Отримайте ширину відображення рядка символів

Що було б найближчим до портативного способу отримати ширину відображення (принаймні, на терміналі (такий, який відображає символи в поточній локалі з правильною шириною)) рядка символів із сценарію оболонки.

Мене насамперед цікавить ширина символів без контролю, але також вітаються рішення, що враховують символи управління, такі як зворотний простір, повернення каретки, горизонтальна таблиця.

Іншими словами, я шукаю API оболонки навколоwcswidth() POSIX.

Ця команда повинна повернути:

$ that-command 'ｕｎｉｘ'   # 4 fullwidth characters
8
$ that-command 'Stéphane' # 9 characters, one of which zero-width
8
$ that-command 'もで 諤奯ゞ' # 5 double-width Japanese characters and a space
11

Можна використати ksh93's, printf '%<n>Ls'яка враховує ширину символів для вкладки в <n>стовпці, або colкоманду (наприклад, printf '++%s\b\b--\n' <character> | col -bдля того, щоб спробувати це зробити, є текст :: CharWidthperl принаймні є модуль , але є більш прямі або портативні підходи.

Це більш-менш подальше запитання щодо іншого питання, яке стосувалося відображення тексту в правій частині екрана, для якого вам потрібно мати цю інформацію, перш ніж відображати текст.

У емуляторі терміналу можна використовувати звіт про положення курсору для отримання до / після позицій, наприклад, з

...record position
printf '%s' $string
...record position

і знайти, наскільки широкі символи надруковані на терміналі. Оскільки контрольна послідовність ECMA-48 (як і VT100), підтримувана майже будь-яким терміналом, який ви, ймовірно, використовуєте, він досить портативний.

Для довідки

• Послідовності керування XTerm

    CSI Ps n Звіт про стан пристрою (DSR).
              ...
                Ps = 6 -> Повідомити про позицію курсора (CPR) [рядок; стовпець].
              Результат - CSI r; c R

• консольні_коди (4)
• Стандарт ECMA-48: Функції управління для наборів кодованих символів

Зрештою, термінальний емулятор визначає ширину для друку через такі фактори:

• Параметри локалі впливають на спосіб форматування рядка, але ряд байтів, що надсилаються до терміналу, інтерпретуються залежно від налаштування терміналу (зазначаючи, що деякі люди будуть стверджувати, що це повинен бути UTF-8, а з іншого боку переносимість була функцією, яку вимагають у запитанні).
• wcswidthпоодинці не розповідає, як обробляються символи поєднання; POSIX не згадує цей аспект в описі цієї функції.
• деякі символи (наприклад, малювання рядків), які можна прийняти як єдину ширину, є (в Unicode) "неоднозначною шириною", що підриває портативність програми, використовуючи wcswidthпоодинці (див., наприклад, Розділ 2. Налаштування Cygwin ). xtermнаприклад, передбачено можливість вибору символів подвійної ширини для необхідних для цього конфігурацій.
• щоб обробляти що-небудь, крім символів для друку, вам доведеться покластися на емулятор терміналу (якщо ви не хочете імітувати це).

Виклики API Shell wcswidthпідтримуються в різній мірі:

• Текст :: CharWidth - Отримайте кількість зайнятих стовпців рядка на терміналі

  Цей модуль забезпечує функції, схожі на wcwidth (3) та wcswidth (3) мовою C.

• дискусія для Рубі
• API для Python

Вони є більш-менш прямими: імітація wcswidthу випадку Perl, виклик C часу виконання від Ruby та Python. Ви можете навіть використовувати прокльони, наприклад, з Python (який би обробляв поєднання символів):

• ініціалізувати термінал за допомогою setupterm (жоден текст не записується на екран)
• використовувати filterфункцію (для одиночних рядків)
• намалюйте текст на початку рядка addstr, перевіривши на помилку (якщо він занадто довгий), а потім на кінцеву позицію
• якщо є місце, відрегулюйте вихідне положення.
• дзвінок endwin(який не повинен робити refresh)
• записати отриману інформацію про вихідну позицію на стандартний вихід

Використання прокльонів для виведення (а не подача інформації назад до сценарію або безпосередньо виклик tput) очистить весь рядок ( filterне обмежує його рядком).

Для однорядкових рядків реалізація GNU wcмає опцію -L(aka --max-line-length), яка робить саме те, що ви шукаєте (крім контрольних символів).

У своєму .profile, я закликаю скрипт для визначення ширини рядка на терміналі. Я використовую це під час входу на консоль машини, де я не довіряю набору систем LC_CTYPE, або коли я входжу віддалено і не можу довіряти LC_CTYPEвідповідності віддаленій стороні. Мій скрипт запитує термінал, а не викликає будь-яку бібліотеку, оскільки це було суть у моєму випадку використання: визначити кодування терміналу.

Це неміцно кількома способами:

• він модифікує дисплей, тому не дуже приємно користувачеві;
• є умова гонки, якщо інша програма відображає щось у неправильний час;
• він блокується, якщо термінал не реагує. (Кілька років тому я запитав, як покращити це , але на практиці це не було великою проблемою, тому я ніколи не переходив до переходу на це рішення. Єдиний випадок, з яким я стикався з терміналом, який не відповідає Windows Emacs, що отримує доступ до віддалених файлів з машини Linux за допомогою plinkметоду, і я вирішив його, використовуючи plinkxметод замість цього .)

Це може не відповідати вашому випадку використання.

#! /bin/sh

if [ z"$ZSH_VERSION" = z ]; then :; else
  emulate sh 2>/dev/null
fi
set -e

help_and_exit () {
  cat <<EOF
Usage: $0 {-NUMBER|TEXT}
Find out the width of TEXT on the terminal.

LIMITATION: this program has been designed to work in an xterm. Only
xterm and sufficiently compatible terminals will work. If you think
this program may be blocked waiting for input from the the terminal,
try entering the characters "0n0n" (digit 0, lowercase letter n,
repeat).

Display TEXT and erase it. Find out the position of the cursor before
and after displaying TEXT so as to compute the width of TEXT. The width
is returned as the exit code of the program. A value of 100 is returned if
the text is wider than 100 columns.

TEXT may contain backslash-escapes: \\0DDD represents the byte whose numeric
value is DDD in octal. Use '\\\\' to include a single backslash character.

You may use -NUMBER instead of TEXT (if TEXT begins with a dash, use
"-- TEXT"). This selects one of the built-in texts that are designed
to discriminate between common encodings. The following table lists
supported values of NUMBER (leftmost column) and the widths of the
sample text in several encodings.

  1  ASCII=0 UTF-8=2 latinN=3 8bits=4
EOF
  exit
}

builtin_text () {
  case $1 in
    -*[!0-9]*)
      echo 1>&2 "$0: bad number: $1"
      exit 119;;
    -1) # UTF8: {\'E\'e}; latin1: {\~A\~A\copyright}; ASCII: {}
      text='\0303\0211\0303\0251';;
    *)
      echo 1>&2 "$0: there is no text number $1. Stop."
      exit 118;;
  esac
}

text=
if [ $# -eq 0 ]; then
  help_and_exit 1>&2
fi
case "$1" in
  --) shift;;
  -h|--help) help_and_exit;;
  -[0-9]) builtin_text "$1";;
  -*)
    echo 1>&2 "$0: unknown option: $1"
    exit 119
esac
if [ z"$text" = z ]; then
  text="$1"
fi

printf "" # test that it is there (abort on very old systems)

csi='\033['
dsr_cpr="${csi}6n" # Device Status Report --- Report Cursor Position
dsr_ok="${csi}5n" # Device Status Report --- Status Report

stty_save=`stty -g`
if [ z"$stty_save" = z ]; then
  echo 1>&2 "$0: \`stty -g' failed ($?)."
  exit 3
fi
initial_x=
final_x=
delta_x=

cleanup () {
  set +e
  # Restore terminal settings
  stty "$stty_save"
  # Restore cursor position (unless something unexpected happened)
  if [ z"$2" = z ]; then
    if [ z"$initial_report" = z ]; then :; else
      x=`expr "${initial_report}" : "\\(.*\\)0"`
      printf "%b" "${csi}${x}H"
    fi
  fi
  if [ z"$1" = z ]; then
    # cleanup was called explicitly, so don't exit.
    # We use `trap : 0' rather than `trap - 0' because the latter doesn't
    # work in older Bourne shells.
    trap : 0
    return
  fi
  exit $1
}
trap 'cleanup 120 no' 0
trap 'cleanup 129' 1
trap 'cleanup 130' 2
trap 'cleanup 131' 3
trap 'cleanup 143' 15

stty eol 0 eof n -echo
printf "%b" "$dsr_cpr$dsr_ok"
initial_report=`tr -dc \;0123456789`
# Get the initial cursor position. Time out if the terminal does not reply
# within 1 second. The trick of calling tr and sleep in a pipeline to put
# them in a process group, and using "kill 0" to kill the whole process
# group, was suggested by Stephane Gimenez at
# /unix/10698/timing-out-in-a-shell-script
#trap : 14
#set +e
#initial_report=`sh -c 'ps -t $(tty) -o pid,ppid,pgid,command >/tmp/p;
#                       { tr -dc \;0123456789 >&3; kill -14 0; } |
#                       { sleep 1; kill -14 0; }' 3>&1`
#set -e
#initial_report=`{ sleep 1; kill 0; } |
#                { tr -dc \;0123456789 </dev/tty; kill 0; }`
if [ z"$initial_report" = z"" ]; then
  # We couldn't read the initial cursor position, so abort.
  cleanup 120
fi
# Write some text and get the final cursor position.
printf "%b%b" "$text" "$dsr_cpr$dsr_ok"
final_report=`tr -dc \;0123456789`

initial_x=`expr "$initial_report" : "[0-9][0-9]*;\\([0-9][0-9]*\\)0" || test $? -eq 1`
final_x=`expr "$final_report" : "[0-9][0-9]*;\\([0-9][0-9]*\\)0" || test $? -eq 1`
delta_x=`expr "$final_x" - "$initial_x" || test $? -eq 1`

cleanup
# Zsh has function-local EXIT traps, even in sh emulation mode. This
# is a long-standing bug.
trap : 0

if [ $delta_x -gt 100 ]; then
  delta_x=100
fi
exit $delta_x

Сценарій повертає ширину у своєму статусі повернення, відсікаючи до 100. Використання зразка:

widthof -1
case $? in
  0) export LC_CTYPE=C;; # 7-bit charset
  2) locale_search .utf8 .UTF-8;; # utf8
  3) locale_search .iso88591 .ISO8859-1 .latin1 '';; # 8-bit with nonprintable 128-159, we assume latin1
  4) locale_search .iso88591 .ISO8859-1 .latin1 '';; # some full 8-bit charset, we assume latin1
  *) export LC_CTYPE=C;; # weird charset
esac

Ерік Прутт написав вражаючу реалізацію wcwidth()та wcswidth()в Awk, доступному на сайті wcwidth.awk . В основному передбачено 4 функції

wcscolumns(), wcstruncate(), wcwidth(), wcswidth()

де wcscolumns()також переносить символи, що не друкуються.

$ cat wcscolumns.awk 
{ printf "%d\n", wcscolumns($0) }
$ awk -f wcwidth.awk -f wcscolumns.awk <<< 'ｕｎｉｘ'
8
$ awk -f wcwidth.awk -f wcscolumns.awk <<< 'Stéphane'
8
$ awk -f wcwidth.awk -f wcscolumns.awk <<< 'もで 諤奯ゞ'
11
$ awk -f wcwidth.awk -f wcscolumns.awk <<< $'My sign is\t鼠鼠'
14

Я відкрив питання з проханням про звернення з ТКС , так як wcscolumns($'My sign is\t鼠鼠')має бути більше , ніж 14 Update: Ерік додав функцію wcsexpand()для розширення ТКС просторів:

$ cat >wcsexpand.awk 
{ printf "%d\n", wcscolumns( wcsexpand($0, 8) ) }
$ awk -f wcwidth.awk -f wcsexpand.awk <<< $'My sign is\t鼠鼠'
20
$ echo $'鼠\tone\n鼠鼠\ttwo'
鼠      one
鼠鼠    two
$ awk -f wcwidth.awk -f wcsexpand.awk <<< $'鼠\tone\n鼠鼠\ttwo'
11
11

Для того, щоб розширити свою присутність на натяки на можливі рішення , використовуючи colі ksh93в моєму питанні:

Використовуючи colвід bsdmainutilsDebian (може не працювати з іншими colреалізаціями), щоб отримати ширину одного символу, що не контролює:

charwidth() {
  set "$(printf '...%s\b\b...\n' "$1" | col -b)"
  echo "$((${#1} - 4))"
}

Приклад:

$ charwidth x
1
$ charwidth $'\u301'
0
$ charwidth $'\u94f6'
2

Розширено для рядка:

stringwidth() {
   awk '
     BEGIN{
       s = ARGV[1]
       l = length(s)
       for (i=0; i<l; i++) {
         s1 = s1 ".."
         s2 = s2 "\b\b"
       }
       print s1 s s2 s1
       exit
     }' "$1" | col -b | awk '
        {print length - 2 * length(ARGV[2]); exit}' - "$1"
}

Використання ksh93's printf '%Ls':

charwidth() {
  set "$(printf '.%2Ls.' "$1")"
  echo "$((5 - ${#1}))"
}

stringwidth() {
  set "$(printf '.%*Ls.' "$((2*${#1}))" "$1")" "$1"
  echo "$((2 + 3 * ${#2} - ${#1}))"
}

Використання perl's Text::CharWidth:

stringwidth() {
  perl -MText::CharWidth=mbswidth -le 'print mbswidth shift' "$@"
}