linux - 如何告诉 sed“不要删除某些字符”？

Question

我有一个包含阿拉伯字符和一些其他字符（标点符号、数字、英文字符，...）的文本文件。我如何告诉 sed 删除文件中的所有字符，阿拉伯语除外？简而言之，我可以说我们通常告诉 sed 删除/替换一些特定字符并打印其他字符，但现在我正在寻找一种方法来告诉 sed 只打印我想要的字符，并删除所有其他字符。

Answer 1

使用 GNU sed，您应该能够通过其十六进制代码指定字符。您可以在字符类中使用它们：

sed 's/[\x00-\x7F]//g' # hex notation
sed 's/[\o000-\o177]//g' # octal notation

您也应该能够使用以下tr命令达到相同的效果：

tr -d '[\000-\177]'

这两种方法都假定您的输入文件采用 UTF8 编码。多字节字符设置了最高位，因此您可以简单地去除标准 ASCII（7 位）字符的所有内容。

---

要保留除一些明确定义的字符之外的所有内容，请使用否定字符类：

sed 's/[^characters you want to keep]//g'

使用类似的模式[^…]\+可能会提高正则表达式的性能。