برگ ۳ · کلمه‌شمار

خط شما هفت بار دست‌کاری می‌شود

پیش از آنکه پوسته فرمانی را اجرا کند، خط را در هفت مرحله باز می‌کند. بیشتر خطاهایی که به نظر مرموز می‌رسند، در مرحلهٔ ششم رخ می‌دهند: جایی که نتیجهٔ گسترش با فاصله به کلمه‌ها شکسته می‌شود. اگر بدانید کدام مرحله کدام است، می‌توانید حدس بزنید چرا یک فرمان ساده به سه فرمان تبدیل شده.

#مرحلهنمونهتوضیح
۱آکولاد{a,b}.txtپیش از هر چیز، فهرست‌ها باز می‌شوند.
۲تیلدا~/devبه مسیر خانهٔ کاربر تبدیل می‌شود.
۳متغیر$HOMEمقدار متغیر جای آن می‌نشیند.
۴جانشینی فرمان$(date)خروجی فرمان داخلی جایگزین می‌شود.
۵حساب$((2+3))عبارت ریاضی حساب می‌شود.
۶شکستن کلمه$varنتیجه با IFS به کلمه‌ها شکسته می‌شود.
۷ستاره*.logالگو با نام فایل‌های موجود جایگزین می‌شود.

نقل‌قول، تنها راه بستن مرحلهٔ ششم

هر چیزی داخل گیومهٔ دوتایی باشد، شکسته نمی‌شود. تفاوت "$@" و $* همین‌جاست: اولی هر ورودی را جدا نگه می‌دارد و دومی همه را با فاصله به هم می‌چسباند. در تابعی که مسیر فایل می‌گیرد، همیشه شکل اول را بنویسید. اگر نمی‌دانید کدام را نوشته‌اید، یک بار تابع را با دو ورودی که فاصله دارند صدا بزنید و داخل تابع printf '[%s]' بگذارید.

درست

for f in "$@"; do
  printf '%s\n' "$f"
done

برگشتی

for f in $*; do
  printf '%s\n' "$f"
done

فایل‌هایی که فاصله دارند

سه راه هست و هر سه یک هدف دارند: نگذاشتن فاصله در مرز کلمه. راه اول، نقل‌قول در جای مصرف است. راه دوم، جدا کردن با نویسهٔ صفر است: find . -print0 | xargs -0. راه سوم، خواندن خط به خط با while IFS= read -r line. راه دوم سریع‌تر است و راه سوم خواناتر. هیچ‌کدام به ls نیاز ندارند.

خط فارسی، پنج نکتهٔ عملی

  1. نیم‌فاصله جداکننده نیست. نویسهٔ U+200C بخشی از کلمه است. اگر ویرایشگر شما آن را به فاصله تبدیل کند، شمار واژه یک واحد بالا می‌رود و جست‌وجو هم نتیجهٔ دیگری می‌دهد.
  2. ی و ک دو شکل دارند. حرف ی فارسی U+06CC است و ی عربی U+064A. برای جست‌وجو، هر دو را در یک کلاس بگذارید یا نخست متن را یکدست کنید.
  3. ارقام فارسی شمارهٔ جدا هستند. ارقام ۰ تا ۹ در بازهٔ U+06F0 تا U+06F9 هستند. sort آن‌ها را مانند متن می‌بیند، نه عدد.
  4. جهت متن در ترمینال قاطی می‌شود. برای دیدن مسیرهای فارسی، خروجی را به یک فایل بدهید و با ویرایشگر بخوانید. ترمینال ممکن است ترتیب بخش‌های لاتین را جابه‌جا نشان دهد، در حالی که بایت‌ها درست‌اند.
  5. یکدست‌سازی را جدی بگیرید. اگر فایل از سیستم دیگری آمده، نخست uconv -x any-nfc یا معادلش را اجرا کنید. تفاوت NFC و NFD در نام فایل، باعث می‌شود فایلی که می‌بینید پیدا نشود.

آزمایش پیشنهادی

یک پوشه بسازید و سه فایل با نام‌های «گزارش امروز.txt»، «گزارش-دیروز.txt» و «گزارش.txt» در آن بگذارید. بعد این خط را اجرا کنید: for f in گزارش*; do echo "$f"; done. سپس همان کار را با for f in $(ls گزارش*) تکرار کنید. تفاوت خروجی، همان درس این برگ است.

برگ‌های مرتبط: ترکیب، گزینه‌ها، برگشتی‌ها