unidump 1.1.4

Ein Unicode-Codepunkt-Dump.

Denke es dir als hexdump(1) für Unicode. Der Befehl analysiert die Eingabe und gibt dann drei Spalten aus: die direkte Byte-Position des ersten Codepunkts in dieser Zeile, Codepunkte in ihrer Hex-Schreibweise und schließlich die rohen Eingabezeichen, wobei Kontrollzeichen und Leerzeichen durch einen Punkt ersetzt wurden.

Ungültige Byte-Sequenzen werden mit einem „X“ dargestellt und mit dem Hex-Wert in Fragezeichen eingeschlossen, z. B., „?F5?“.

Du kannst Daten von stdin einleiten, mehrere Dateien auf einmal auswählen oder sogar alle diese Eingabemethoden durcheinander verwenden.

Beispiele:

• Basic usage with stdin:

  echo -n 'ABCDEFGHIJKLMNOP' | unidump -n 4
        0    0041 0042 0043 0044    ABCD
        4    0045 0046 0047 0048    EFGH
        8    0049 004A 004B 004C    IJKL
       12    004D 004E 004F 0050    MNOP

• Dump the code points translated from another encoding:

  unidump -c latin-1 some-legacy-file

• Dump many files at the same time:

  unidump foo-*.txt

• Control characters and whitespace are safely rendered:

  echo -n -e '\x01' | unidump -n 1
       0    0001    .

• Finally learn what your favorite Emoji is composed of:

  ( echo -n -e '\xf0\x9f\xa7\x9d\xf0\x9f\x8f\xbd\xe2' ; \
    echo -n -e '\x80\x8d\xe2\x99\x82\xef\xb8\x8f' ; ) | \
  unidump -n 5
       0    1F9DD 1F3FD 200D 2642 FE0F    .🏽.♂️

See <https://emojipedia.org/man-elf-medium-skin-tone/> for images. The “elf” emoji (the first character) is replaced with a dot here, because the current version of Python’s unicodedata doesn’t know of this character yet.

• Use it like strings(1):

  unidump -e '{data}' some-file.bin

Das ersetzt jedes unbekannte Byte aus der Eingabedatei mit „X“ und jedes Kontroll- und Leerzeichen mit „.“.

• Only print the code points of the input:

  unidump -e '{repr}'$'\n' -n 1 some-file.txt

Das Ergebnis ist eine Folge von Codepunkten in Hex-Notation, jeder auf einer eigenen Zeile, ohne Byte-Zähler oder Darstellung der tatsächlichen Daten. Du kannst das verwenden, um die Gesamtzahl an Zeichen (nicht rohe Bytes) in einer Datei zu bestimmen, indem du es durch wc -l pipest.

Das ist version 1.1.4 von unidump mit Unicode-13.0.0-Daten.