BASH中printf与od的Unicode字符表示差异及反向转换疑问

问题1：为何printf与od对Unicode字符的数值表示不一致？ #

对于ASCII字符，printf和od的十进制、八进制、十六进制输出完全一致，示例如下：

ascii_char=A

printf "%d" "'$ascii_char"
# 输出：65
echo -n $ascii_char | od -A n -t d1
# 输出：   65
echo -n $ascii_char | od -A n -t u1
# 输出：  65
printf "%o" "'$ascii_char"
# 输出：101
echo -n $ascii_char | od -A n -t o1
# 输出： 101
printf "%x" "'$ascii_char"
# 输出：41
echo -n $ascii_char | od -A n -t x1
# 输出： 41

但处理Unicode字符时，两者输出差异极大，示例如下：

unicode_char=🐕

printf "%d" "'$unicode_char"
# 输出：128021
echo -n $unicode_char | od -A n -t d1
# 输出：  -16  -97 -112 -107
echo -n $unicode_char | od -A n -t d
# 输出： -1785683984
echo -n $unicode_char | od -A n -t u1
# 输出： 240 159 144 149
echo -n $unicode_char | od -A n -t u
# 输出： 2509283312
printf "%o" "'$unicode_char"
# 输出：372025
echo -n $unicode_char | od -A n -t o1
# 输出： 360 237 220 225
echo -n $unicode_char | od -A n -t o
# 输出： 22544117760
printf "%x" "'$unicode_char"
# 输出：1f415
echo -n $unicode_char | od -A n -t x1
# 输出： f0 9f 90 95
echo -n $unicode_char | od -A n -t x
# 输出： 95909ff0

核心原因 #

两者处理的是完全不同的对象：

• printf "%d" "'$unicode_char"读取的是Unicode码点——也就是该字符在Unicode标准中对应的唯一整数ID（比如🐕的码点是U+1F415，十进制就是128021）。
• od是直接读取字符在UTF-8编码下的字节序列，然后对字节做数值转换：
  • 带1的参数（比如-t d1/-t o1）是逐个输出每个字节的数值；
  • 不带1的参数（比如-t d/-t o）是把多个字节按机器的字节序（通常是小端）合并成一个整数输出。
    ASCII字符的码点和UTF-8编码是单字节一一对应，所以两者输出一致；但Unicode字符（尤其是超出基本多语言平面的字符）在UTF-8中是多字节编码，自然和码点数值完全不同。

问题2：为何printf能反向转换od的结果，却无法转换自身输出的部分结果？ #

示例如下：

printf "%o" "'$unicode_char"
# 输出：372025（printf无法直接转换这个结果）
echo -n $unicode_char | od -A n -t o1
# 输出： 360 237 220 225（结果不同，但printf可正确反向转换）
printf %b '\360\237\220\225'
# 输出：🐕（转换成功）

printf "%x" "'$unicode_char"
# 输出：1f415（printf可转换自身输出的该结果）
printf "\U$(printf %08x 0x1f415)"
# 输出：🐕（转换成功）
echo -n $unicode_char | od -A n -t x1
# 输出： f0 9f 90 95（结果不同，但printf可正确反向转换）
printf %b '\xf0\x9f\x90\x95'
# 输出：🐕（转换成功）

核心原因 #

这是printf的转义规则决定的：

1. 处理od的结果：od输出的是UTF-8字节的八进制/十六进制值，printf %b '\360\237\220\225'是把每个3位八进制转义（或两位十六进制转义）解析成单个字节，这些字节拼接起来就是🐕的UTF-8编码，终端会自动把这个字节序列解析为对应的Unicode字符。
2. 处理自身输出的码点：
   • 十六进制码点：printf支持\UXXXXXXXX语法（需要8位十六进制补零），所以\U0001F415能直接识别为Unicode码点并输出对应字符；
   • 八进制码点：printf没有直接识别多字节八进制码点的语法——它的八进制转义最多只认3位（对应单字节），所以372025这个5位的八进制码点值，无法被printf直接解析为对应字符。

内容的提问来源于stack exchange，提问作者KiriSakow