为何Bash在Systemd服务中截取UTF-8字符串会损坏，终端中正常？

问题描述 #

在Ubuntu 24.04（Bash 5.2）中，手动在交互式终端运行Bash脚本时，使用${string:0:N}语法截断含多字节字符（如德语变音符号、表情符号）的字符串，会正确按Unicode字符计数；但将脚本作为Systemd后台服务运行时，截断操作会按字节计数，导致多字节字符被拆分，产生无效UTF-8序列，引发下游API解析错误。

已验证：脚本文件、日志文件均为UTF-8编码，仅使用Bash原生正则和字符串操作，未引入其他工具。

脚本示例 #

#!/usr/bin/env bash

# 含多字节字符(ü)的模拟日志行
line="[SUCCESS] User: Müller-Großenhausen updated settings."

pattern="User: ([A-Za-z0-9äöüßÄÖÜ_-]+)"

if [[ "$line" =~ $pattern ]]; then
    raw_match="${BASH_REMATCH[1]}"
    
    # 数据库列限制10字符
    truncated="${raw_match:0:10}"
    
    echo "Raw: $raw_match"
    echo "Truncated: $truncated"
fi

输出差异 #

交互式终端手动运行输出 #

Raw: Müller-Großenhausen
Truncated: Müller-Groß

（正常：按Unicode字符计数，10个字符，ü和ß均被视为单个字符）

Systemd服务运行输出（journalctl -u my_parser.service） #

Raw: Müller-Großenhausen
Truncated: Müller-Gro

（异常：按字节计数，截断位置拆分了多字节字符，导致结果缺失完整字符）

原因分析 #

核心差异在于LC_CTYPE环境变量的设置：

• 交互式终端会继承当前用户的locale配置，通常为UTF-8（如LC_CTYPE=en_US.UTF-8），此时Bash会以Unicode字符为单位处理字符串。
• Systemd服务默认使用POSIX/C locale（LC_CTYPE=C），该locale下Bash将字符串视为字节流，按字节计数和截断，导致多字节UTF-8字符被拆分，产生无效序列。

解决方法 #

方法1：在Systemd服务文件中指定UTF-8 locale #

编辑你的服务文件（如my_parser.service），在[Service]段添加环境变量：

[Service]
Environment="LC_CTYPE=en_US.UTF-8"
# 或者加载系统默认locale配置
EnvironmentFile=/etc/default/locale

修改后重启服务：

sudo systemctl daemon-reload
sudo systemctl restart my_parser.service

方法2：在脚本开头显式设置locale #

在脚本的#!/usr/bin/env bash下方添加：

export LC_CTYPE=en_US.UTF-8

可根据系统实际的UTF-8 locale调整（如de_DE.UTF-8），确保Bash始终以Unicode字符为单位处理字符串。

内容的提问来源于stack exchange，提问作者unknown