如何grep所有非ASCII字符？

Question

如何grep所有非ASCII字符？我有几个非常大的XML文件，我试图找到包含非ASCII字符的行。我尝试过以下方法：grep -e "[\x{00FF}-\x{FFFF}]" file.xml但是这会返回文件中的每一行，无论该行是否包含指定范围内的字符。我的语法有错吗？或者我做错了什么？我也尝试过：egrep "[\x{00FF}-\x{FFFF}]" file.xml（模式周围有单引号和双引号）。

Answer 1

您可以使用以下命令：

grep --color='auto' -P -n "[\x80-\xFF]" file.xml

这将为您提供行号，并以红色突出显示非ascii字符。

在某些系统中，根据您的设置，上述操作无效，因此您可以通过反向操作

grep --color='auto' -P -n "[^\x00-\x7F]" file.xml

另请注意，重要的位是-P等于的标志--perl-regexp：因此它将您的模式解释为Perl正则表达式。它也说

这是高度实验性的，grep -P可能会警告未实现的功能。

Answer 2

正如大多数上述解决方案所做的那样，不是对非ASCII字符的字节范围做出假设，而是明确更好地了解ASCII字符的实际字节范围。

所以第一个解决方案将成为：

grep --color='auto' -P -n '[^\x00-\x7F]' file.xml

（基本上对于十六进制ASCII范围之外的任何字符进行greps：从\ x00到\ x7F）

在Mountain Lion上无法工作（由于缺少BSD grep中的PCRE支持），但是pcre通过Homebrew安装，以下内容也可以正常工作：

pcregrep --color='auto' -n '[^\x00-\x7F]' file.xml

任何人可以想到的任何利弊？