Bash 正则表达式与变音符号

Question

我在 Bash 中做了一些正则表达式检查，以确保字符串只包含正常的字符，但我遇到了这种奇怪的行为。

在

grep

中看起来是一样的。

我做错了什么还是一个错误？ 如果是错误，到哪里报告？

---

小写字母

š

被错误地检测为

a-z

:

之间的字符

[[ 'š' =~ ^[a-z]$ ]] && echo sane || echo nope
sane

[[ 'š' =~ [a-z] ]] && echo sane || echo nope
sane

grep '^[a-z]$' <<<'š' && echo sane || echo nope
š
sane

小写字母

ž

被正确检测为不是

a-z

:

之间的字符

[[ 'ž' =~ ^[a-z]$ ]] && echo sane || echo nope
nope

[[ 'ž' =~ [a-z] ]] && echo sane || echo nope
nope

grep '^[a-z]$' <<<'ž' && echo sane || echo nope
nope

大写

Š

被正确检测为不是

a-z

:

之间的字符

[[ 'Š' =~ ^[a-z]$ ]] && echo sane || echo nope
nope

[[ 'Š' =~ [a-z] ]] && echo sane || echo nope
nope

grep '^[a-z]$' <<<'Š' && echo sane || echo nope
nope

大写

Š

被错误地检测为

A-Z

:

之间的字符

[[ 'Š' =~ ^[A-Z]$ ]] && echo sane || echo nope
sane

[[ 'Š' =~ [A-Z] ]] && echo sane || echo nope
sane

grep '^[A-Z]$' <<<'Š' && echo sane || echo nope
Š
sane

我的 Bash 版本：

GNU bash, version 5.1.8(1)-release (x86_64-redhat-linux-gnu)

我的 grep 版本：

grep (GNU grep) 3.6

我的所在地：

locale
LANG=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
LC_NUMERIC="en_US.UTF-8"
LC_TIME="en_US.UTF-8"
LC_COLLATE="en_US.UTF-8"
LC_MONETARY="en_US.UTF-8"
LC_MESSAGES="en_US.UTF-8"
LC_PAPER="en_US.UTF-8"
LC_NAME="en_US.UTF-8"
LC_ADDRESS="en_US.UTF-8"
LC_TELEPHONE="en_US.UTF-8"
LC_MEASUREMENT="en_US.UTF-8"
LC_IDENTIFICATION="en_US.UTF-8"
LC_ALL=

Answer 1

不要使用范围；使用字符类，其行为将独立于代码点排序而正确。例如，在我的机器上，

bash-5.0$ [[ 'š' =~ ^[a-z]$ ]] && echo sane || echo nope
nope
bash-5.0$ [[ 'š' =~ ^[[:lower:]]$ ]] && echo sane || echo nope
sane

（我怀疑它在 5.1 中的表现有所不同；我在 3.2 和 4.4 中也得到了相同的结果。）