查找

Question

我目前正在使用這個正則表達式在文件中找到非ASCII碼點的文件非ASCII碼點，不管是什麼編碼：

$ cat test.txt | hd | grep -P " [8-9a-f][\da-f]" 

是否還有更好的，更簡潔，或少hacky的方法？我通常使用grep -P "[^\x00-\x7f]"來尋找攻擊性的個字符但這裏我正在尋找攻擊性的碼點。

請注意，目前的hacky方法確實具有顯示周圍ASCII字符的良好副作用，這對於上下文來說非常好。

Answer 1

使用HD，這應該是更快：

hd test.txt |grep -w '[89a-f][0-9a-f]' 

（grep -P調用libpcre和較慢grep -w搜索只是「詞」，將默認爲標準的POSIX正則表達式，這是幾乎一樣快的-F平原。文本查詢從管道中刪除cat還節省了（微不足道的）努力。）

如果您不想要上下文，則可以給grep -o標誌。如果希望更清楚地調出上下文，請考慮--color（或者如果您將輸出管道輸送到某處並且不介意着色控制字符），請考慮--color（或甚至--color=always）。你也可以找到grep的-n標誌有用，它會給你行號。

我認爲你可以使用grep的-a標誌，以達到你所要查找的內容在一個命令（這會強制閱讀一切爲文本，而不是輸出無用「的test.txt匹配二進制文件」），儘管你可能不喜歡輸出到你的終端。也許管成一個文件，然後查看該文件與vim（它不同於less，將不呈現控制字符）：

grep -aP '[^\x00-\x7f]' test.txt > found-highchars 
view found-highchars 

這可能會或可能不會比通過hd和grep管道更快。