正则表达式匹配 sed 中的非 ASCII 字符

Question

考虑以下 sed 正则表达式替换:

$ echo 'oóO' | sed -e 's/[^a-z]/./g'
oó.

对我来说，这表示“用 a 替换不在 z 到 . 范围内的所有字符，所以我希望输出 o.. 因为 ó 或 O 都不在 a-z 的范围内任何编码中的“代码点”意义(FWIW，我使用的是 UTF-8)。

这是怎么回事？

我如何制作一个仅匹配完全匹配的范围 [abcdefhijklmnopqrstuvwxyz]不把它全部写出来？

这是 locale 的输出在我的系统上:

LANG=en_US.UTF-8
LANGUAGE=
LC_CTYPE="en_US.UTF-8"
LC_NUMERIC=en_US.UTF-8
LC_TIME=en_US.UTF-8
LC_COLLATE="en_US.UTF-8"
LC_MONETARY=en_US.UTF-8
LC_MESSAGES="en_US.UTF-8"
LC_PAPER=en_US.UTF-8
LC_NAME=en_US.UTF-8
LC_ADDRESS=en_US.UTF-8
LC_TELEPHONE=en_US.UTF-8
LC_MEASUREMENT=en_US.UTF-8
LC_IDENTIFICATION=en_US.UTF-8
LC_ALL=

Answer 1

基于 suggestion 的变体由 Quasímodo，设置 LC_COLLATE=C为 sed命令工作:

$ echo 'oóO' | LC_COLLATE=C sed -e 's/[^a-z]/./g'
o..

关键是将整理顺序更改为“C”，以便在排序(整理)顺序中o和p之间不再出现ó，但不要更改 LC_CTYPE (或 LC_ALL )，以便仍能正确解释多字节 UTF-8 字符(这就是 LC_ALL=C 不起作用的原因)。