我有一個文字文件，其中包含大量記錄，每筆記錄都佔一行。一些記錄具有已損壞的特殊字符，我試圖通過查找高於的多個字符序列來找到這些字符x80
這是一個單行範例，其中突出顯示了不正確的字元：
感興趣的十六進位字串是：
49 CC 80 C2 B9 6E
當我使用 GNU Grep 時，grep --color='auto' -P -n "[\x80-\xFF]" record.txt它僅匹配該行的一部分，它匹配上標 1 ( ¹) 但不匹配Ì：
Grep 似乎無法將組合的字元+變音符號分開...
我想做的是只保留具有兩個或多個連續x80字元的行 - 並且能夠匹配十六進位代碼中顯示的實際字元 - 即49 CC 80 C2 B9 6E看起來它應該匹配類似的東西"[\x80-\xFF]{2,10}"- 但這種匹配確實不行。
因此，為了澄清，當我使用它時，該行匹配：
grep --color='auto' -P -n "[\x80-\xFF]" record.txt
但是當我使用它時，它不會：
grep --color='auto' -P -n "[\x80-\xFF]{2,10}" record.txt
第二個不應該也匹配嗎，因為位元組序列是CC 80 C2 B9由 4 個連續位元組組成的字串，其值為x80-xFF？
答案1
這可能與區域設定相關。如果是這樣，使用 C（又稱 POSIX）語言環境（其中字元是位元組）可能會起作用：
LC_ALL=C grep --color='auto' -P -n "[\x80-\xFF]{2,10}" record.txt
答案2
Grep 可能會對奇怪的字符感到奇怪...嘗試：
grep --color='auto' -P -n "[\x80-\xFF]" record.txt | iconv -f utf-16 -t utf-16
它可能會找回你的字母......但你的顏色會丟失。可能值得對 utf-16 和 utf-8 進行修改。
並確保您的控制台能夠處理 uft-8，並且未指派給某些 ansi 設定。