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。我打算用find 执行此操作，然后执行grep 打印非ASCII 字符，然后执行wc -l 查找数字。它不必是 grep；我可以使用任何标准的 Unix regular expression，例如 Perl、sed、AWK 等。
但是，“任何不是 ASCII 字符的字符”是否有正则表达式？
【问题讨论】：
/[\x00-\x08\x0B\x0C\x0E-\x1F\x7F-\x9F]
标签： regex unicode grep ascii non-ascii-characters
【讨论】：
^ 在 PCRE 中有效。
:print: 不能在 UTF8 终端中工作？这在 UTF8 终端中对我有用：27.chr =~ /[^[:print:]]/
rename 's/[^\x00-\x7F]//g' *（您可以先使用 -n 检查重命名是否正常）。
您也可以查看此页面：Unicode Regular Expressions，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。
你真的不需要正则表达式。
printf "%s\n" *[!\ -~]*
这将显示名称中包含控制字符的文件名，但我认为这是一项功能。
如果您没有任何匹配的文件，则 glob 将扩展为仅其自身，除非您设置了 nullglob。 （表达式本身不匹配，所以从技术上讲，这个输出是明确的。）
【讨论】：
shopt -s nullglob dotglob globasciiranges 跳过不匹配的模式，包括像.tmp§ 这样的点文件名，而不是依赖于当前的语言环境。我的意思是只为这个特定的命令临时设置它，否则默认设置就可以了。
不，[^\x20-\x7E] 不是 ASCII。
这是真正的 ASCII：
[^\x00-\x7F]
否则，它将删除换行符和其他属于 ASCII 表的特殊字符！
【讨论】：
你可以使用这个正则表达式：
[^\w \xC0-\xFF]
案例询问，选项是Multiline。
【讨论】：
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。
【讨论】：
[^\x00-\x7F] 和 [^[:ascii:]] 缺少一些控制字节，所以 strings 有时可能是更好的选择。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strings test.torrent 会表现得很好。
【讨论】：
验证文本框接受 Ascii 仅使用此模式
[\x00-\x7F]+
【讨论】：
我使用[^\t\r\n\x20-\x7E]+，这似乎工作正常。
【讨论】：