是否知道utf的coreutils？

cut今天使用时，我发现它不会将UTF-8字符视为字符，而是3个字符，因为它的长度为3个字节。

对于许多工具来说，这似乎通常是正确的。

是否有支持coreutilsUTF-8的版本？

我的locale输出：

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="en_US.UTF-8"
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=

这是什么时候cut不起作用

echo 哈哈 | cut -c 2-
��哈

正确的输出应该是

哈

如果cut -c使用多字节字符。

GNU coreutils确实了解UTF-8。例如echo 哈哈 | wc -m，3在UTF-8语言环境中正确输出（请注意，该选项为-m，-c由于历史原因，它不是字节）。

这是中的错误cut。看一下的来源cut，cut根本没有实现on字符：该-c选项被视为的同义词-b。

解决方法是使用awk。GNU awk可以应付UTF-8。

awk '{print substr($0,2,length)}'

这看起来像是您的的构建/版本中的错误coreutils。我可以在Ubuntu 10.10 Maverick Meerkat上重现它，但不能在Fedora 15上重现。

[patches @ holocene〜] $ cat / etc / fedora-release 
Fedora版本15（Lovelock）
[patches @ holocene〜] $ rpm -q coreutils
coreutils-8.10-2.fc15.x86_64
[patches @ holocene〜] $ echo哈哈| 切-c 2-
哈
[patches @ holocene〜] $ sudo chroot / mnt / maverick
root @全新世：/＃grep DISTRIB_DESC / etc / lsb-release
DISTRIB_DESCRIPTION =“ Ubuntu 10.10”
root @全新世：/＃dpkg-query -s coreutils | grep版本
版本：8.5-1ubuntu3
root @全新世：/＃echo哈哈| 切-c 2-
哈

如果您还使用Ubuntu，则可以coreutils通过运行以下命令向Ubuntu 打包程序报告错误：

apport-bug coreutils

更新： Gilles在评论中指出，这是coreutilsFedora修补的上游版本中的错误。 如果您想尝试自己打补丁以使其正常运行，可以在这里找到他们的补丁。