Uzyskaj szerokość wyświetlania ciągu znaków

Jaki byłby najbliższy przenośny sposób uzyskania szerokości wyświetlania (co najmniej na terminalu (takim, który wyświetla znaki w bieżących ustawieniach regionalnych o właściwej szerokości)) ciągu znaków ze skryptu powłoki.

Interesuje mnie przede wszystkim szerokość znaków niekontrolowanych, ale mile widziane są również rozwiązania uwzględniające znaki sterujące, takie jak backspace, powrót karetki, tabulacja pozioma.

Innymi słowy, szukam API powłoki wokół wcswidth()funkcji POSIX.

To polecenie powinno zwrócić:

$ 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

Można użyć ksh93„s printf '%<n>Ls', która bierze pod uwagę szerokość znaków dla dopełnienia do <n>kolumn, lub colpolecenie (z na przykład printf '++%s\b\b--\n' <character> | col -b), aby spróbować i czerpać że istnieje Text :: CharWidth perlmoduł co najmniej, ale są tam bardziej bezpośrednie lub przenośne podejścia.

Jest to mniej więcej kontynuacja tego drugiego pytania, które dotyczyło wyświetlania tekstu po prawej stronie ekranu, dla którego musisz mieć te informacje przed wyświetleniem tekstu.

W emulatorze terminali można użyć raportu pozycji kursora, aby uzyskać pozycje przed / po, np. Z

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

i sprawdź, jak szerokie są znaki drukowane na terminalu. Ponieważ jest to sekwencja kontrolna ECMA-48 (a także VT100) obsługiwana przez prawie każdy terminal, którego prawdopodobnie będziesz używać, jest dość przenośny.

Na przykład

• Sekwencje kontroli XTerm

    CSI Ps n Raport o stanie urządzenia (DSR).
              ...
                Ps = 6 -> Zgłoś pozycję kursora (RKO) [wiersz; kolumna].
              Wynik to CSI r; c R

• console_codes (4)
• Standardowy ECMA-48: Funkcje kontrolne dla kodowanych zestawów znaków

Ostatecznie emulator terminala określa szerokość drukowania, z powodu następujących czynników:

• ustawienia regionalne wpływają na sposób formatowania łańcucha, ale seria bajtów wysyłanych do terminala jest interpretowana na podstawie konfiguracji terminala (zauważając, że niektórzy twierdzą, że musi to być UTF-8, z drugiej strony przenośność była funkcją wymaganą w pytaniu).
• wcswidthsam nie mówi, jak traktowane są łączące postacie; POSIX nie wspomina o tym aspekcie w opisie tej funkcji.
• niektóre znaki (na przykład rysowanie linii), które można uznać za pewną pojedynczą szerokość, są (w Unicode) „niejednoznaczną szerokością”, co podważa przenośność aplikacji używającej wcswidthsamej (patrz na przykład Rozdział 2. Konfiguracja Cygwin ). xtermna przykład ma możliwość wyboru znaków o podwójnej szerokości dla potrzebnych konfiguracji.
• aby obsłużyć cokolwiek innego niż drukowalne znaki, musisz polegać na emulatorze terminali (chyba że chcesz to zasymulować).

Połączenia API powłoki wcswidthsą obsługiwane w różnym stopniu:

• Text :: CharWidth - Uzyskaj liczbę zajętych kolumn ciągu na terminalu

  Ten moduł udostępnia funkcje podobne do wcwidth (3) i wcswidth (3) w języku C.

• dyskusja dla Ruby
• API dla Python

Są one mniej lub bardziej bezpośrednie: symulacja wcswidthw przypadku Perla, wywołanie środowiska wykonawczego C z Ruby i Pythona. Możesz nawet użyć przekleństw, np. Z Pythona (który obsługiwałby łączenie znaków):

• zainicjuj terminal przy użyciu setupterm (na ekranie nie jest zapisywany żaden tekst)
• użyj filterfunkcji (dla pojedynczych linii)
• narysuj tekst na początku linii za pomocą addstr, sprawdzając, czy nie ma błędu (w przypadku, gdy jest za długi), a następnie określ pozycję końcową
• jeśli jest miejsce, dostosuj pozycję początkową.
• połączenie endwin(które nie powinno zrobić refresh)
• zapisz wynikową informację o pozycji początkowej na standardowe wyjście

Użycie przekleństw do wyjścia (zamiast dostarczania informacji z powrotem do skryptu lub bezpośredniego wywoływania tput) wyczyści całą linię ( filterogranicza ją do linii).

W przypadku łańcuchów jednowierszowych implementacja GNU wcma opcję -L(aka --max-line-length), która robi dokładnie to, czego szukasz (z wyjątkiem znaków kontrolnych).

W moim .profileprzypadku wywołuję skrypt, aby określić szerokość ciągu na terminalu. Używam tego, logując się na konsoli komputera, na którym nie mam zaufania do zestawu systemowego LC_CTYPE, lub gdy loguję się zdalnie i nie mogę zaufać, LC_CTYPEaby dopasować się do strony zdalnej. Mój skrypt wysyła zapytanie do terminala, zamiast wywoływać jakąkolwiek bibliotekę, ponieważ o to właśnie chodziło w moim przypadku użycia: określ kodowanie terminala.

Jest to kruche na kilka sposobów:

• modyfikuje wyświetlanie, więc nie jest to zbyt przyjemne doświadczenie użytkownika;
• występuje wyścig, jeśli inny program wyświetla coś w niewłaściwym czasie;
• blokuje się, jeśli terminal nie odpowiada. (Kilka lat temu zapytałem, jak to poprawić , ale w praktyce nie stanowiło to większego problemu, więc nigdy nie przeszedłem do przejścia na to rozwiązanie. Jedynym przypadkiem, który spotkałem z terminalem, który nie odpowiada, był Windows Emacs uzyskujący dostęp do zdalnych plików z komputera z systemem Linux plink, a ja rozwiązałem go za pomocą tej plinkxmetody ).

To może, ale nie musi, pasować do twojego przypadku użycia.

#! /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

Skrypt zwraca szerokość w stanie zwrotu przyciętą do 100. Przykładowe użycie:

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

Eric Pruitt napisał imponującą implementację wcwidth()iw programie wcswidth()Awk dostępną na wcwidth.awk . Zapewnia głównie 4 funkcje

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

gdzie wcscolumns()toleruje również znaki niedrukowalne.

$ 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

Otworzyłem problem z pytaniem o obsługę TAB, ponieważ wcscolumns($'My sign is\t鼠鼠')powinien być większy niż 14. Aktualizacja: Eric dodał funkcję wcsexpand()rozszerzania TAB do spacji:

$ 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

Aby rozwinąć wskazówki dotyczące możliwych rozwiązań za pomocą coliw ksh93moim pytaniu:

Używając colz bsdmainutilsna Debianie (może nie działać z innymi colimplementacjami), aby uzyskać szerokość pojedynczego niekontrolowanego znaku:

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

Przykład:

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

Rozszerzony na ciąg:

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"
}

Korzystanie ksh93z printf '%Ls':

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

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

Korzystanie perlz Text::CharWidth:

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