在终端中按下按键时会发生什么？

在终端中按下按键时会发生什么？

长期以来，我一直对终端的工作原理感到困惑。

但就在上周，我用 xterm.js 在浏览器中显示交互式终端时，终于想到了一个很基础的问题：在终端中按下键盘上的键（比如删除键、Esc 键或字母 a）时，会发送哪些字节？

和往常一样，我们会通过做实验、看结果来回答这个问题 :)

远程终端是非常古老的技术

首先我想说，用 xterm.js 在浏览器中显示终端看似是个新鲜事，但其实不然。70 年代时，计算机很昂贵。所以机构里的很多员工会共用一台计算机，每个人都能拥有一个连接到这台计算机的 “终端”。

比如，这是一张 70 或 80 年代 VT100 终端的照片。它看起来像台电脑（还挺大的！），但其实不是 —— 它只显示真正的计算机发送给它的信息。

当然，70 年代的人们不会用 websocket 来传输信息，但当时终端和计算机之间来回传输的信息，和现在大致是一样的。

（照片里的终端来自西雅图的 Living Computer 博物馆，我曾去过那里，在一台很古老的 Unix 系统上用 ed 编辑器写过 FizzBuzz 程序，所以我可能真的用过这台机器或者它的同款！真心希望 Living Computer 博物馆能重新开放，摆弄老电脑太有意思了。）

会传输哪些信息？

显然，如果你想连接远程计算机（通过 ssh、xterm.js 加 websocket 或其他方式），客户端和服务器之间需要传输一些信息。

具体来说：

• 客户端需要发送用户输入的按键（比如 ls -l）

• 服务器需要告诉客户端屏幕上该显示什么

我们来看一个能在浏览器中运行远程终端的真实程序，看看来回传输的是什么信息！

我们用 goterm 做实验

我在 GitHub 上找到一个叫 goterm 的小程序，它运行一个 Go 服务器，能让你通过 xterm.js 在浏览器中与终端交互。这个程序安全性很差，但很简单，非常适合学习。

由于它已经 6 年没更新了，我复刻了一份，让它适配最新的 xterm.js。然后我加了些日志语句，每次通过 websocket 发送 / 接收字节时就打印出来。

我们来看看几次不同的终端交互中，发送和接收的内容！

示例：ls

首先，我们运行 ls。在 xterm.js 终端上，我看到的是：

bork@kiwi:/play$ ls
file
bork@kiwi:/play$

以下是发送和接收的内容（在我的代码里，客户端发送字节时会记录 “发送：[字节]”，从服务器接收字节时会记录 “接收：[字节]”）：

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

从这个输出中，我注意到三点：

• 回显：客户端发送 “l” 后，立即收到返回的 “l”。我猜这是因为客户端很 “笨”—— 它不知道我输入 “l” 时，希望屏幕上能回显 “l”。必须由服务器进程明确告诉它要显示这个 “l”。

• 换行：按回车时，发送的是 \r（回车符）而不是 \n（换行符）

• 转义序列：\x1b 是 ASCII 转义字符，所以 \x1b [?2004h 是在告诉终端要显示些什么。我觉得这可能是个颜色序列，但不确定。后面我们再稍微聊聊转义序列。

好，现在来做点稍微复杂点的操作。

示例：Ctrl+C

接下来，看看用 Ctrl+C 中断进程时会发生什么。在终端里我看到的是：

bork@kiwi:/play$ cat
^C
bork@kiwi:/play$

以下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: "bork@kiwi:/play$ "

按下 Ctrl+C 时，客户端发送的是 \x03。查 ASCII 表就会知道，\x03 代表 “文本结束”，这很合理。我一直有点搞不懂 Ctrl+C 是怎么工作的，现在知道它只是发送了一个 \x03 字符，感觉豁然开朗。

我认为 cat 进程会被 Ctrl+C 中断，是因为服务器端的 Linux 内核收到这个 \x03 字符后，识别出它表示 “中断”，然后向控制伪终端的进程组发送 SIGINT 信号。所以这是由内核处理的，而非用户态。

示例：Ctrl+D

我们用 Ctrl+D 做同样的实验。在终端里我看到的是：

bork@kiwi:/play$ cat
bork@kiwi:/play$

以下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: "bork@kiwi:/play$ "

和 Ctrl+C 很像，只是发送的是 \x04 而不是 \x03。很酷吧！\x04 对应 ASCII 中的 “传输结束”。

那 Ctrl + 其他字母呢？

接下来我好奇的是 —— 如果按 Ctrl+e，会发送什么字节？

结果发现，它其实就是该字母在字母表中的序号，比如：

• Ctrl+a => 1

• Ctrl+b => 2

• Ctrl+c => 3

• Ctrl+d => 4

• ……

• Ctrl+z => 26

另外，Ctrl+Shift+b 和 Ctrl+b 的效果完全一样（都会发送 0x2）。

键盘上其他键对应什么呢？如下：

• Tab -> 0x9（和 Ctrl+I 一样，因为 I 是第 9 个字母）

• Esc -> \x1b

• 退格键 -> \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 键完全没反应

那 Alt 键呢？根据我的实验（和一些谷歌搜索结果），Alt 键其实和 “Esc 键” 作用一样，只是单独按 Alt 键不会向终端发送任何字符，而单独按 Esc 键会。所以：

• alt + d => \x1bd（其他字母也一样）

• alt + shift + d => \x1bD（其他字母也一样）

• 等等

再看一个示例：nano

运行文本编辑器 nano 时，发送和接收的内容如下：

recv: "\r\x1b[Kbork@kiwi:/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"

可以看到其中有一些 UI 文本，比如 “GNU nano 6.2”，还有这些 \x1b [27m 之类的是转义序列。我们来聊聊转义序列！

ANSI 转义序列

上面 nano 发送给客户端的这些 \x1b [开头的内容，叫做 “转义序列” 或 “转义码”。因为它们都以 \x1b（即 “转义” 字符）开头。转义序列可以改变光标位置、让文本加粗或下划线、改变颜色等等。如果你感兴趣，维基百科上有相关历史。

举个简单的例子：在终端中运行

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

会打印出 “hi there”，其中 “hi” 是红色，“there” 是黑色。这个网页上有一些关于颜色和格式转义码的不错示例。

我知道转义码有几个不同的标准，但我的理解是，Unix 系统上最常用的那套转义码来自 VT100（就是文章开头那张照片里的老终端），而且过去 40 年基本没怎么变过。

这也是为什么用 cat 命令在屏幕上输出大量二进制内容时，终端会变乱 —— 通常你会不小心打印出一堆随机的转义码，它们会搞乱终端设置。只要输出的二进制内容足够多，里面肯定会有 0x1b 字节。

能手动输入转义序列吗？

前面我们说过，Home 键对应 \x1b [H。这 3 个字节是转义符 Escape + [ + H（因为转义符是 \x1b）。

在 xterm.js 终端中，如果我手动按 Esc，再按 [，再按 H，就会跳到行首，和按 Home 键的效果完全一样。

不过我发现这在我电脑上的 fish shell 里不管用 —— 如果我按 Esc 再按 [，它只会打印出 [，不会让我继续输入转义序列。我问了朋友杰西，他写过很多 Rust 终端代码，他说很多程序会给转义码设置超时 —— 如果在一定时间内没按其他键，程序就会判定这不是转义序列。

显然，在 fish 里可以通过 fish_escape_delay_ms 配置这个超时时间。我运行了 set fish_escape_delay_ms 1000，之后就能手动输入转义序列了。太酷了！

终端编码有点奇怪

这里我想插一句，按键映射到字节的方式其实挺奇怪的。如果现在重新设计按键编码方式，我们大概不会搞成这样：

• Ctrl+a 和 Ctrl+Shift+a 的效果完全一样

• Alt 键和 Esc 键作用相同

• 控制序列（比如颜色 / 光标移动）和 Esc 键用同一个字节，所以得靠时间来判断这是个控制序列还是用户真的按了 Esc 键

但这些都是 70、80 年代设计的，为了向后兼容，就得一直保持这样 :)

改变窗口大小

终端里的操作不都是通过来回发送字节实现的。比如终端窗口大小改变时，我们得用另一种方式告诉 Linux 窗口大小变了。

goterm 中实现这个功能的 Go 代码是这样的：

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

这用了 ioctl 系统调用。我对 ioctl 的理解是，它是个处理各种杂项的系统调用，那些其他系统调用覆盖不到的功能（通常和 IO 有关）都靠它。

syscall.TIOCSWINSZ 是个整数常量，告诉 ioctl 这次要做的具体操作（改变终端窗口大小）。

xterm 的工作原理也是这样

这篇文章讲的是远程终端，即客户端和服务器在不同电脑上。但其实像 xterm 这样的终端模拟器，工作原理完全一样，只是不太容易注意到，因为字节不是通过网络传输的。

今天就到这啦！

关于终端还有很多可以说的（比如颜色、原始模式 vs 规范模式、Unicode 支持、Linux 伪终端接口等），但我得停笔了，已经晚上 10 点了，写得有点长，而且我脑子今天实在装不下更多关于终端的新知识了。