带有正则表达式的 grep 错误地选择了 unicode 字符

Question

我使用以下正则表达式运行 grep：

cat file.txt | grep -e "^[a-zA-Z]"

重点是只获取以 ascii 范围内的字母字符开头的行，如果我明确地输入字母表，那么这是有效的

cat file.txt | grep -e "^[abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ]"

这已经很奇怪了，因为这就是

[a-zA-Z]

应该指定的内容。当我查看输入数据与第一个正则表达式的匹配时，我们得到如下匹配：

fi

fl

🅱

请注意，在这些情况下，fi 和 fl 是一个字符。

从技术上讲，显式输入字母表是一个解决方案，但我宁愿

• 知道为什么

  [a-zA-Z]

  不起作用
• 如果存在合理的解决方案，看看它会是什么样子。

Answer 1

grep 是区域设置感知的。

[a-zA-Z]

可以匹配非 ASCII 字符，具体取决于您的区域设置（例如 á、ä、ø、æ）。要强制使用 ASCII（并且不处理任何多字节字符），请设置 C 区域设置：

LC_ALL=C grep -e "^[a-zA-Z]" file.txt