POSIX shell 函数：将参数打印为 TSV 记录

Question

我正在编写一个 POSIX shell 函数，它将其参数打印为 TSV 记录。
每个参数都使用以下规则进行转义：

• \n 换行
• \t 标签页
• \r 用于回车
• \\ 用于反斜杠

函数如下：

#!/bin/sh

tsv_print() {
    rec=
    for str in "$@"
    do
        esc=
        i=${#str}
        until [ $i -eq 0 ]
        do
            end="${str#?}"
            chr="${str%"$end"}"

            case $chr in
            "$__TAB__") chr='\t' ;;
            "$__LF__") chr='\n' ;;
            "$__CR__") chr='\r' ;;
            \\) chr='\\' ;;
            esac

            esc="$esc$chr"
            str="${end}"
            i=$((i-1))
        done
        rec="$rec${rec:+"$__TAB__"}$esc"
    done
#   echo "$rec"
    printf '%s\n' "$rec"
}

在代码中读起来很痛苦——预先存储的字符如下：

__TAB__=$(printf '\t')
__CR__=$(printf '\r')
__LF__="
"

---

我想知道：

1. 为什么我的代码根本不转义字符？

   ^{edit: 正如@GordonDavisson 指出的那样，echo 是 罪魁祸首！！使用printf 似乎是唯一可移植的方式，但代价是可能的分叉。}

2. 有更好的、符合 POSIX 的方法吗？ awk 和 sed 似乎不适合这份工作......

3. 你会怎么做？

   ^{编辑：正如@KamilCuk 在他的answer 中发布的那样，printf '%b' 就足够了； TSV 记录具有正确的格式。}

---

后记

最后，不需要该函数，因为输入不包含任何要转义的字符。也就是说，输入格式的转换并不是那么简单。这是一个STAR File，每行有不同的列数（将行数限制为最多 80 个字符）并包含带引号的字符串...

输入：

...
loop_ 
 _refl_0201 _refl_0012 _refl_2003 _refl_1600 _refl_1304 _refl_1305 _refl_1800
 _refl_1801 _refl_1802 _refl_1803 _refl_1804 _refl_1805 _refl_1806 _refl_1701
 _refl_1700 _refl_1202
'0 0 6' .147364 Z000020c1 .41 1 78.45 3.501 35.2221 -35.2221 0 -1.6055 -3.0963
-36.7288 -5.0964 39.3109 5.909983 '0 0 12' .294551 Z000010c1 .9 1 48.44 2.3805
39.910008 39.9101 .268379-04 1.75598 3.09745 41.6656 3.09809 47.8384 0 .939517
...

输出（分隔符是制表符）：

_refl_0201 _refl_0012 _refl_2003 _refl_1600 _refl_1304 _refl_1305 _refl_1800 _refl_1801 _refl_1802 _refl_1803 _refl_1804 _refl_1805 _refl_1806 _refl_1701 _refl_1700 _refl_1202
'0 0 8' .147364 Z000020c1 .41 1 78.45 3.501 35.2221 -35.2221 0 -1.6055 -3.0963 -36.7288 -5.0964 39.3109 5.909983
'0 0 14' .294551 Z000010c1 .9 1 48.44 2.3805 39.910008 39.9101 .268379-04 1.75598 3.09745 41.6656 3.09809 47.8384 0.939517
...

Answer 1

您可以使用sed 来完成此操作，但需要一些技巧才能使其工作。

您需要先转义“\”，这样“\t”、“\n”和“\r”中的反斜杠就不会被转义。

sed 每行有效，但您可以命令它在每行末尾添加“\n”，并使用单独的命令删除换行符。

sed 将字符串的最后一行视为相同，无论它是否以 "\n" 结尾但添加 '.'最后，它的输入并删除输出的最后 3 个字符就可以了。

此解决方案比 shell 循环快得多。 （基本上，一切都比 shell 快。）

tsv_print() {
    is_first_arg='yes'
    while [ $# -ne 0 ]
    do
        test "$is_first_arg" = 'yes' && is_first_arg='no' || printf '\t'
        printf '%s.' "$1" \
        | sed -e 's/\\/\\\\/g' \
            -e 's/\t/\\t/g' \
            -e 's/$/\\n/' \
            -e 's/\r/\\r/g' \
        | tr -d '\n' \
        | head -c -3
        shift
    done
}

---

顺便说一句，有更简单的方法来定义这些常量。

# StackOverflow replaces the characters but it works in a file.
__TAB__='   ' # insert <tab> here
__LF__='
' # insert \n here
__CR__='
' #insert \r here

...或

# This one works fine when copied from here.
__TAB__="$(printf '\t')"
__LF__='
'
__CR__="$(printf '\r')"

Answer 2

有更好的、符合 POSIX 的方法吗？

我不这么认为，你的方法很好，而且会非常慢。

如果“更好”是速度，您总是可以编写一个与 POSIX 兼容的 C 程序。 （但实际上，你可以编译 GNU sed 然后 sed -z 它）。

我会选择awk -v FS='' -v RS='' '{ gsub(/\\/, "\\\\"); gsub("\r", "\\r"); gsub(/\t/, "\\t"); gsub(/\n/, "\\n")} 1'，甚至busybox awk 会处理它，然后用awk 编写整个内容。

你会怎么做？

printf "%b"

---

__LF__="
"
__TAB__=$(printf '\t')
__CR__=$(printf '\r')