bash - 如何使用 bash 工具搜索非 ASCII 字符？

Question

我有一个很大的文本文件，其中包含一些使 LaTeX 崩溃的 unicode 字符。如何在 Linux bash 中使用 sed 等查找文件中的非 ASCII 字符？

Answer 1

尝试:

nonascii() { LANG=C grep --color=always '[^ -~]\+'; }

可以这样使用:

printf 'ŨTF8\n' | nonascii

在 [] 中，^ 表示“不”。所以 [^ -~] 表示字符不在空格和 ~ 之间。所以不包括控制字符，这匹配非 ASCII 字符，并且是一个更便携但稍微不太准确的 [^\x00-\x7f] 版本。 \+ 表示 1 或更多 并且将使多字节字符在完整字符周围显示颜色，而不是散布在每个字节中，从而破坏多字节序列