ASCII ordinals
0123456789
要打印ASCII中的大写和小写字母，请执行以下操作
jot -s '' -c 26 65 # 65 = 9^2 - 4^2 jot -s '' -c 26 97 # 97 = 3^4 + 2^4
ABCDEFGHIJKLMNOPQRSTUVWXYZ
abcdefghijklmnopqrstuvwxyz
这段内容与编程有关。
——————————
更新：以下是如何将gawk匹配POSIX字符类到UTF-8的概述（尽管我认为gawk在几十个方面存在不匹配）：
R = UTF-16rrogate 范围为 D800-DFFF，
通过 floor( codepoint / 2^11 ) == 3^3 进行匹配
| A = alpha
| U = upper
| L = lower
| M = alnuM
| D = digit
| X = xdigit
| G = graph
| P = print
| T = punct
| C = cntrl
| S = space
| B = blank
48 RAU_M_XGP____
160 RAU_M__GP____
48 RA_LM_XGP____
160 RA_LM__GP____
80 R___MDXGP____
256 R______GPT___
8 R_______P__SB
8 R_________CSB
32 R_________CS_
224 R_________C__
1,024 R____________ # surrogates D[8-F][8-F][0-F]
6 _AU_M_XGP____
1,179 _AU_M__GP____
6 _A_LM_XGP____
1,346 _A_LM__GP____
31 _A__M__GP____ # in alpha and alnum but neither case
1 __U____GP____ # only in upper but neither alpha nor alnum
1 ___L___GP____ # only in lower but neither alpha nor alnum
10 ____MDXGP____ # just the ASCII digits matched
5,187 _______GPT___
252,248 _______GP____
18 ________P__SB
2 ________P__S_
6 ________P____ ***
1 __________CSB # horizontal-tab 0x09 \011 \t
5 __________CS_
190 __________C__
851,827 _____________
*** :: 有趣的是，从 gawk 的角度来看，这些属于 [[:print:]] 而不属于 [[:graph:]]
U+ 10B3A | 68,410 | [ ]
U+ 10B3B | 68,411 | [ ]
U+ 10B3C | 68,412 | [ ]
U+ 10B3D | 68,413 | [ ]
U+ 10B3E | 68,414 | [ ]
U+ 10B3F | 68,415 | [ ]
- RARE Kpop Manifesto
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接