`cat -v` 用于非打印非 ASCII UTF 字符

Question

cat有一个-v选项可以将非打印字符转换为插入符号（如果我们不希望终端在cat输出中按字面解释控制字符，这很有用）。

但据我了解，脱字符号仅适用于 ASCII 字母表中的非打印字符。那么，UTF 中不属于 ASCII 的非打印字符（例如https://www.compart.com/en/unicode/category/Cc）又如何呢？将使用什么符号cat -v来显示这些？

Answer 1

我们可以生成一个包含 UTF-8 中前 256 个 Unicode 字符的文件：

python3 -c 'for x in range(0,255): print(chr(x), end="")' > unicode-file

其中包括 Latin-1 Supplement 中的非 ASCII (C1) 控件，以及大量的打印字符。

现在我们可以cat -v：

^@^A^B^C^D^E^F^G^H
^K^L^M^N^O^P^Q^R^S^T^U^V^W^X^Y^Z^[^\^]^^^_ !"#$%&'()*+,-./0123456789:;
<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\]^_`abcdefghijklmnopqrstuvwxyz{|}~^?
M-BM-^@M-BM-^AM-BM-^BM-BM-^CM-BM-^DM-BM-^EM-BM-^FM-BM-^GM-BM-^HM-BM-^I
M-BM-^JM-BM-^KM-BM-^LM-BM-^MM-BM-^NM-BM-^OM-BM-^PM-BM-^QM-BM-^RM-BM-^S
M-BM-^TM-BM-^UM-BM-^VM-BM-^WM-BM-^XM-BM-^YM-BM-^ZM-BM-^[M-BM-^\M-BM-^]
M-BM-^^M-BM-^_M-BM- M-BM-!M-BM-"M-BM-#M-BM-$M-BM-%M-BM-&M-BM-'M-BM-(M-B
M-)M-BM-*M-BM-+M-BM-,M-BM--M-BM-.M-BM-/M-BM-0M-BM-1M-BM-2M-BM-3M-BM-4M-B
M-5M-BM-6M-BM-7M-BM-8M-BM-9M-BM-:M-BM-;M-BM-<M-BM-=M-BM->M-BM-?M-CM-^@
M-CM-^AM-CM-^BM-CM-^CM-CM-^DM-CM-^EM-CM-^FM-CM-^GM-CM-^HM-CM-^IM-CM-^J
M-CM-^KM-CM-^LM-CM-^MM-CM-^NM-CM-^OM-CM-^PM-CM-^QM-CM-^RM-CM-^SM-CM-^T
M-CM-^UM-CM-^VM-CM-^WM-CM-^XM-CM-^YM-CM-^ZM-CM-^[M-CM-^\M-CM-^]M-CM-^^
M-CM-^_M-CM- M-CM-!M-CM-"M-CM-#M-CM-$M-CM-%M-CM-&M-CM-'M-CM-(M-CM-)M-C
M-*M-CM-+M-CM-,M-CM--M-CM-.M-CM-/M-CM-0M-CM-1M-CM-2M-CM-3M-CM-4M-CM-5M-C
M-6M-CM-7M-CM-8M-CM-9M-CM-:M-CM-;M-CM-<M-CM-=M-CM->

（我已经手动包装它以便可读）

您可以看到它在第四行开头代表 U+0080 ，即 UTF-8 C2 80，如M-BM-^@。M-B代表C2字节：B为0x42，因此M-代表设置高位（即加0x80）。M-^@对空字节 (meta-ctrl-@) 执行相同的操作 -M-x和^x符号组合在一起。

对于所有非 ASCII 代码点也会发生同样的情况，这些代码点将完全由 UTF-8 中的高字节组成，或者由任何其他编码中的所有字节 128-255 组成。不同的cat实现可能有自己的行为，因为-v 这不是标准cat选项，但 GNU cat 和常见的 BSD 版本都是这样的。