bash - 如何使用 bash 工具搜索非 ASCII 字符？

Question

我有一个大文本文件，其中包含一些使 LaTeX 崩溃的 unicode 字符。如何在 Linux bash 中使用 sed 等在文件中查找非 ASCII 字符？

Answer 1

尝试：

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

可以像这样使用：

printf 'ŨTF8\n' | nonascii

内[] ^是“不”的意思。所以[^ -~]表示不在空格和~之间的字符。因此，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版本[^\x00-\x7f]。该\+方法1 or more将获得多字节字符以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

Answer 2

试试这个命令：

grep -P '[^\x00-\x7f]' file