在 Linux 上，我有一个包含大量文件的目录。其中一些具有非 ASCII 字符，但它们都是有效的 UTF-8。一个程序有一个错误，阻止它使用非 ASCII 文件名，我必须找出有多少受到影响。我打算这样做find，然后执行grep打印非 ASCII 字符，然后执行 awc -l来查找数字。它不必是 grep；我可以使用任何标准的 Unix正则表达式，例如Perl、sed、AWK等。
但是，是否有“任何不是 ASCII 字符的字符”的正则表达式？
问问题
169298 次
9 回答
40
不，[^\x20-\x7E]不是 ASCII。
这是真正的 ASCII：
[^\x00-\x7F]
否则，它将删除作为 ASCII 表一部分的换行符和其他特殊字符！
于 2012-11-19T09:18:38.670 回答
6
您还可以查看此页面：Unicode 正则表达式，因为它包含一些有用的 Unicode 字符类，例如：
\p{Control}：ASCII 0x00..0x1F 或 Latin-1 0x80..0x9F 控制字符。
于 2010-01-23T18:58:25.430 回答
3
您可以使用此正则表达式：
[^\w \xC0-\xFF]
案例询问，选项是Multiline。
于 2015-03-23T00:14:03.103 回答
3
[^\x00-\x7F]并[^[:ascii:]]错过一些控制字节，因此有时字符串可能是更好的选择。例如cat test.torrent | perl -pe 's/[^[:ascii:]]+/\n/g'会对你的终端做一些奇怪的事情，而 asstrings test.torrent会在哪里表现。
于 2016-03-03T03:53:46.800 回答
3
验证文本框接受 Ascii 仅使用此模式
[\x00-\x7F]+
于 2018-05-30T19:28:33.080 回答
3
我使用[^\t\r\n\x20-\x7E]+，这似乎工作正常。
于 2019-01-21T17:19:49.973 回答
2
你真的不需要正则表达式。
printf "%s\n" *[!\ -~]*
这也将显示名称中带有控制字符的文件名，但我认为这是一个功能。
如果您没有任何匹配的文件，则 glob 将扩展为自身，除非您已nullglob设置。（表达式本身不匹配，所以从技术上讲，这个输出是明确的。）
于 2012-05-28T11:59:50.557 回答
1
结果证明这是非常灵活和可扩展的。$field =~ s/[^\x00-\x7F]//g ; # 因此所有有问题的非 ASCII 或特定项目都可以被清除。在选择或预处理最终将成为哈希键的项目方面非常好。
于 2015-10-19T20:25:07.563 回答