LC_COLLATEは文字範囲に影響しますか？

照合順序LC_COLLATEは、個々の文字の並べ替え順序だけでなく、文字範囲の意味も定義します。それともそうですか？次のスニペットを検討してください。

unset LANGUAGE LC_ALL
echo B | LC_COLLATE=en_US grep '[a-z]'

直感的にBはにない[a-z]ので、何も出力されません。それがUbuntu 8.04または10.04で起こります。しかし、Debianのレニーやスクイズを実行しているいくつかのマシン上で、B範囲があるため、発見されたa-zの間だすべてのものが含まaとz大文字を含む照合順序で、BスルーをZ。

テストされたすべてのシステムには、en_USロケールが生成されています。また、ロケールを変更しようとしました：B上記と一致するマシンでは、{en_{AU,CA,GB,IE,US},fr_FR,it_IT,es_ES,de_DE}{iso8859-1,iso8859-15,utf-8}日本語（使用可能なエンコーディング）およびC/ を除くすべての使用可能なロケール（ほとんどがラテン語ベース：、中国語ロケールも）で同じことが起こりますPOSIX。

ASCIIを超える場合、正規表現で文字範囲は何を意味しますか？一部のDebianインストールと他のDebianインストールとUbuntuの間に違いがあるのはなぜですか？他のシステムはどのように動作しますか？誰が正しいのか、誰に対してバグを報告すべきか？

（主にGNU libcベースのシステム[a-z]でのen_USロケールなどの文字範囲の動作について具体的に尋ねていることに注意してください。小文字またはASCII小文字の一致方法は尋ねていません。）

2台のDebianマシンで、1台Bが入っ[a-z]ているものと入っていないものの出力LC_COLLATE=en_US locale -k LC_COLLATEは

collate-nrules=4
collate-rulesets=""
collate-symb-hash-sizemb=1
collate-codeset="ISO-8859-1"

そしての出力LC_COLLATE=en_US.utf8 locale -k LC_COLLATEは

collate-nrules=4
collate-rulesets=""
collate-symb-hash-sizemb=2039
collate-codeset="UTF-8"

Cロケール以外を使用している場合[a-z]、これらはロケール依存であり、期待する結果が常に得られるとは限らないため、範囲を使用しないでください。既に遭遇したケースの問題に加えて、いくつかのロケールは発音区別記号（例：á）を持つ文字を基本文字と同じように扱います（すなわち a）ます。

代わりに、名前付き文字クラスを使用します。

echo B | grep '[[:lower:]]'

これにより、ロケールの正しい結果が常に得られます。ただし、入力テキストと適用しようとしているテストの両方の意味を反映するロケールを選択する必要があります。

たとえば、特定のバイト値を見つける必要がある場合Cは、常に使用可能なロケールを使用します。

echo B | LANG=C grep '[a-z]'

これが期待どおりに機能しない場合、それは本当にバグです。

正規表現の範囲は、照合設定に従う必要があります。関連する標準は次のとおりです。http：//pubs.opengroup.org/onlinepubs/007908799/xbd/re.html（「範囲式」を探してください）。そのため、それぞれのロケールの適切な定義を指定してecho B | LC_COLLATE=en_US grep '[a-z]'出力Bする必要があります。なぜこれがうまく機能しないのかを説明することはできませんが、適切にインストールおよび設定された非古代のシステムでこれに遭遇した場合、非常に驚​​くでしょう。