Windows & Unix 文件格式之迷
来自:
eybuild@hotmail.com
关键字: DOS, Unix 文件格式, 空格 与 tab 转换工具,
fbin win2unix tab2unix
摘要: 本文深入揭露 Windows & Unix 格式差异, 及因此而导至的各种问题. 同时介绍了一些与之相关的查看和操作工具, 并在 Windows, Unix 进行举例.
1. 问题提出:
我们可能会遇到过这样一些困惑:
(1) 如何查看一个文件或数据流的二进制格式(以十六进制格式显示)?
(2) 为什么在 windows下编译的 shell 脚本在 Unix下不能执行?
为什么在 windows下编辑的 C 源文件在有些 gcc 编译器下不能编译?
(3) 为什么我在 vi 等编器下打开一个文本文件会包含 ^M, 如何把它去掉? 为什么我在 windows 上用记事本打开 unix上的文件, 文件都不换行?
(4) 如何删除文件行尾的 空格 或 tab?
如何把文件中的 tab 转换成 空格, 或者把 空格 转换成 tab?
如何只转换行首 tab 转换成 空格?
...
2. 分析与方案:
(1) 如何查看一个文件的二进制格式(以十六进制格式显示)?
查看任意文件或数据流的二进制格式, 我们非常常用.
方法一: 在 UtraEdit 使用 Ctrl + H 切换到十六进制编辑模式.
** 注意 ** :
此方法一有缺陷, 它会将行末的单个"换行符"显示成 "回车" + "换行" 两个字符.
这样会使问题 (2)(3)(4) 无法用此工具正确查看.
方法二: 使用文件或流的二进制查看工具 fbin
fbin 可以运行于 windows 和各种 Unix 平台,
如下例的命令显示文件的前48字节:
$ fbin xx.c 0x30
filename: 'xx.c'
filelen : 0x68(104), offset: 0x38, max output: 0x30
00000000: 2369 6E63 6C75 6465 3C73 7464 696F 2E68 #include 00000010: 3E0D 0A0D 0A69 6E74 6D61 696E 2829 0D0A >....intmain()..
00000020: 7B0D 0A20 2020 2063 6861 7209 2020 2020 {.. char.
fbin 能准确显示文件中的每一个字节. (更多详细实例见后文)
(2) 为什么在 windows下编辑的 shell 脚本在 Unix下不能执行?
为什么在 windows下编辑的 C 源文件在有些 gcc 编译器下不能编译?
原因分析:
unix 的 shell 脚本不能识别 "回车符" (即: CR, '\r'),
Windows 文件格式(详细分析见下文) 换行时, 总是以 "回车" + "换行"
(可以借助上一问介绍的 fbin 工具, 查看文件中是否包含 "回车换行" 对),
导到 unix 下的 shell 无法正常解释.
解决方法:
就是把 windows 格式的中的 "回车" 符删除, 删除.
方法一: 使用 vi 打开源文件, 把 '\r\n' 替换成 '\n'
** 缺点 ** : 不适合大量文件的批量作业.
方法二: 使用 UtraEdit 把 Windows 格式的文件转换成 Unix 格式.
(菜单)文件-->转换-->Unix转DOS
** 缺点 ** : 不适合大量文件的批量作业.
方法三: Unix 下的 dos2unix 命令, 如 $ dos2unix -k xx.c
** 缺点 ** :
此方法有一致命缺陷, 它会改变原来的文件属性.
如一个可执行 shell 脚本的可执行属性及其它属性, 转换后都将会丢掉
(即使用 -k 也只是能保留住原来的日期.)
** 优点 ** : 适合大量普通文件本文件的批量作业.
方法四: win2unix (windows, unix 均可使用), 功能类似 dos2unix,
如 win2unx xx.c (更多详细实例见后文)
** 优点** :
克服了 dos2unix 的所有缺点(见上), 它能保留源文件的任何属性.
还可以返回转换即 unix2win
适合大量文件的批量作业.
(3) 为什么我在 vi 等编器下打开一个文本文件会包含 ^M, 如何把它去掉? (见结论 4, 5)
为什么我在 windows 上用记事本打开 unix上的文件, 文件都不换行? (见结论 1)
原因分析:
要解决这个问题, 必先弄清 unix 与 windows 文本文件的差异:
1) 磁盘中 Windows 文本文件总是以 "回车" + "换行"的形式进行换行的.
2) 磁盘中 Unix 格式的文本文件, 总是以"换行符"(即: LF, '\n') 换行, 而非 "回车换行符".
(Unix 规定: unix 文本文件保存到磁盘时, 总是自动把 "回车换行符" 转换成 "回车符" 保存,
输出到终端时由终端自动将将 "回车符" 转换成 "回车换行符" 输出.)
** 容易看出 **:
Windows 格式的文件换行时, 总是比 Unix格式的文件多一个 "回车" ('\r') 符.
** 结论 1 **:
这样在 windows 的记事本中打开 Unix 格式的文件时, 因为文件中没有 '\r', 所以无法正常显示.
结果就会把所有的内容显示在同一行中.
** 结论 2 **:
UtraEdit 等工具会自动检测文件中是否包含 '\r', 当检查行末缺少 '\r'时, 一般它会提示
要求进行 Unix 到 Windows 格式的转换. (相信大家都遇到这个提示信息).
** 结论 3 **:
UtraEdit 和 vi 等工具, 在保存文件时会自动依照文件原来的格式进行保存. 即:
如打开的如是 windows 格式它会把文件依然按 windows 格式保存 (不进行自动转换).
如打开的如是 unix 格式它会把文件依然按 unix 格式保存 (不进行自动转换).
** 结论 4 **:
向 UtraEdit 打开的 Unix 格式文件中, 通过粘贴板 "粘贴" Windows 格式的若干片断行时
(或反之, 即向 Windows 格式文件中, 通过粘贴板 "粘贴" Unix 格式的若干片断行时),
代码片断中的 "回车换行符" "不会" 自动转换成单个 "换行" 符(反之亦然).
这样, 该文件中就会出现 "回车符" 与 "回车换行符" 互相夹杂.
即, 文件中既有单独的 "回车符" 也有 成对的 "回车换行符".
** 结论 5 **:
vi 编辑器等, 既能正确显示"规则"的 Unix 格式文件, 也能正确显示"规则"的 Windows 格式文件,
但, 对包含单独的 "回车符", 同时成对的 "回车换行符"的不规则文件 (产生原因见结论 4), vi 将把回车符以 ^M 的形式显示.
解决方法:
使用类似问题 2 提供的解决方法即可解决, 不再骜述.
将 unix 转换成 Windows 格式时, 使用 unix2dos 或 win2unix -r(-r 代表反方向)即可.
(4) 如何删除文件行尾的 空格 或 tab?
如何把文件中的 tab 转换成 空格, 或者把 空格 转换成 tab?
如何只转换行首 tab 转换成 空格?
问题分析:
出于各种需要, 特别是编辑 C/C++, Java 等源程序时, 常希望将源文件中的 tab 成空格,
或将空格转换成 tab, 同时删除行尾不必要的空格或 tab 等.
如果源程序的正文中字符串中包含"空格"或"tab"时, 则只希望只转换行首的"空格"或"tab".
解决方法:
如果是单个文件, 直接使用一些编辑器自带的转换功能转换.
如果是想批量转换, 不防试试 tab2sp 进行转换, 不仅适合批量文件, 还适合数据流.
方法一: 使用 UtraEdit 的转换功能, 即: (菜单)格式-->转换 TAB 为空格, ...
** 缺点 **:
不适合大量文件的批量作业.
方法二: tab2sp (适合 windows, 各种 unix 平台),
如 tab2sp -t -w8 xx.c (更多详细实例见后文)
** 优点 **:
适合大量文件的批量作业.
适应文件或流的二进制查看工具 fbin
