awk/printf 格式化数字奇怪的行为

Question

下面的代码应该在第 1 列中留下填充编号。

\n

input="/home/user_install/folders_LIST_SIZES_MY_FOLDERS.txt"\nwhile IFS= read -r line ; do \n  sudo du  -sm $line | LC_NUMERIC=fr_FR.UTF8 awk '{printf "% 11 '\\''d  : %s\\n",  $1 , $2}'\ndone < "$input"\n\n

\n

预期结果应该是：

\n

    155\xe2\x80\xaf283  : /\n          0  : /100_samba\n        462  : /backup_sys\n         62  : /backup_sys_data\n          0  : /bdd\n          0  : /data\n          0  : /data1_pub\n          1  : /data3_dwnld_pub\n          0  : /data4_mk_dvd_pub\n          0  : /data5_my_tmp_pub\n      1\xe2\x80\xaf211  : /home\n          0  : /local\n         13  : /root\n          0  : /srv\n     33\xe2\x80\xaf313  : /virtual_0_backup_vdi\n     14\xe2\x80\xaf689  : /virtual_linux_1\n     99\xe2\x80\xaf116  : /virtual_win_1\n        300  : /win_linux_echange_1\n\n

\n

真正的结果是：

\n

  155\xe2\x80\xaf283  : /\n          0  : /100_samba\n        462  : /backup_sys\n         62  : /backup_sys_data\n          0  : /bdd\n          0  : /data\n          0  : /data1_pub\n          1  : /data3_dwnld_pub\n          0  : /data4_mk_dvd_pub\n          0  : /data5_my_tmp_pub\n    1\xe2\x80\xaf211  : /home\n          0  : /local\n         13  : /root\n          0  : /srv\n   33\xe2\x80\xaf313  : /virtual_0_backup_vdi\n   14\xe2\x80\xaf689  : /virtual_linux_1\n   99\xe2\x80\xaf116  : /virtual_win_1\n        300  : /win_linux_echange_1\n

\n

当数字超过 3 位时，左移 1 位。

\n

Answer 1

使用输入数字1234567,123456和123...

\n

\n

• 如果我使用LC_NUMERIC=en_US逗号作为千位分隔符来正确排列所有内容

  \n

  1,234,567 :\n  123,456 :\n      123 :\n

  \n
\n

• 如果我使用LC_NUMERIC=fr_FR.UTF8我会得到与OP输出中看到的相同的转变

  \n

  1\xc2\xa0234\xc2\xa0567 :\n   123\xc2\xa0456 :\n        123 :\n

  \n
\n

\n

对于第二组数据，就好像空格分隔符后面跟着一个退格键，或者也许......由多字节字符表示？

\n

将第二组数据通过管道传输到od -c我得到：

\n

0000000   1 302 240   2   3   4 302 240   5   6   7       :  \\n\n0000020       1   2   3 302 240   4   5   6       :  \\n\n0000040                   1   2   3       :  \\n\n0000052\n

\n

因此，该 1 字节空格分隔符实际上被实现为 2 个字节（302 240- 一个可打印字符，一个不可打印字符）。

\n

由于printf格式设置基于字节数而不是（可打印）字符数，因此每个不可打印字符“占用”一个输出位置，从而导致最终输出移动（或缩小）一个（可见/可打印）位置。

\n\n

一种解决方法是将格式化分为两个单独的操作，例如：

\n

printf '1234567\\n123456\\n123\\n' |\nLC_NUMERIC=fr_FR.UTF8 awk '{ x = sprintf("%\\04711d",$1 )  # format just the number\n                             printf "%13s :\\n",x          # feed formatted number to basic string format\n                           }'\n

\n

这会生成：

\n

    1\xc2\xa0234\xc2\xa0567 :\n      123\xc2\xa0456 :\n          123 :\n

\n

注意： 2个字节仍然存在，即通过管道传输这组最新的数据来od -c生成

\n

0000000                   1 302 240   2   3   4 302 240   5   6   7\n0000020   :  \\n                           1   2   3 302 240   4   5   6\n0000040       :  \\n                                           1   2   3\n0000060       :  \\n\n0000063\n

\n\n

一些注意事项：

\n

\n

• 如果 OP 期望处理 11 位数字，则(s)printf可能需要修改格式11d/13s

  \n
\n

• 正如评论部分（KamilCuk、Ed Morton、我）中突出显示的那样，构成“空格分隔符”的实际字节甚至字节数（2 字节与 3 字节）可能会根据所用版本的不同而有所glibc不同建立fr_FR.UTF-8语言环境；对于 3 字节字符，这将导致每个分隔符将输出吃掉/移动 2 个（打印）字符；awk设计用于处理字符而不是字节，因此任何动态确定构成 1000 分隔符的字节数的尝试都需要额外的工作（例如：调用system(); 进行wc预计算bash，然后作为-v awk_var=byte_count参数传递给awk; awk -b）

  \n
\n

\n