MacOS wc (wordcount) 用 UTF-8 字符 Å 计算错误的单词

Question

使用时wc在字符串上 Ås (瑞典字母大写 Å)当我预期 wordcount 1 时，我得到 wordcount 2。

数字Å , sÅ给出 1，感觉正确。

$ echo sÅ | wc
       1       1       4
$ echo Å | wc
       1       1       3

数字 Ås , sÅs给出 2，感觉不正确。

$ echo sÅs | wc
       1       2       5
$ echo Ås | wc
       1       2       4

只有字母 Å可以重现这一点，而不是任何 åäöÄÖ .

$ echo "Ås" | wc
       1       2       4
$ echo "Äs" | wc
       1       1       4
$ echo "Ös" | wc
       1       1       4

我在启动终端时使用 Mac OS 的默认区域设置，它看起来像这样:

$ locale
LANG=
LC_COLLATE="C"
LC_CTYPE="UTF-8"
LC_MESSAGES="C"
LC_MONETARY="C"
LC_NUMERIC="C"
LC_TIME="C"
LC_ALL=

我在 MacOS Sierra 和 Lion 上得到相同的结果。

只是检查字符串 Ås好像。

$ echo "Ås" | hexdump
0000000 c3 85 73 0a                                    
0000004

那么，这是否是语言环境设置和 Mac OS 设置错误的问题 - 至少对于命令 wc ?

这是 wc 的Mac OS 版本中的错误吗？关于 UTF-8 字符 Å ?

或者，当使用(默认) wc -c ，字符 85 被检测为空白字符，即省略号 …在 ASCII 表中？ ( wc -m 然而提供了字数的预期答案)

还是我在这里遗漏了一些明显的东西？

Answer 1

的确 !这是语言环境设置的问题 - UTF_8 是可变长度编码方案。
直接 latin1 字符(旧的 Ascii 字符)编码 1 个字节，而重音瑞典字符 2 个字节(或更多？)特别检查带环的 A。希望能帮助到你