数学是神造科学，计算机是人造科学。

所以在计算机的底层软件中，有着数不清的tricks，让人很无奈，但又无法避免。譬如Big-endian和Little-endian的问题，据说UNIX曾经移植到另外一台不同"endian"的机器上，结果系统启动显示的是NUXI而不是UNIX；再比如ASCII和Unicode，以及各种各样地方编码纠结的关系；连最简单的hello world，放到不同的平台上，生成的字符串也是不同的，考虑下面的程序：

#include <iostream>
using namespace std;
int main( int argc, char *argv[])
{
    cout << "Hello\nWorld";
}

这个程序如果在*nix平台下执行，生成的字符串的长度是11：

lox@lox-pad ~/tmp> clang++ main.cxx -o main
lox@lox-pad ~/tmp> ./main | wc -c
11
lox@lox-pad ~/tmp> ./main | od -c
0000000   H   e   l   l   o  \n   W   o   r   l   d
0000013
lox@lox-pad ~/tmp> 

但是如果放到windows上执行，那么程序生成的字符串的长度是12，字符串的值是"Hello\r\nWorld"，so，what is '\r'？

细究起来，我们发现，一个小小的newline字符也有如此多的故事，或者说，历史包袱。Wikipedia里面给出了完整的解释。简单来讲，'\n'和'\r'的概念来源于早期的打字机，'\n'代表"line feed"，表示打字机打完一整行后相对纸面向下移动一整行的距离，而'\r'则代表"carriage return"，就是控制打字机重新回到一行的行首，'\r\n'连在一起用才会使得打字机移动到新的一行的行首开始工作。而在后来的OS设计中，由于在TTY终端并没有实体的打印机控制操作，所以在设计上将'\r\n'进行了简化处理，只是不同的OS采取的策略不一样。我们仅以Windows、Linux、Mac这三种最流行的系统来做说明。

• Windows: '\r\n'
• Linux: '\n'
• Mac: '\r'

所以Linux和Mac上的多行文本文件用Windows的Notepad打开，常常会出现多行并做一整行的现象，而Windows上的文本文件用Linux上的Vim或者Emacs等editor来访问，往往会看到奇怪的'^M'字符，事实上这个'^M'并不是'^'+'M'的组合，它就是Windows中的'\r'。在Linux终端中你可以通过输入Ctrl+V Ctrl+M来获得'\r'这个输入。

那么，我们怎样去掉这写讨厌的影响心情和版面美感的'\r'呢？方法有很多，最简单的，安装dos2unix这个小软件，然后直接dos2unix filename即可，archlinux可以通过"pacman -S hd2u"来获取dos2unix，反过来也有unix2dos这样的命令。

除了dos2unix，利用Linux本身的shell工具，也可以达到目的，比如：

• sed 's/^M//g' filename
• sed 's/\r//g' filename
• cat filename | tr -d '\r' > newfile
• vim: %s/^M//g

最后需要注意的是，C语言的标准库针对这种情况做了专门的规定，并针对性的规定了text mode和binary mode，这种小的trick平时不需要注意，但是没准某一天就会冒出来拷打一下你的耐心。

• Relative Posts