的grep：過濾掉只包含特定字符

Question

我有一個包含文件名看起來像這樣的 「aaa.ext」文件文本
「ABC」
「a1a.ext」
「東亞銀行」
「PAT」
「ff＃！」
「TOTO &＃128; .PDF」
「......」

我需要提取包含標準英語合法字符（包括AZ，az，0-9，_和。）和其他字符線

關於上面的例子中，輸出應該是這樣
BEA（包含é代替E）
PAT（包含à代替）
「FF＃！」
「toto &＃128; .pdf」

任何想法？

在此先感謝

Answer 1

嘗試

LC_ALL=C.UTF-8 grep '[A-Za-z0-9_.]' yourFile | 
LC_ALL=C.UTF-8 grep '[^A-Za-z0-9_.]' 

這也可以寫成

(export LC_ALL=C.UTF-8; grep -P '[\w.]' yourFile | grep -P '[^\w.]') 

LC_ALL=C.UTF-8確保A-Z只符合標準的英文字母和字母不一樣é。

注：在Unicode中é可以編碼爲實é或e與´組合。如果你的文件包含以下兩行（沒有評論）

é # single character 
é # combination of "e" and "´" 

然後從上面的命令將返回

é # combination of "e" and "´" 

的問題是有點異國情調，應該不會造成太多的麻煩。