Unicode文字「ZERO WIDTH SPACE」（U + 200B）をgrepするLinuxシェルコマンド？

grepLinuxでUnicode文字「ZERO WIDTH SPACE」（U + 200B）を使用するにはどうすればよいですか？

$ grep '%U200B' filename?

最初に印刷しましょう：

$ printf %b '\u200b' | uniname
character  byte       UTF-32   encoded as     glyph   name
        0          0  00200B   E2 80 8B               ZERO WIDTH SPACE

これで、同じフォーマットを使用して検索できるようになります（Bashを使用）：

$ printf %b '\u200b' | grep -q "$(printf %b '\u200b')"
$ echo $?
0

ここでのトリックprintf %bは、引数をエンコードされた文字として扱うため、\xシングルバイト文字の印刷に使用でき、\uマルチバイト文字の印刷に*を使用できます。

ファイルで見つけるには、次のようにします。

grep "$(printf %b '\u200b')" filename

* POSIX仕様は、実際にどのように%b機能するかについて明確ではありません。printfページには、「％bの変換仕様は[...]エコーユーティリティによって提供される文字列オペランドに展開-escapesを処理するために、移植性のある方法として、ここに追加されました」と言うと、ページは、その使用の単一文書化されていない例を示します。echo

テスト：

$ printf %b '\u200b' > test.txt
$ grep -q "$(printf %b '\u200b')" test.txt
$ echo $?
0

以下は正常に動作します。BabelMap（google）でファイルを作成し、保存オプションを使用しました。

行番号1〜5のファイルを作成し、行4にゼロlenスペースを追加しました。

> hexdump testout.txt -C                 
00000000  31 0a 32 0a 32 0a 33 0a  34 20 e2 80 8b 0a 35 0a  |1.2.2.3.4 ....5.|
00000010

ファイル内の文字「e2808b」のutf8エンコーディングに注意してください。

この単純なgrepは正しい行を見つけます。

> grep $'\u200b' testout.txt  
4 ​
> grep $'\u200b' testout.txt|hexdump -C
00000000  34 20 e2 80 8b 0a                                 |4 ....|
00000006 

FWIW、私のGREP_OPTIONSは「--color = auto -I -D skip -d skip」に設定されていますが、それらのどれも関連性があるとは思いません。

GNU grepでPerl正規表現を使用することもできます

grep --perl-regexp '\ x {200B}'ファイル名

でmacos、それに付属しているBSDのはgrepは、マルチバイトをサポートしていないとして、それ、トリッキーです。ただし、GNU grepはHomebrew経由でインストールできますggrep。