为什么我的Unicode文本文件的hextump与我手动输入的字节序列不同?
为什么以下内容会导致hextump中出现如此不同的字节序列为什么我的Unicode文本文件的hextump与我手动输入的字节序列不同?,unicode,hexdump,Unicode,Hexdump,为什么以下内容会导致hextump中出现如此不同的字节序列 $ echo -e "\u0f67\u0fb9\u0fa8\u0fb3\u0fba\u0fbc\u0fbb\u0f83\u0f0b" > uni $ hexdump uni 0000000 bde0 e0a7 b9be bee0 e0a8 b3be bee0 e0ba 0000010 bcbe bee0 e0bb 83be bce0 0a8b 000001c $ locale LANG=en_US.UTF-8 LC_CTYPE=
$ echo -e "\u0f67\u0fb9\u0fa8\u0fb3\u0fba\u0fbc\u0fbb\u0f83\u0f0b" > uni
$ hexdump uni
0000000 bde0 e0a7 b9be bee0 e0a8 b3be bee0 e0ba
0000010 bcbe bee0 e0bb 83be bce0 0a8b
000001c
$ locale
LANG=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
LC_NUMERIC="en_US.UTF-8"
LC_TIME="en_US.UTF-8"
LC_COLLATE=C
LC_MONETARY="en_US.UTF-8"
LC_MESSAGES="en_US.UTF-8"
LC_PAPER="en_US.UTF-8"
LC_NAME="en_US.UTF-8"
LC_ADDRESS="en_US.UTF-8"
LC_TELEPHONE="en_US.UTF-8"
LC_MEASUREMENT="en_US.UTF-8"
LC_IDENTIFICATION="en_US.UTF-8"
LC_ALL=
区域设置正确设置为:en_US.UTF-8,实际unicode输出正确:ཧྐྵྨླྺྼྻྃ་ 我的误解源于认为我所呼应的字符是utf8,而实际上是utf16。当启动时,utf8显示为
e0 bd a7
应该是大端的。因此,要更改endianess,可以使用-C参数运行hextump。我的第一个猜测是UTF-8。在UTF-8中,U+0F67是0xE0 0xBD 0xA7。但这个输出看起来像是UTF-8的一个混乱变体。
$locale
输出什么?不,那肯定是utf-8编码版本。字节顺序很笨拙,显示起来好像是utf-16le。