regex - BASH glob/regex 范围的奇怪行为

Question

我看到 BASH 括号范围(例如 [A-Z])以一种意外的方式表现。
是否有对这种行为的解释，或者它是一个错误？

假设我有一个变量，我想从中去除所有大写字母:

$ var='ABCDabcd0123'
$ echo "${var//[A-Z]/}"

我得到的结果是这样的:

a0123

如果我用 sed 来做，我会得到一个预期的结果:

$ echo "${var}" | sed 's/[A-Z]//g'
abcd0123

BASH 内置的正则表达式匹配似乎也是如此:

$ [[ a =~ [A-Z] ]] ; echo $?
1
$ [[ b =~ [A-Z] ]] ; echo $?
0

如果我检查从'a'到'z'的所有小写字母，似乎只有'a'是一个异常(exception):

$ for l in {a..z}; do [[ $l =~ [A-Z] ]] || echo $l; done
a

我没有启用不区分大小写的匹配，即使我启用了，它也不应该让字母 'a' 表现不同:

$ shopt -p nocasematch
shopt -u nocasematch

作为引用，我使用的是 Cygwin，我在任何其他机器上都没有看到这种行为:

$ uname
CYGWIN_NT-6.3
$ bash --version | head -1
GNU bash, version 4.3.46(7)-release (x86_64-unknown-cygwin)
$ locale
LANG=en_GB.UTF-8
LC_CTYPE="en_GB.UTF-8"
LC_NUMERIC="en_GB.UTF-8"
LC_TIME="en_GB.UTF-8"
LC_COLLATE="en_GB.UTF-8"
LC_MONETARY="en_GB.UTF-8"
LC_MESSAGES="en_GB.UTF-8"
LC_ALL=

编辑:

我在这里发现了完全相同的问题: https://bugs.launchpad.net/ubuntu/+source/bash/+bug/120687
所以，我猜这是“en_GB.UTF-8”整理的错误(？)，但不是 BASH 本身。
设置 LC_COLLATE=C 确实解决了这个问题。

Answer 1

它肯定与您的区域设置设置有关。摘自GNU bash man page under Pattern Matching

[..] in the default C locale, [a-dx-z] is equivalent to [abcdxyz]. Many locales sort characters in dictionary order, and in these locales [a-dx-z] is typically not equivalent to [abcdxyz]; it might be equivalent to [aBbCcDdxXyYz], for example. To obtain the traditional interpretation of ranges in bracket expressions, you can force the use of the C locale by setting the LC_COLLATE or LC_ALL environment variable to the value C, or enable the globasciiranges shell option.[..]

在这种情况下使用 POSIX 字符类，[[:upper:]] 或更改您的 locale 设置 LC_ALL 或 LC_COLLATE 到 C 如上所述。

LC_ALL=C var='ABCDabcd0123'
echo "${var//[A-Z]/}"
abcd0123

此外，当设置此语言环境时，您的否定测试对所有小写字母进行大写检查将失败，因此打印字母，

LC_ALL=C; for l in {a..z}; do [[ $l =~ [A-Z] ]] || echo $l; done

还有，在上面的locale设置下

[[ a =~ [A-Z] ]] ; echo $?
1
[[ b =~ [A-Z] ]] ; echo $?
1

但对于所有小写范围都是如此，

[[ a =~ [a-z] ]] ; echo $?
0
[[ b =~ [a-z] ]] ; echo $?
0

---

也就是说，所有这些都可以通过使用 POSIX 指定的字符类，在新的 shell 下没有任何 locale 设置来避免，

echo "${var//[[:upper:]]/}"
abcd0123

和

for l in {a..z}; do [[ $l =~ [[:upper:]] ]] || echo $l; done