当你在终端上按下一个键时会发生什么？

在上个星期，我使用 xterm.js 在浏览器中显示了一个交互式终端，我终于想到要问一个相当基本的问题：当你在终端中按下键盘上的一个键（比如 Delete，或 Escape，或 a），发送了哪些字节？

我对终端Terminal是怎么回事困惑了很久。

但在上个星期，我使用​​xterm.js​​​在浏览器中显示了一个交互式终端，我终于想到要问一个相当基本的问题：当你在终端中按下键盘上的一个键（比如​​Delete​​​，或​​Escape​​​，或​​a​​），发送了哪些字节？

像往常一样，我们将通过做一些实验来回答这个问题，看看会发生什么 : )

远程终端是非常古老的技术

首先，我想说的是，用​​xterm.js​​在浏览器中显示一个终端可能看起来像一个新事物，但它真的不是。在 70 年代，计算机很昂贵。因此，一个机构的许多员工会共用一台电脑，每个人都可以有自己的 “终端” 来连接该电脑。

例如，这里有一张 70 年代或 80 年代的 VT100 终端的照片。这看起来像是一台计算机（它有点大！），但它不是 —— 它只是显示实际计算机发送的任何信息。

DEC VT100终端

当然，在 70 年代，他们并没有使用 Websocket 来做这个，但来回发送的信息的方式和当时差不多。

（照片中的终端是来自西雅图的​​活电脑博物馆​​​Living Computer Museum，我曾经去过那里，并在一个非常老的 Unix 系统上用​​ed​​编写了 FizzBuzz，所以我有可能真的用过那台机器或它的一个兄弟姐妹！我真的希望活电脑博物馆能再次开放，能玩到老式电脑是非常酷的。）

发送了什么信息？

很明显，如果你想连接到一个远程计算机（用​​ssh​​​或使用​​xterm.js​​和 Websocket，或其他任何方式），那么需要在客户端和服务器之间发送一些信息。

具体来说：

客户端需要发送用户输入的键盘信息（如​​ls -l​​）。服务器需要告诉客户端在屏幕上显示什么。

让我们看看一个真正的程序，它在浏览器中运行一个远程终端，看看有哪些信息会被来回发送！

我们将使用 goterm 来进行实验

我在 GitHub 上发现了这个叫做​​goterm​​​的小程序，它运行一个 Go 服务器，可以让你在浏览器中使用​​xterm.js​​与终端进行交互。这个程序非常不安全，但它很简单，很适合学习。

我​​复刻了它​​​，使它能与最新的​​xterm.js​​一起工作，因为它最后一次更新是在 6 年前。然后，我添加了一些日志语句，以打印出每次通过 WebSocket 发送/接收的字节数。

让我们来看看在几个不同的终端交互过程中的发送和接收情况吧!

示例：ls

首先，让我们运行​​ls​​​。下面是我在​​xterm.js​​终端上看到的情况：

    ~:/play$ ls
    file
    ~:/play$

以下是发送和接收的内容：（在我的代码中，我记录了每次客户端发送的字节：​​sent: [bytes]​​​，每次它从服务器接收的字节：​​recv: [bytes]​​）

    sent: "l"
    recv: "l"
    sent: "s"
    recv: "s"
    sent: "\r"
    recv: "\r\n\x1b[?2004l\r"
    recv: "file\r\n"
    recv: "\x1b[~:/play$ "

我在这个输出中注意到 3 件事：

1. 回显：客户端发送​​l​​​，然后立即收到一个​​l​​​发送回来。我想这里的意思是，客户端真的很笨 —— 它不知道当我输入​​l​​​时，我想让​​l​​被回显到屏幕上。它必须由服务器进程明确地告诉它来显示它。
2. 换行：当我按下回车键时，它发送了一个​​\r'（回车）符号，而不是​​\n'（换行）。
3. 转义序列：​​\x1b​​​是 ASCII 转义字符，所以​​\x1b[?2004h​​是告诉终端显示什么或其他东西。我想这是一个颜色序列，但我不确定。我们稍后会详细讨论转义序列。

好了，现在我们来做一些稍微复杂的事情。

示例：Ctrl+C

接下来，让我们看看当我们用​​Ctrl+C​​中断一个进程时会发生什么。下面是我在终端中看到的情况：

    ~:/play$ cat
    ^C
    ~:/play$

而这里是客户端发送和接收的内容。

    sent: "c"
    recv: "c"
    sent: "a"
    recv: "a"
    sent: "t"
    recv: "t"
    sent: "\r"
    recv: "\r\n\x1b[?2004l\r"
    sent: "\x03"
    recv: "^C"
    recv: "\r\n"
    recv: "\x1b[?2004h"
    recv: "~:/play$ "

当我按下​​Ctrl+C​​​时，客户端发送了​​\x03​​​。如果我查 ASCII 表，​​\x03​​​是 “文本结束”，这似乎很合理。我认为这真的很酷，因为我一直对​​Ctrl+C​​​的工作原理有点困惑 —— 很高兴知道它只是在发送一个​​\x03​​字符。

我相信当我们按​​Ctrl+C​​​时，​​cat​​​被中断的原因是服务器端的 Linux 内核收到这个​​\x03​​​字符，识别出它意味着 “中断”，然后发送一个​​SIGINT​​到拥有伪终端的进程组。所以它是在内核而不是在用户空间处理的。

示例：Ctrl+D

让我们试试完全相同的事情，只是用​​Ctrl+D​​。下面是我在终端看到的情况：

    ~:/play$ cat
    ~:/play$

而这里是发送和接收的内容：

    sent: "c"
    recv: "c"
    sent: "a"
    recv: "a"
    sent: "t"
    recv: "t"
    sent: "\r"
    recv: "\r\n\x1b[?2004l\r"
    sent: "\x04"
    recv: "\x1b[?2004h"
    recv: "~:/play$ "

它与​​Ctrl+C​​​非常相似，只是发送​​\x04​​​而不是​​\x03​​​。很好！​​\x04​​对应于 ASCII “传输结束”。

Ctrl + 其它字母呢？

接下来我开始好奇 —— 如果我发送​​Ctrl+e​​，会发送什么字节？

事实证明，这只是该字母在字母表中的编号，像这样。

• ​​Ctrl+a​​=> 1
• ​​Ctrl+b​​=> 2
• ​​Ctrl+c​​=> 3
• ​​Ctrl+d​​=> 4
• ...
• ​​Ctrl+z​​=> 26

另外，​​Ctrl+Shift+b​​​的作用与​​Ctrl+b​​​完全相同（它写的是​​0x2​​）。

键盘上的其他键呢？下面是它们的映射情况：

• ​​Tab​​​-> 0x9（与​​Ctrl+I​​相同，因为 I 是第 9 个字母）
• ​​Escape​​​->​​\x1b​​
• ​​Backspace​​​->​​\x7f​​
• ​​Home​​​->​​\x1b[H​​
• ​​End​​​->​​\x1b[F​​
• ​​Print Screen​​​->​​\x1b\x5b\x31\x3b\x35\x41​​
• ​​Insert​​​->​​\x1b\x5b\x32\x7e​​
• ​​Delete​​​->​​\x1b\x5b\x33\x7e​​
• 我的​​Meta​​键完全没有作用

那​​Alt​​​呢？根据我的实验（和一些搜索），似乎​​Alt​​​和​​Escape​​​在字面上是一样的，只是按​​Alt​​​本身不会向终端发送任何字符，而按​​Escape​​本身会。所以：

• ​​alt + d​​​=>​​\x1bd​​（其他每个字母都一样）
• ​​alt + shift + d​​​=>​​\x1bD​​（其他每个字母都一样）
• 诸如此类

让我们再看一个例子！

示例：nano

下面是我运行文本编辑器​​nano​​时发送和接收的内容：

    recv: "\r\x1b[~:/play$ "
    sent: "n" [[]byte{0x6e}]
    recv: "n"
    sent: "a" [[]byte{0x61}]
    recv: "a"
    sent: "n" [[]byte{0x6e}]
    recv: "n"
    sent: "o" [[]byte{0x6f}]
    recv: "o"
    sent: "\r" [[]byte{0xd}]
    recv: "\r\n\x1b[?2004l\r"
    recv: "\x1b[?2004h"
    recv: "\x1b[?1049h\x1b[22;0;0t\x1b[1;16r\x1b(B\x1b[m\x1b[4l\x1b[?7h\x1b[39;49m\x1b[?1h\x1b=\x1b[?1h\x1b=\x1b[?25l"
    recv: "\x1b[39;49m\x1b(B\x1b[m\x1b[H\x1b[2J"
    recv: "\x1b(B\x1b[0;7m  GNU nano 6.2 \x1b[44bNew Buffer \x1b[53b \x1b[1;123H\x1b(B\x1b[m\x1b[14;38H\x1b(B\x1b[0;7m[ Welcome to nano.  For basic help, type Ctrl+G. ]\x1b(B\x1b[m\r\x1b[15d\x1b(B\x1b[0;7m^G\x1b(B\x1b[m Help\x1b[15;16H\x1b(B\x1b[0;7m^O\x1b(B\x1b[m Write Out   \x1b(B\x1b[0;7m^W\x1b(B\x1b[m Where Is    \x1b(B\x1b[0;7m^K\x1b(B\x1b[m Cut\x1b[15;61H"

你可以看到一些来自用户界面的文字，如 “GNU nano 6.2”，而这些​​\x1b[27m​​的东西是转义序列。让我们来谈谈转义序列吧！

ANSI 转义序列

上面这些​​nano​​​发给客户端的​​\x1b[​​​东西被称为“转义序列”或 “转义代码”。这是因为它们都是以 “转义”字符​​\x1b​​​开头。它们可以改变光标的位置，使文本变成粗体或下划线，改变颜色，等等。​​维基百科介绍了一些历史​​，如果你有兴趣的话可以去看看。

举个简单的例子：如果你在终端运行

    echo -e '\e[0;31mhi\e[0m there'

它将打印出 “hi there”，其中 “hi” 是红色的，“there” 是黑色的。​​本页​​有一些关于颜色和格式化的转义代码的例子。

我认为有几个不同的转义代码标准，但我的理解是，人们在 Unix 上使用的最常见的转义代码集来自 VT100（博客文章顶部图片中的那个老终端），在过去的 40 年里没有真正改变。

转义代码是为什么你的终端会被搞乱的原因，如果你​​cat​​​一些二进制数据到你的屏幕上 —— 通常你会不小心打印出一堆随机的转义代码，这将搞乱你的终端 —— 如果你​​cat​​​足够多的二进制数据到你的终端，那里一定会有一个​​0x1b​​的字节。

可以手动输入转义序列吗？

在前面几节中，我们谈到了​​Home​​​键是如何映射到​​\x1b[H​​​的。这 3 个字节是​​Escape + [ + H​​​（因为​​Escape​​​是​​\x1b​​）。

如果我在​​xterm.js​​​终端手动键入​​Escape​​​，然后是​​[​​​，然后是​​H​​​，我就会出现在行的开头，与我按下​​Home​​完全一样。

我注意到这在我的电脑上的 Fish shell 中不起作用 —— 如果我键入​​Escape​​​，然后输入​​[​​​，它只是打印出​​[​​​，而不是让我继续转义序列。我问了我的朋友 Jesse，他写过​​一堆 Rust 终端代码​​，Jesse 告诉我，很多程序为转义代码实现了一个超时—— 如果你在某个最小的时间内没有按下另一个键，它就会决定它实际上不再是一个转义代码了。

显然，这在 Fish shell 中可以用​​fish_escape_delay_ms​​​来配置，所以我运行了​​set fish_escape_delay_ms 1000​​，然后我就能用手输入转义代码了。工作的很好！

终端编码有点奇怪

我想在这里暂停一下，我觉得你按下的键被映射到字节的方式是非常奇怪的。比如，如果我们今天从头开始设计按键的编码方式，我们可能不会把它设置成这样：

• ​​Ctrl + a​​​和​​Ctrl + Shift + a​​做的事情完全一样。
• ​​Alt​​​与​​Escape​​是一样的
• 控制序列（如颜色/移动光标）使用与​​Escape​​​键相同的字节，因此你需要依靠时间来确定它是一个控制序列还是用户只是想按​​Escape​​。

但所有这些都是在 70 年代或 80 年代或什么时候设计的，然后需要永远保持不变，以便向后兼容，所以这就是我们得到的东西 :smiley:

改变窗口大小

在终端中，并不是所有你能做的事情都是通过来回发送字节发生的。例如，当终端被调整大小时，我们必须以不同的方式告诉 Linux 窗口大小已经改变。

下面是​​goterm​​中用来做这件事的 Go 代码的样子：

    syscall.Syscall(
        syscall.SYS_IOCTL,
        tty.Fd(),
        syscall.TIOCSWINSZ,
        uintptr(unsafe.Pointer(&resizeMessage)),
    )

这是在使用​​ioctl​​​系统调用。我对​​ioctl​​的理解是，它是一个系统调用，用于处理其他系统调用没有涉及到的一些随机的东西，通常与 IO 有关，我猜。

​​syscall.TIOCSWINSZ​​​是一个整数常数，它告诉​​ioctl​​我们希望它在本例中做哪件事（改变终端的窗口大小）。

这也是 xterm 的工作方式。

在这篇文章中，我们一直在讨论远程终端，即客户端和服务器在不同的计算机上。但实际上，如果你使用像 xterm 这样的终端模拟器，所有这些工作方式都是完全一样的，只是很难注意到，因为这些字节并不是通过网络连接发送的。

文章到此结束啦

关于终端，肯定还有很多东西要了解（我们可以讨论更多关于颜色，或者原始与熟化模式，或者 Unicode 支持，或者 Linux 伪终端界面），但我将在这里停止，因为现在是晚上 10 点，这篇文章有点长，而且我认为我的大脑今天无法处理更多关于终端的新信息。