（grep）正则表达式以匹配非ASCII字符？

Question

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，使其无法使用非ASCII文件名，因此我必须找出有多少错误。我打算这样做find，然后执行grep打印非ASCII字符，然后执行a wc -l查找数字。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，是否存在“不是ASCII字符的任何字符”的正则表达式？

Answer 1

这将匹配一个非ASCII字符：

[^\x00-\x7F]

这是有效的PCRE（与Perl兼容的正则表达式）。

您还可以使用POSIX速记：

[[:ascii:]] -匹配一个ASCII字符

[^[:ascii:]] -匹配一个非ASCII字符

[^[:print:]] 可能就足够了。**

Answer 2

不，[^\x20-\x7E]不是ASCII。

这是真正的ASCII：

 [^\x00-\x7F]

否则，它将修剪掉换行符和ASCII表中的其他特殊字符！

Answer 3

[^\x00-\x7F]并且[^[:ascii:]]错过了一些控制字节，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'它将对您的终端产生奇怪的影响，strings test.torrent并表现正常。