grep：过滤掉仅包含特定字符的文本

Question

我有一个包含文件名的文件，看起来像这样     “aaa.ext”
    “ABC”
    “a1a.ext”
    “东亚银行”
    “PAT”
    “FF＃！”
    “toto＆amp;＃128; .pdf”
    “...”

我需要提取包含标准英语字母数字（A-Z，a-z，0-9，_和。）和其他字符的行

关于上面的例子，输出应该像
    béa（包含é而不是e）
    pàt（包含à而不是a）
    “FF＃！”
    “toto＆amp;＃128; .pdf”

有什么想法吗？

提前致谢

Answer 1

尝试

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

也可以写成

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

LC_ALL=C.UTF-8确保A-Z仅匹配标准英文字母而非é之类的字母。

注意：在Unicode中é可以编码为真实é或e与´相结合。如果您的文件包含以下两行（不带注释）

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

然后上面的命令将返回

é # combination of "e" and "´"

问题有点奇特，不应该造成太大麻烦。