Fatal编程技术网
  • awk/
  • 从gawk中的Char返回uint值

从gawk中的Char返回uint值

awk

从gawk中的Char返回uint值,awk,ord,Awk,Ord,我试图获取通过RS232接收的ASCII字符的值，将其转换为类似二进制的值 例如： 0xFF-->######## 0x01--> # 0x02--> # ... 我的问题是获取大于127的ASCII字符值 测试代码以获取int值： echo-e“\xFF”| gawk-l ordchr-e'{printf（“%c:%i”、ord（$0）、ord（$0））} 返回： � : -1 测试代码2: echo-e“\x61”| gawk-l ordchr-e'

我试图获取通过RS232接收的ASCII字符的值，将其转换为类似二进制的值

例如：

0xFF-->########
0x01-->       #
0x02-->      #
...
我的问题是获取大于127的ASCII字符值

测试代码以获取int值：
echo-e“\xFF”| gawk-l ordchr-e'{printf（“%c:%i”、ord（$0）、ord（$0））}

返回：
� : -1

测试代码2:
echo-e“\x61”| gawk-l ordchr-e'{printf（“%c:%i”、ord（$0）、ord（$0））}

返回：
a:97

因此，我将值转换为无符号int的解决方案如下：

if(ord($0)<0)
{
    new_char=ord($0)+256;
}
else new_char = ord($0)+0`

0xFF
返回：

� : 0

a : 97

0x61
返回：

� : 0

a : 97
有人能解释一下我的行为吗

我正在使用：
GNU Awk 4.1.3，API:1.1（GNU MPFR 3.1.4-p1，GNU MP 6.1.1）

但我想知道是否有一种方法可以在gawk中直接将int转换为uint

实际上，awk中的任何字符串最终都是一个数字

字符串转换为数字，数字转换为字符串， 如果awk程序的上下文需要它。[…]字符串是 通过解释字符串的任何数字前缀转换为数字 如数字所示：“2.5”转换为2.5，“1e3”转换为1000，以及 “25fix”的数值为25。无法解释的字符串 当有效数字转换为零时

让我们做一个快速测试：

BEGIN { 
   print 0xff
   print 0xff + 0
   print 0xff +0.0
   print "0xff"
}

# 255
# 255
# 255
# 0xff
因此，任何
hex
都会自动解释为
uint
。将
int
转换为
uint
是一个棘手的问题：通常，您应该将
int
的模数转换为十六进制，然后将符号位添加为MSB（即，如果数字为非正）。但在awk中不需要这样做

请记住，转换是通过调用
sprintf（）
进行的，您可以通过
CONVFMT
变量进行控制：

CONVFMT

控制数字到字符串转换的字符串 （见第节）。它的工作原理是 实际上，作为sprintf（）函数的第一个参数传递 （见第节）。其默认值为 “%.6g”。CONVFMT是由POSIX标准引入的

请记住，区域设置可能会影响转换的执行方式，尤其是使用十进制分隔符时。有关更多信息，请参阅

有人能解释一下我的行为吗

我实际上无法复制它，但我怀疑这行代码：

# only first character is of interest
c = substr(str, 1, 1)
在您的示例中，第一个字符始终为
0
，并且输出应始终相同。我正在测试这个

我再举一个例子：

BEGIN {
    a = 0xFF
    b = 0x61
    printf("a: %d %f %X %s %c\n", a,a,a,a,a)
    printf("b: %d %f %X %s %c\n", b,b,b,b,b)
}

# a: 255 255.000000 FF 255 ÿ
# b: 97 97.000000 61 97 a
在二进制模式下运行gawk
gawk-b
以阻止它预缝合UTF8代码点。通过//空字符串将其拆分，则结果数组中的每个点都将包含1字节宽的内容

另一方面，只需预先制作一个从0到256的数组。呆头呆脑的行为根本就不止于此。在我的例行gawk启动序列中，我从
0x3134F
一直执行相同的自定义ord序列，直到零（大约210k左右）。不管出于什么原因，向后执行的原因是，有些代码点会出现一个gawk无法区分的相同字符。反向操作将确保为其分配最低的代码点。对于这种模式，我在常规utf8模式下运行它

对于您的场景，我将预先制作4个十六进制宽数组，从
0x0000
到
0xFFFF
，返回到它们的整数，然后对于每个
0xZZ 0xWW
，将
ZZWW
抛出到该查找字典中并返回整数

如果您只是尝试从128到255执行
ord（）
，通常不会这样做，因为128是unicode从2个字节开始的位置<代码>0x800开始3个字节，
0x10000开始4个字节。我对那些将ascii扩展到256的代码不太熟悉——它们通常需要使用
iconv
或类似的代码才能首先返回UTF-8

如果您想获取原始UTF8字节并试图计算出有多少缝合的UTF8代码点，只需删除所有内容
0x80-0xBF
。残差的
length（）
是代码点的数量

在十进制术语中，从0到255的64个数字的4个范围中：


    

  • 000-063
    -ASCII
    

    • 

  • 064-127
    -ASCII
    

    • 

  • 128-191
    -UT8多字节连续编码（0x80 0xBF
）

  • 192-255
    -UTF8多字节字符的最高有效字节

    • 这看起来很可怕。幸运的是，奥克塔尔救了我。
    0x80-0xBF
    范围正好是
    \200-\277
    。您可以使用AWK的任何正则表达式来查找这些（也适用于FS/RS等）。我花了很多时间手动编写utf8算法，然后才进行所有的位移位，后来我意识到我不需要这些来实现我的最终目标

    如果您想在将上述逻辑与
    mawk2
    组合时计算utf8代码点，则可以轻松击败系统内置的
    wc-m
    命令。在我2.5岁的笔记本电脑上，与一个满是unicode的1.83 GB平面文本文件相比，我用了大约19秒的时间来计算出12.9亿个utf8代码点，我自己也遇到了同样的问题。我最后使用了一个检测器，它是以unicode模式还是字节模式运行gawk（检查组成一个UTF8代码点的3个八进制值组合的length（），返回1或3）

    然后，当它看到gawk unicode模式时，从gawk运行一个自定义shell命令，并使用unix printf打印出128-255字节，然后将其分块返回到gawk数组中。如果你需要的话，我可以在某个时候粘贴代码（但它太可怕了，所以我希望我不会因为它缺乏优雅而被指责）

    因为UTF8中不存在像C0、C1或FF等这样的字节，不管您使用什么组合