为什么 gawk 在来自输入数据时将 `0123` 视为十进制数？

Question

根据$ man gawk，该strtonum()函数可以将字符串转换为数字：

strtonum(str) 检查 str，并返回其数值。如果 str 以前导 0 开头，则将其视为八进制数。如果 str 以前导 0x 或 0X 开头，则将其视为十六进制数。哦？否则，假设它是一个十进制数。

如果字符串0以前导 开头，则将数字视为八进制，而如果以 开头，0x则将其视为十六进制。

我已经运行这些命令来检查我对函数的理解：

$ awk 'END { print strtonum("0123") }' <<<''
83

$ awk 'END { print strtonum("0x123") }' <<<''
291

该字符串"0123"被正确地视为包含八进制数并转换为十进制数83。同样，字符串"0x123"被正确地视为包含十六进制数并转换为十进制数291。

现在，如果我运行相同的命令，但将数字字符串从程序文本移动到输入数据，会发生以下情况：

$ awk 'END { print strtonum($1) }' <<<'0123'
123

$ awk 'END { print strtonum($1) }' <<<'0x123'
291

我理解第二个结果，它与前面的命令相同，但我不理解第一个。为什么 gawk 现在将其0123视为十进制数，即使它以0表征八进制数的前导开头？

我怀疑它与strnum 属性有关，因为出于某种原因¹，gawk 将此属性提供给0123但不提供给0x123：

$ awk 'END { print typeof($1) }' <<<'0123'
strnum

$ awk 'END { print typeof($1) }' <<<'0x123'
string

¹这可能是由于awk 实现之间的差异：

澄清一下，只有来自少数来源的字符串（此处引用 POSIX 规范）： [...] 如果它们的值恰好是数字（允许前导和尾随空格，实现之间存在差异），则将被视为数字字符串 支持十六进制、八进制、inf、nan...）。

---

我正在使用 gawk version 4.2.62，输出$ awk -V是：

GNU Awk 4.2.62, API: 2.0 (GNU MPFR 3.1.4, GNU MP 6.1.0)

Answer 1

这与广义的strnumGAWK 4.2 版本中的通用处理有关。

\n

看起来像数字的输入值被视为strnum值，在内部表示为同时具有字符串和数字类型。\xe2\x80\x9c0123\xe2\x80\x9d 看起来像一个数字，因此它被处理为strnum. strtonum旨在处理字符串和数字输入；它首先寻找数字，当遇到输入数字时，返回该数字而不进行转换：

\n

NODE *\ndo_strtonum(int nargs)\n{\n        NODE *tmp;\n        AWKNUM d;\n\n        tmp = fixtype(POP_SCALAR());\n        if ((tmp->flags & NUMBER) != 0)\n                d = (AWKNUM) tmp->numbr;\n        else if (get_numbase(tmp->stptr, tmp->stlen, use_lc_numeric) != 10)\n                d = nondec2awknum(tmp->stptr, tmp->stlen, NULL);\n        else\n                d = (AWKNUM) force_number(tmp)->numbr;\n\n        DEREF(tmp);\n        return make_number((AWKNUM) d);\n}\n

\n

因此 \xe2\x80\x9c0123\xe2\x80\x9d 变为数字 123，并strtonum直接返回该值。

\n

\xe2\x80\x9c0x123\xe2\x80\x9d \xe2\x80\x99t 看起来不像一个数字（根据上面给出的链接中定义的规则），因此它被作为字符串处理，并像你\xe2\x80一样处理\x99d 期待strtonum.

\n

AWK 中数字的定义如下：

\n

\n

输入字符串被分解为两部分：一个初始的、可能为空的空白字符序列（由isspace ()指定）和一个解释为浮点常量的主题序列。

\n

主题序列的预期形式是可选的\'+\'或\'-\'符号，然后是可选地包含 <period> 的非空数字序列，然后是可选的指数部分。指数部分由\'e\'或组成\'E\'，后跟一个可选符号，最后跟一个或多个小数位。

\n

以第一个数字或 <period>（以先出现者为准）开始的序列被解释为 C 语言的浮动常量，如果指数部分和 <period> 均未出现，则假定 a 位于最后一位数字之后字符串。如果主题序列以 <hyphen-minus> 开头，则转换产生的值将被否定。

\n

\n