UTF-8字符串长度

除了fedorqui的正确答案，我还想展示字符串长度和字节长度之间的区别:

myvar='Généralités'
chrlen=${#myvar}
oLang=$LANG oLcAll=$LC_ALL
LANG=C LC_ALL=C
bytlen=${#myvar}
LANG=$oLang LC_ALL=$oLcAll
printf "%s is %d char len, but %d bytes len.\n" "${myvar}" $chrlen $bytlen

将呈现:

Généralités is 11 char len, but 14 bytes len.

你甚至可以看看存储的字符:

myvar='Généralités'
chrlen=${#myvar}
oLang=$LANG oLcAll=$LC_ALL
LANG=C LC_ALL=C
bytlen=${#myvar}
printf -v myreal "%q" "$myvar"
LANG=$oLang LC_ALL=$oLcAll
printf "%s has %d chars, %d bytes: (%s).\n" "${myvar}" $chrlen $bytlen "$myreal"

会回答:

Généralités has 11 chars, 14 bytes: ($'G\303\251n\303\251ralit\303\251s').

注意:根据Isabell Cowan的评论，我已经将设置添加到$LC_ALL和$LANG。

一个参数的长度，工作样本

参数的工作原理与常规变量相同

showStrLen() {
    local bytlen sreal oLang=$LANG oLcAll=$LC_ALL
    LANG=C LC_ALL=C
    bytlen=${#1}
    printf -v sreal %q "$1"
    LANG=$oLang LC_ALL=$oLcAll
    printf "String '%s' is %d bytes, but %d chars len: %s.\n" "$1" $bytlen ${#1} "$sreal"
}

将作为

showStrLen théorème
String 'théorème' is 10 bytes, but 8 chars len: $'th\303\251or\303\250me'

有用的printf校正工具:

如果你:

for string in Généralités Language Théorème Février  "Left: ←" "Yin Yang ☯";do
    printf " - %-14s is %2d char length\n" "'$string'"  ${#string}
done

 - 'Généralités' is 11 char length
 - 'Language'     is  8 char length
 - 'Théorème'   is  8 char length
 - 'Février'     is  7 char length
 - 'Left: ←'    is  7 char length
 - 'Yin Yang ☯' is 10 char length

不是很漂亮的输出!

这里有一个小函数:

strU8DiffLen() {
    local charlen=${#1} LANG=C LC_ALL=C
    return $(( ${#1} - charlen ))
}

或写成一行:

strU8DiffLen() { local chLen=${#1} LANG=C LC_ALL=C;return $((${#1}-chLen));}

然后现在:

for string in Généralités Language Théorème Février  "Left: ←" "Yin Yang ☯";do
    strU8DiffLen "$string"
    printf " - %-$((14+$?))s is %2d chars length, but uses %2d bytes\n" \
        "'$string'" ${#string} $((${#string}+$?))
  done 

 - 'Généralités'  is 11 chars length, but uses 14 bytes
 - 'Language'     is  8 chars length, but uses  8 bytes
 - 'Théorème'     is  8 chars length, but uses 10 bytes
 - 'Février'      is  7 chars length, but uses  8 bytes
 - 'Left: ←'      is  7 chars length, but uses  9 bytes
 - 'Yin Yang ☯'   is 10 chars length, but uses 12 bytes

或者，你可以使用printf命令的%n运算符来构建相同的函数:

strU8DiffLen() {
    local bytelen
    printf -v _ %s%n "$1" bytelen
    return $((bytelen-${#1}))
}

语法是非常反直觉的，但这是有效的，避免玩$LANG和/或$LC_ALL…

一句话:

strU8DiffLen() { local _bl;printf -v _ %s%n "$1" _bl;return $((_bl-${#1}));}

不幸的是，这并不完美!

但有一些奇怪的UTF-8行为，如双倍行距字符，零行距字符，反向置换和其他不可能那么简单…

请查看diffU8test.sh或diffU8test.sh.txt以了解更多限制。

我知道问与答的问题已经很老了，但今天我第一次面对这个任务。通常我使用${#var}组合，但它在unicode中失败:我用bash处理的大多数文本都是西里尔字母… 基于@atesin的回答，我编写了一个简短的(准备更简短)函数，可以用于脚本编写。这是一个让我想到这个问题的任务:在伪图形盒中显示一些可变长度的信息。所以，就是这样:

$ cat draw_border.sh
#!/bin/sh
#based on https://stackoverflow.com/questions/17368067/length-of-string-in-bash
border()
{
local BPAR="$1"
local BPLEN=`echo $BPAR|wc -m`
local OUTLINE=\|\ "$1"\ \|
# line below based on https://www.cyberciti.biz/faq/repeat-a-character-in-bash-script-under-linux-unix/
# comment of Bit Twiddler Jun 5, 2021 @ 8:47
local OUTBORDER=\+`head -c $(($BPLEN+1))</dev/zero|tr '\0' '-'`\+
echo $OUTBORDER
echo $OUTLINE
echo $OUTBORDER
}
border "Généralités"
border 'А вот еще одна '$LESSCLOSE' '
border "pure ENGLISH"

这个样本产生了什么:

$ draw_border.sh
+-------------+
| Généralités |
+-------------+
+----------------------------------+
| А вот еще одна /usr/bin/lesspipe |
+----------------------------------+
+--------------+
| pure ENGLISH |
+--------------+

第一个例子(法语?)取自上面某人的例子。 第二个组合了西里尔字母和某个变量的值。第三个是自解释的:只有1s /2个ASCII字符。

我使用echo $BPAR|wc -m代替printf…为了不依赖于printf是否是内置的。

上面我看到了关于echo末尾换行符和-n参数的讨论。我没有使用它，因此我只向$BPLEN添加了一个。如果我用-n，我必须加2。

要解释wc -m和wc -c之间的区别，请参阅相同的脚本，只有一个微小的更改:-m被-c取代

$ draw_border.sh
+----------------+
| Généralités |
+----------------+
+---------------------------------------------+
| А вот еще одна /usr/bin/lesspipe |
+---------------------------------------------+
+--------------+
| pure ENGLISH |
+--------------+

拉丁语中的重音字符和西里尔字母中的大多数字符都是两个字节，因此绘制的水平长度大于消息的实际长度。 希望它能在某些时候拯救一些人。

附注:俄文上说“这里还有一个”

p.p.s.工作“双线”

#!/bin/sh
#based on https://stackoverflow.com/questions/17368067/length-of-string-in-bash
border()
{
# line below based on https://www.cyberciti.biz/faq/repeat-a-character-in-bash-script-under-linux-unix/
# comment of Bit Twiddler Jun 5, 2021 @ 8:47
local OUTBORDER=\+`head -c $(( $(echo "$1"|wc -m) +1))</dev/zero|tr '\0' '-'`\+
echo $OUTBORDER"\n"\|\ "$1"\ \|"\n"$OUTBORDER
}
border "Généralités"
border 'А вот еще одна '$LESSCLOSE' '
border "pure ENGLISH"

为了避免重复绘制OUTBORDER的代码，我将OUTBORDER的形成放在单独的命令中

也许只需要使用wc -c来计算字符数:

myvar="Hello, I am a string."
echo -n $myvar | wc -c

结果:

21

使用你提供的例子

#KISS (Keep it simple stupid)
size=${#myvar}
echo $size

要获取存储在变量中的字符串长度，可以这样做:

myvar="some string"
size=${#myvar} 

要确认它被正确保存，回显它:

$ echo "$size"
11

在回复帖子开头时:

如果你想在命令行或函数参数中使用这个…

代码:

size=${#1}

可能有这样的情况，你只是想检查一个零长度的参数，而不需要存储一个变量。我相信你可以使用这样的语法:

if [ -z "$1" ]; then
    #zero length argument 
else
    #non-zero length
fi

有关Bash条件表达式的更完整列表，请参阅GNU和wooledge。