zsh 中 NUL 分隔词的下标变量扩展

Question

我有 生成的数据file，它标识一个目录（或多个目录）中所有文件的 mime 类型。结果是一个列表，命令位于左侧，mime 类型位于右侧。默认情况下，这两个值（或字符串？）由冒号 (:) 分隔。我想用 NUL 字符将命令与其 mime 类型分隔开。所以，

files=( ${(f)"$(file --print0 --mime-type **/*)"} )

这似乎有效。

print -l ${files[@]}给出：

cs:           text/x-shellscript
da:           text/x-shellscript
dns-test:     text/x-shellscript

或者，print -l ${(V)files[@]}给出：

cs^@:           text/x-shellscript
da^@:           text/x-shellscript
dns-test^@:     text/x-shellscript

但是，当使用下标来匹配第一个单词时，输出是第一个字符。所以，

for f in "${files[@]}"; do
  print "${f[(pws:\0:)1]}"
done

这仅打印每个数组元素的第一个字符（由 输出的每一行file）：

c
d
d

如果我省略 的规范(ps:\0:)，从而使用默认的空格分隔，那么我确实会得到每个元素的第一个单词。所以，

for f in "${files[@]}"; do
  print "${f[(w)1]}"
done

这有效：

cs
da
dns-test

但我不想依赖空白。我想使用像 NUL 这样更安全的分隔符。请注意，我还尝试了下标[(pws:\000:)1]，但这也只产生了第一个字符。

使用下标时如何识别由 NUL 分隔的单词？

Answer 1

文件路径可以包含换行符。这就是为什么一些报告文件或文件相关信息的实用程序允许您使用 NUL 而不是换行符来分隔记录，因为 0 是文件路径中唯一不能出现的字节值。

\n

如果您像使用 一样在换行符上分割输出${(f)"$(file...)"}，那么您就达不到目的了。

\n

file有点奇怪，因为它不使用 NUL 作为其记录分隔符，而是使用它来分隔其输出记录中的文件路径（其定义仍然松散）。

\n

$ ls\n\':\\0:\'$\'\\n\'\':\\1:\'  \'a\'$\'\\n\'\'b\'\n$ file --print0 --mime-type -- ./* | sed -n l\n./:\\\\0:$\n:\\\\1:\\000: application/x-xz$\n./a$\nb\\000:       application/zip$\n

\n

因此，它的记录<file-path><NUL><colon><some-spaces><mime-type><newline>使得解析变得不必要地更加困难（如果文本包含换行符，甚至是不可能的，幸运的是，--mime-type不应该是这种情况）。

\n

在这里，你可以这样做：

\n

typeset -A mime_type\nfile --print0 --mime-type --no-pad --separator \'\' ./**/* |\n  while\n    IFS= read -rd $\'\\0\' file &&\n      IFS=\' \' read -r type\n  do\n    mime_type[$file]=$type\n  done\n

\n

其中第一个read以 NUL 作为-d分隔符读取 NUL 分隔的文件路径，第二个读取换行符分隔的 mime 类型（通过 IFS 处理修剪前导空格）。

\n

将--no-pad变成<some-spaces>单个空格，--separator \'\'删除冒号，所以我们有<file-path><NUL><space><mime-type><newline>

\n

在循环中，我们填充$mime_type关联数组，因此您可以使用 获取给定文件的类型$mime_type[./given/file]或使用 列出给定类型的文件print -rC1 -- ${(k)mime_type[(R)text/plain]}。

\n\n

至于为什么$scalar[(pws[\\0])1]不在 NUL 上拆分，这是当前版本的 zsh 中的一个错误。该行为与建议 zsh 无法转义 NUL 的行为相同$array[(pws[])1]，否则通常会这样做，因此最终会在空字符串上进行拆分。缺少转义会影响其他分隔符，例如所有包含字节值 0x83 到 0xa2 的分隔符（例如\xc3\xa1在 UTF-8 中编码为 0xc3 0xa1）。

\n

如果没有s[separator]，我发现它会按$IFS字符分割（不是空格，另一个错误，这次是一个文档）， NUL 处于默认值$IFS，所以你可以这样做：IFS=$\'\\0\'; first_non_empty_NUL_separated_field=$scalar[(w)1]，但你也可以使用0（ 的缩写ps[\\0]）参数扩展标志：

\n

non_empty_NUL_separated_fields=( ${(0)scalar} )\n

\n

NUL_separated_fields=( "${(0@)scalar}" )\n

\n

（进而first=$NUL_separated_fields[1]）。

\n

或者一口气first=${${(0)scalar}[1]}。

\n

或者您可以使用${scalar%%pattern}Korn shell 运算符：

\n

before_first_NUL=${scalar%%$\'\\0\'*}\n

\n

或者 IFS 分割：

\n

IFS=$\'\\0\'\nNUL_separated_fields=( $=scalar )\n

\n

或者 ksh93 风格${param/pattern[/replacement]}：

\n

first=${scalar/$\'\\0\'*}\n

\n\n

对您的代码的一些评论：

\n

\n
• 在 中file --print0 --mime-type **/*，如果任何文件路径以 开头-，则该路径将被视为file. 您可以将其更改为避免这种情况，但如果当前工作目录中file --print0 --mime-type -- **/*调用了文件，则仍然无法正常工作。-使用./**/*可以避免这两个问题（以及进一步的问题）。
\n
• @，无论是作为参数扩展标志还是 as[@]或$@仅在引用时才真正有意义，以防止删除空元素。在列表上下文中与or or${files[@]}相同，并扩展到数组中的非空元素。请注意，在类似 Korn 的 shell 中，您还需要引号，以防止空删除，同时也防止 split+glob。类似 Korn 的 shell（与大多数其他 shell 或语言相反）也需要大括号，并且单独扩展到索引 0 的元素，而不是所有元素。$files$files[@]$files[*]$files
\n
• 使用 时print，您通常希望使用-r选项，否则print会进行一些反斜杠处理，并且您几乎总是希望使用--或-选项分隔符，否则会引入命令注入漏洞。print $var是一个 ACE 漏洞。就像在 Korn shell 中一样，您需要print -r - $varor print -r -- $var（尽管在 ksh 中，您需要print -r - "$var"）。
\n
• print -rC1 -- $list通常比在 olumn 上print -rl -- $list打印列表raw更好1 C，因为如果不传递任何参数，后者会打印空行。
\n

\n