(grep) ASCII olmayan karakterlerle eşleşecek şekilde normal ifade?

Linux'ta çok sayıda dosya içeren bir dizinim var. Bazılarının ASCII olmayan karakterleri vardır, ancak hepsi geçerli UTF-8'dir . Bir program, ASCII olmayan dosya adlarıyla çalışmasını engelleyen bir hataya sahiptir ve kaç tanesinin etkilendiğini bulmak zorundayım. Bunu ASCII olmayan karakterleri yazdırmak için findbir grep yapacağım ve sonra wc -lnumarayı bulmak için bir yapacağım. Grep olmak zorunda değil; Ben herhangi bir standart Unix kullanabilirsiniz düzenli ifade gibi, Perl , sed , AWK vb

Ancak, 'ASCII karakteri olmayan herhangi bir karakter' için düzenli bir ifade var mı?

Bu, ASCII olmayan tek bir karakterle eşleşir:

[^\x00-\x7F]

Bu geçerli bir PCRE'dir ( Perl Uyumlu Düzenli İfade ).

POSIX kısayollarını da kullanabilirsiniz :

• [[:ascii:]] - tek bir ASCII karakteriyle eşleşir
• [^[:ascii:]] - tek bir ASCII olmayan karakterle eşleşir

[^[:print:]] muhtemelen sizin için yeterli olacaktır. **

Hayır, [^\x20-\x7E]ASCII değil.

Bu gerçek ASCII:

 [^\x00-\x7F]

Aksi takdirde, ASCII tablosunun parçası olan yeni satırları ve diğer özel karakterleri keser!

Bu sayfayı da kontrol edebilirsiniz: Unicode Düzenli İfadeler , çünkü bazı yararlı Unicode karakter sınıfları içerir, örneğin:

\ p {Kontrol}: bir ASCII 0x00..0x1F veya Latin-1 0x80..0x9F kontrol karakteri.

[^\x00-\x7F]ve [^[:ascii:]]bazı kontrol baytlarını kaçırdığınızda dizeler bazen daha iyi bir seçenek olabilir. Örneğin cat test.torrent | perl -pe 's/[^[:ascii:]]+/\n/g', terminalinize garip şeyler yapacak, nerede strings test.torrentdavranacaksınız.

Metin Kutusunu Doğrulamak İçin Yalnızca Ascii'yi Kabul Et Bu Deseni Kullan

[\x00-\x7F]+

Kullanıyorum [^\t\r\n\x20-\x7E]+ve bu iyi çalışıyor gibi görünüyor.

Bu normal ifadeyi kullanabilirsiniz:

[^\w \xC0-\xFF]

Durum sormak, seçenekleri Çok Satırlı olduğunu .

Gerçekten normal ifadeye ihtiyacınız yok.

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

Bu, adlarında kontrol karakterleri olan dosya adlarını da gösterecektir, ancak bir özellik olduğunu düşünüyorum.

Eşleşen bir dosyanız yoksa, siz nullglobayarlamadığınız sürece glob kendiliğinden genişler . (İfade, kendisiyle eşleşmez, bu nedenle teknik olarak, bu çıktı kesin değildir.)

Bunun çok esnek ve genişletilebilir olduğu ortaya çıktı. $ field = ~ s / [^ \ x00- \ x7F] // g; # Böylece ASCII olmayan veya söz konusu belirli öğeler temizlenebilir. Sonunda hash anahtarları olacak öğelerin seçiminde veya ön işleminde çok güzel.