（grep）非ASCII文字に一致する正規表現？

Linuxでは、多くのファイルを含むディレクトリがあります。一部には非ASCII文字がありますが、すべて有効なUTF-8です。1つのプログラムにバグがあり、ASCII以外のファイル名で機能しないため、影響を受けるファイルの数を調べる必要があります。私はこれを使ってこれを行いfind、次にgrepを実行して非ASCII文字を出力し、次にa wc -lを実行して数字を見つけていました。grepである必要はありません。私は、任意の標準的なUnix使用できる正規表現のように、Perlの、sedは、AWKなどを、

しかし、「ASCII文字以外の文字」の正規表現はありますか？

これは、1つの非ASCII文字と一致します。

[^\x00-\x7F]

これは有効なPCRE（Perl互換の正規表現）です。

POSIX省略形を使用することもできます。

• [[:ascii:]] -単一のASCII文字に一致します
• [^[:ascii:]] -単一の非ASCII文字と一致します

[^[:print:]] おそらくあなたのために十分でしょう。**

いいえ、[^\x20-\x7E]ASCII ではありません。

これは実際のASCIIです。

 [^\x00-\x7F]

それ以外の場合は、ASCIIテーブルの一部である改行やその他の特殊文字が削除されます。

また、このページをチェックすることができます：Unicodeの正規表現を、それはのように、いくつかの有用なUnicode文字クラスが含まれて：

\ p {Control}：ASCII 0x00..0x1FまたはLatin-1 0x80..0x9F制御文字。

[^\x00-\x7F]そして、[^[:ascii:]]いくつかの制御バイトを逃すので、文字列がより良いオプションになることがあります。たとえばcat test.torrent | perl -pe 's/[^[:ascii:]]+/\n/g'、as strings test.torrentが動作する端末に対して奇妙なことを行います。

テキストボックスを検証するには、ASCIIを受け入れますこのパターンのみを使用します

[\x00-\x7F]+

私が使用[^\t\r\n\x20-\x7E]+していますが、問題なく動作しているようです。

あなたはこの正規表現を使うことができます：

[^\w \xC0-\xFF]

場合によっては、オプションはMultilineです。

あなたは本当に正規表現を必要としません。

printf "%s\n" *[!\ -~]*

これにより、名前に制御文字が含まれるファイル名も表示されますが、私はその機能を検討しています。

一致するファイルがない場合、nullglob設定しない限り、グロブはそれ自体に展開されます。（式はそれ自体と一致しないため、技術的にはこの出力は明確です。）

これは非常に柔軟で拡張可能であることがわかりました。$ field =〜s / [^ \ x00- \ x7F] // g; ＃したがって、すべての非ASCIIまたは問題の特定のアイテムをクリーニングできます。最終的にハッシュキーになるアイテムの選択または前処理のいずれかで非常に優れています。