regex - 如何 grep 查找所有非 ASCII 字符？

Question

我有几个非常大的 XML 文件，我正在尝试查找包含非 ASCII 字符的行。我尝试过以下方法:

grep -e "[\x{00FF}-\x{FFFF}]" file.xml

但这会返回文件中的每一行，无论该行是否包含指定范围内的字符。

我的语法是否错误或者我做错了什么？我也尝试过:

egrep "[\x{00FF}-\x{FFFF}]" file.xml 

(模式周围有单引号和双引号)。

Answer 1

您可以使用命令:

grep --color='auto' -P -n "[\x80-\xFF]" file.xml

这将为您提供行号，并以红色突出显示非 ASCII 字符。

在某些系统中，根据您的设置，上述方法将不起作用，因此您可以通过逆向 grep

grep --color='auto' -P -n "[^\x00-\x7F]" file.xml

另请注意，重要的一点是 -P 标志，它相当于 --perl-regexp:因此它将把您的模式解释为 Perl 正则表达式。它还说

this is highly experimental and grep -P may warn of unimplemented features.