Windows & Unix 文件格式之迷, 空格、回车换行、tab 转换及其相关工具(转载)

freebsd 下面
unix2dos-1.3
/usr/ports/converters/unix2dos

dos2unix

转载自：http://www.php-oa.com/

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 0×30
filename: ‘xx.c’
filelen : 0×68(104), offset: 0×38, max output: 0×30
00000000: 2369 6E63 6C75 6465 3C73 7464 696F 2E68 #include<stdio.h
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’，十六进制显示为0D),
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 ‘rn’ 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.这是从老式的打字机上面遗传下来的，老式的打字机中的回车是指打印头回到行首，换行是进纸并开始下一行打印。
** 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

3. 工具详解: fbin, win2unix, tab2sp 等对流或文件进行批量查看/转换
(1) 工具简介
fbin, win2unix, tab2sp 等工具对流或文件进行批量查看/转换,
适合 Windows 和 各种 Unix 平台.
(2) fbin - 查看流/文件的二进制格式
在命令行上键入下面命令即可查看在线帮助(部分内容未列出)
$ fbin –help
fbin - display file with hex format, version 1.0.4
Copyright(C) eyBuild Group, 2005, 2006. All Rights Reserved.
http://www.eybuild.com, [e-mail]
Usage: fbin [options] [fname [0x][offset] [maxlen] | [file1] …]
-h –help - show this help
-w[num] - specify word-width [2/4], default 2
-p - pause for every screen
-v - verbose mode
-l - process file list replace ‘fname’ …
fname - file name to display
offset - hex number, ‘0x’ is optional.
offset >= 0 from the begining of input file,
offset < 0 from the end of input file
maxlen - max length to print
EXAMPLES:
win2unix -p foo.bin
print at most 64 (0×40) bytes from offset 0×200:
fbin foo.bin 0×200 0×40
print last 32 (0×20) bytes with 4-bytes word-width:
fbin -w4 foo.bin -20
process file list:
fbin -v -l f1 f2 f3 f4 f5 f6
例1. 查看一个文件前 64 个字节二进制:
(Unix/Windos 执行下面命令会得到相同结果)
$ fbin fbin.c 0 40
00000000: 2F2A 2066 6269 6E2E 6320 2D20 6C69 7374 /* fbin.c - list
00000010: 2066 696C 6520 7769 7468 2062 696E 6E61 file with binna
00000020: 7279 2066 6F72 6D61 7420 2A2F 0A0A 2F2A ry format */../*
00000030: 2043 6F70 7972 6967 6874 2843 2920 6579 Copyright(C) ey
例2. 查看一个文件最后 64 个字节二进制:
(Unix/Windos 执行下面命令会得到相同结果)
$ fbin fbin.c -40
000022D5: 2020 2061 7267 632D 2D2C 2061 7267 762B argc–, argv+
000022E5: 2B3B 0A20 2020 2020 2020 2067 6F74 6F20 +;. goto
000022F5: 4E45 5854 3B0A 2020 2020 7D0A 0A20 2020 NEXT;. }..
00002305: 2072 6574 7572 6E20 4F4B 3B0A 7D0A 0A0A return OK;.}…
例3. 查看一个文件从 128 字节开始的 64 个字节二进制 (4 字节宽度):
(Unix/Windos 执行下面命令会得到相同结果)
$ fbin -w4 fbin.c 40 40
00000040: 4275696C 64204772 6F75702C 20323030 Build Group, 200
00000050: 352C2032 3030362E 20416C6C 20526967 5, 2006. All Rig
00000060: 68747320 52657365 72766564 2E202A2F hts Reserved. */
00000070: 0A0A2F2A 0A6D6F64 69666963 6174696F ../*.modificatio
例4. 批量显示查找(包含子目录)到的所有文件 (4 字节宽度):
Unix 命令:
$ find ../bin -name “*.exe” | xargs fbin -w4 -l -v |less
filename: ‘../bin/csp2bin.exe’
filelen : 0×18000(98304)
00000000: 4D5A9000 03000000 04000000 FFFF0000 MZ…………..
00000010: B8000000 00000000 40000000 00000000 ……..@…….
00000020: 00000000 00000000 00000000 00000000 …………….
00000030: 00000000 00000000 00000000 E0000000 …………….
00000040: 0E1FBA0E 00B409CD 21B8014C CD215468 ……..!..L.!Th
00000050: 69732070 726F6772 616D2063 616E6E6F is program canno
00000060: 74206265 2072756E 20696E20 444F5320 t be run in DOS
00000070: 6D6F6465 2E0D0D0A 24000000 00000000 mode….$…….
00000080: 08A64111 4CC72F42 4CC72F42 4CC72F42 ..A.L./BL./BL./B
00000090: 37DB2342 4EC72F42 7AE12442 4DC72F42 7.#BN./Bz.$BM./B
000000A0: CFDB2142 59C72F42 2ED83C42 4FC72F42 ..!BY./B..<BO./B
000000B0: 4CC72E42 0FC72F42 7AE12542 26C72F42 L..B../Bz.%B&./B
000000C0: 52696368 4CC72F42 00000000 00000000 RichL./B……..
000000D0: 00000000 00000000 00000000 00000000 …………….
000000E0: 50450000 4C010300 3642A445 00000000 PE..L…6B.E….
000000F0: 00000000 E0000F01 0B010600 00000100 …………….
00000100: 00901000 00000000 F5A80000 00100000 …………….
00000110: 00100100 00004000 00100000 00100000 ……@………
…
Windos 命令如下命令, 会得到相同结果:
E:> for /F %I in (’dir /w /b /s /A:-D eybuildbin’) do fbin -w2 -v -l %I | more
(3) win2unix - Windows 与 Unix 文件格式互转换工具
在命令行上键入下面命令即可查看在线帮助(部分内容未列出)
$ win2unix –help
win2unix - translate file between windows and unix format, version 1.0.5
Usage: win2unix [options] [[src] [dst] | [file1] …]
-h –help - show this help
-r - translate file from unix format to windows
-v - verbose mode
-l - process file list replace ’src’ & ‘dst’ pair
src - source file or dectory
dst - destination file or dectory
EXAMPLES:
win2unix foo.txt
convert unix to windows format:
win2unix -r -b src.txt dst.txt
process file list:
win2unix -v -l f1 f2 f3 f4 f5 f6
例1. Unix 格式转换成 Windows 格式:
$ win2unx -r fbin.c
查看二进制结果如下, 与fbin中的”例1″对比容易发现, 第3行中原来的0A0A(两个”换行符”)
被转换成了 0D0A0D0A (两对”回车换行符”).
$ fbin fbin.c 0 40
00000000: 2F2A 2066 6269 6E2E 6320 2D20 6C69 7374 /* fbin.c - list
00000010: 2066 696C 6520 7769 7468 2062 696E 6E61 file with binna
00000020: 7279 2066 6F72 6D61 7420 2A2F 0D0A 0D0A ry format */….
00000030: 2F2A 2043 6F70 7972 6967 6874 2843 2920 /* Copyright(C)
例2. Windows 格式转换成 Unix 格式:
$ win2unx fbin.c
查看二进制结果如下, 与 “例1″对比容易发现, 第3行中原来的0D0A0D0A (两对”回车换行符”)
被转换成了 0A0A(两个”换行符”)
$ fbin fbin.c 0 40
00000000: 2F2A 2066 6269 6E2E 6320 2D20 6C69 7374 /* fbin.c - list
00000010: 2066 696C 6520 7769 7468 2062 696E 6E61 file with binna
00000020: 7279 2066 6F72 6D61 7420 2A2F 0A0A 2F2A ry format */../*
00000030: 2043 6F70 7972 6967 6874 2843 2920 6579 Copyright(C) ey
例3. 批量转换查找(包含子目录)到的所有文件:
$ find src -name “*.c” | xargs win2unix -l -v
convert ‘win’ to ‘unix’ format …
src/csp2bin.c
src/tab2sp.c
src/fbin.c
src/win2unix.c
…
Windos 命令如下命令, 会得到相同结果:
E:> for /F %I in (’dir /w /b /s /A:-D src/*.c’) do win2unix -v -l %I
(4) tab2sp - tab 与 空格的互转换
在命令行上键入下面命令即可查看在线帮助(部分内容未列出)
$ win2unix –help
tab2sp - convert tabs to spaces or revert, version 1.0.2
Usage: tab2sp [options] [[src] [dst] | [file1] …]
-h –help - show this help
-r - convert spaces to tabs
-p - only convert line prefixed spaces or tabs
-t - remove tail tabs and spaces
-w[num] - specify tab width [1-8], default 4
-no - don’t do any convert
-v - verbose mode
-l - process file list replace ’src’ & ‘dst’ pair
src - source file
dst - destination file
EXAMPLES:
tab2sp -r < foo.txt
convert tabs to spaces:
tab2sp foo.txt
convert spaces to tabs and remove tail tabs, spaces:
tab2sp -r -t foo.txt
only remove tail tabs and spaces:
tab2sp -no -t foo.txt
process file list:
tab2sp -v -l f1 f2 f3 f4 f5 f6
例1. 将文件中的所 tab 转换成 “空格”(默认 4 字符宽度), 并删除尾部 tab 和空格:
$ tab2sp -t fbin.c
可自行用 fbin 查看二进制结果如下, 确认是否 tab(09) 全部转成成了空格(20).
本处不再把示例结果列出.
例2. 将文件中的所 “空格” 转换成 tab (默认 4 字符宽度), 并删除尾部 tab 和空格:
$ tab2sp -r -t fbin.c
例3. 将文件中的所 tab 转换成空格(指定为 8 字符宽度), 并删除尾部 tab 和空格:
$ tab2sp -t -w8 fbin.c
例4. 只删除文件 f1, f2, f3 f4 行尾的空格
$ tab2sp -no -t -l f1 f2 f3 f4
例5. 只转换行首 tab 为空格(指定为 8 字符宽度), 并删除尾部 tab 和空格:
$ tab2sp -p -t -l f1 f2 f3 f4
例6. 批量转换查找(包含子目录)到的所有文件, 命令可以自由组合:
$ find src -name “*.c” | xargs tab2sp -l -v -w8 -p
convert ‘tab’ to ’space’ format …
src/csp2bin.c
src/tab2sp.c
src/fbin.c
src/win2unix.c
…
Windos 命令如下命令, 会得到相同结果:
E:> for /F %I in (’dir /w /b /s /A:-D src/*.c’) do tab2sp -l -v -w8 -p %I