expr index [RESOLVIDO]

Pessoal, estou com uma dúvida. Se eu executo o comando:

expr index "ab" b 

O resultado é 2. Agora se executo:

expr index "áb" b 

O resultado é 3. Gostaria de saber por que isso ocorre e, no caso de uma lista de strings, algumas contendo acento e outras não, como poderia fazer para não ter essa divergência de resultados?

Aparentemente o expr não suporta UTF-8 -- provavelmente não suporta locale alguma além da padrão ("C" ou "POSIX").

Será que a versão do expr distribuída com o o Plan 9, que supostamente trabalha com UTF-8 universalmente, suporta?

Tentei reproduzir o seu problema no Debian e Red hat e não consegui, sempre da 2.

Red hat
# expr index "áb" b
2

expr --version
expr (GNU coreutils) 8.4
Copyright (C) 2010 Free Software Foundation, Inc.
License GPLv3+: GNU GPL version 3 or later <http://gnu.org/licenses/gpl.html>;.
This is free software: you are free to change and redistribute it.
There is NO WARRANTY, to the extent permitted by law.

Written by Mike Parker, James Youngman, and Paul Eggert.

Debian
# expr index "áb" b
2

expr (GNU coreutils) 6.10
Copyright (C) 2008 Free Software Foundation, Inc.
Licença GPLv3+: GNU GPL versão 3 ou posterior <http://gnu.org/licenses/gpl.html>;
Isto é software livre: pode alterá-lo e redistribuí-lo.
NÃO Hà GARANTIA, até onde a lei o permite.

Escrito por Mike Parker.

Quais os valores das suas variáveis de ambiente LANG, LC_CTYPE e LC_ALL?

Eu instalei o pacote plan9-base no Ubuntu, e ele não traz o expr.

Para referência, eis a listagem de um programinha que faz o papel da função index, com suporte a caracteres acentuados, em C (com a diferença de que os offsets começam a ser contados em 0, em vez de 1, e -1 indica que o padrão não foi encontrado).

// index.c -- compile usando “gcc -std=c99 index.c -o index”

#include <locale.h>

#include <stdio.h>

#include <stdlib.h>

#include <string.h>

#include <wchar.h>

#include <wctype.h>



int main(int argc, char **argv){

    wchar_t *haystack, *needle, *found;

    size_t haystack_len, needle_len;



    if(argc!=3){

        fprintf(stderr, "usage: %s haystack needle\n", argv[0]);

        return 1;

    }



    // Usa variáveis de ambiente para definir locale.

    setlocale(LC_ALL, "");



    haystack_len=strlen(argv[1]);

    needle_len=strlen(argv[2]);



    haystack=calloc(1+haystack_len, sizeof *haystack);

    needle=calloc(1+needle_len, sizeof *needle);



    mbsrtowcs(haystack, (const char **)&argv[1], haystack_len, NULL);

    mbsrtowcs(needle, (const char **)&argv[2], needle_len, NULL);



    found=wcsstr(haystack, needle)-haystack;

    printf("%zd\n", found? found-haystack: -1);



    return found==NULL;

} 

fdmarp,

o meu sistema é o Fedora 21.

$expr index áb b

3

$ expr index ab b

2

 

$ expr --version

expr (GNU coreutils) 8.22

Copyright (C) 2013 Free Software Foundation, Inc.

Licença GPLv3+: GNU GPL versão 3 ou posterior <http://gnu.org/licenses/gpl.html>;

Este é um software livre: você é livre para alterá-lo e redistribuí-lo.

NÃO HÁ GARANTIA, na máxima extensão permitida pela lei.



Escrito por Mike Parker, James Youngman e Paul Eggert.

 

paulo1205,

$ echo "LANG: $LANG

> LC_CTYPE: $LC_CTYPE

> LC_ALL: $LC_ALL"

LANG: pt_BR.utf8

LC_CTYPE: 

LC_ALL: 

 

Vlw, paulo, pela ajuda. Funcionou direitinho.