Lectura caracter por caracter con bash read

He estado tratando de usar bash para leer un archivo carácter por carácter.

Después de mucho ensayo y error, descubrí que esto funciona:

exec 4<file.txt 
declare -i n
while read -r ch <&4; 
     n=0
     while [ ! $n -eq ${#ch} ]
           do  echo -n "${ch:$n:1}"
               (( n++ ))
          done
     echo "" 
     done

Es decir, puedo leerlo línea por línea y luego recorrer cada línea char por char.

Antes de hacer esto, lo intenté, exec 4<file.txt && while read -r -n1 ch <&4; do; echo -n "$ch"; done pero omitiría todos los espacios en blanco en el archivo .

¿Podría explicar por qué? ¿Hay alguna manera de hacer que la segunda estrategia (es decir, leer char por char con bash read) funcione?

Debe eliminar los caracteres de espacio en blanco del $IFSparámetro para readdejar de omitir los caracteres iniciales y finales (con -n1el carácter de espacio en blanco si alguno sería tanto inicial como final, por lo que se omite):

while IFS= read -rn1 a; do printf %s "$a"; done

Pero incluso entonces, bash readomitirá los caracteres de nueva línea, con los que puede trabajar:

while IFS= read -rn1 a; do printf %s "${a:-$'\n'}"; done

Aunque podría usar IFS= read -d '' -rn1en su lugar o incluso mejor IFS= read -N1(agregado en 4.1, copiado de ksh93(agregado o)), que es el comando para leer un carácter.

Tenga en cuenta que bash readno puede hacer frente a los caracteres NUL. Y ksh93 tiene los mismos problemas que bash.

Con zsh:

while read -ku0 a; do print -rn -- "$a"; done

(zsh puede hacer frente a caracteres NUL).

Tenga en cuenta que esos read -k/n/Nleen una cantidad de caracteres , no bytes . Entonces, para los caracteres multibyte, pueden tener que leer varios bytes hasta que se lea un carácter completo. Si la entrada contiene caracteres no válidos, puede terminar con una variable que contiene una secuencia de bytes que no forma caracteres válidos y que el shell puede contar como varios caracteres . Por ejemplo, en un entorno local UTF-8:

$ printf '\375\200\200\200\200ABC' | bash -c '
    IFS= read  -rN1 a; echo "${#a}"'
6

Eso \375introduciría un carácter UTF-8 de 6 bytes. Sin embargo, el sexto ( A) anterior no es válido para un carácter UTF-8. Todavía terminas con \375\200\200\200\200Ain $a, que bashcuenta como 6 caracteres, aunque los primeros 5 no son realmente caracteres, solo 5 bytes no forman parte de ningún carácter.

Este es un ejemplo simple usando cut, un forbucle & wc:

bytes=$(wc -c < /etc/passwd)
file=$(</etc/passwd)

for ((i=0; i<bytes; i++)); do
    echo $file | cut -c $i
done

BESO no es así?