是吗真的匹配任何角色？

Question

我正在使用一个非常简单的sed脚本删除注释：sed -e 's/--.*$//'

它很有用，直到评论中出现非ascii字符，例如：-- °。此行与正则表达式不匹配，未替换。

知道如何让.真正匹配任何角色吗？

---

方案：

由于file说它是iso8859文本，在调用LANG之前必须更改sed变量环境：LANG=iso8859 sed -e 's/--.*//' -

Answer 1

这个对我有用。这可能是一个字符编码问题。

这可能有所帮助：

• Why does sed fail with International characters and how to fix?
• http://www.barregren.se/blog/how-use-sed-together-utf8

Answer 2

@ julio-guerra：我遇到了类似的情况，试图删除如下的行（注意Æ字符）：

--MP_/yZa.b._zhqt9OhfqzaÆC

在一个文件中，使用

sed 's/^--MP_.*$//g' my_file

Linux file命令指示的文件编码是

    file my_file: ISO-8859 text, with very long lines
 file -b my_file: ISO-8859 text, with very long lines
file -bi my_file: text/plain; charset=iso-8859-1

我尝试了你的解决方案（聪明！），各种排列;例如。，

LANG=ISO-8859 sed 's/^--MP_.*$//g' my_file

但这些都没有奏效。我找到了两个解决方法：

1. 以下Perl表达式有效，即删除该行：

perl -pe 's/^--MP_.*$//g' my_file

[有关-pe命令行开关的说明，请参阅此StackOverflow答案：

Perl flags -pe, -pi, -p, -w, -d, -i, -t?]

2. 或者，在将文件编码转换为UTF-8之后，sed表达式起作用（Æ字符仍然存在，但现在是UTF8编码的）：

iconv -f iso-8859-1 -t utf-8 my_file > my_file.utf8

当我使用各种编码的大量（1000）电子邮件时，经过中间处理（bash脚本转换为UTF-8并不总是有效），为了我的目的，上面的“解决方案1”可能是最强大的解决方案。

笔记：

• 和（GNU但是）4.4
• 为x86_64-linux-thread-multi构建的perl v5.26.1
• Arch Linux x86_64系统

Answer 3

GNU sed的z命令的文档提到了这种效果（我的重点）：

此命令清空模式空间的内容。它通常与's /.*//'相同，但效率更高，并且在输入流中存在无效的多字节序列时有效。 POSIX要求这些序列不与'。'匹配，因此在大多数多字节语言环境（包括UTF-8语言环境）中，没有可移植的方法来清除脚本中间的sed缓冲区。

您似乎可能在UTF-8（或其他多字节）语言环境中运行sed。您需要设置LC_CTYPE（比LANG更精细，并且不会影响错误消息的转换。有效的区域设置名称通常看起来像en.iso88591或（对于您的配置文件中的位置）fr_FR.iso88591，而不仅仅是编码本身 - 您可以通过locale -a查看完整列表。

例：

LC_CTYPE=fr_FR.iso88591 sed -e 's/--.*//'

或者，如果您知道该行的非注释部分仅包含ASCII，则可以在注释标记处拆分该行，打印第一部分并丢弃其余部分：

sed -e 's/--/\n/' -e 'P' -e 'd'