如何使用 sed 删除非 ascii 字符

Question

我想从某个文件中删除非 ascii 字符。 我已经尝试过这么多正则表达式。

sed -e 's/[\d00-\d128]//g'  # not working

cat /bin/mkdir | sed -e 's/[\x00-\x7F]//g' >/tmp/aa

但此文件包含一些非 ascii 字符。

[root@asssdsada ~]$ hexdump /tmp/aa |more
          00 01 02 03 04 05 06 07 - 08 09 0A 0B 0C 0D 0E 0F  0123456789ABCDEF

00000000  45 4C 46 B0 F0 73 38 C0 - C0 BC BC FF FF 61 61 61  ELF..s8......aaa
00000010  A0 A0 50 E5 74 64 50 57 - 50 57 50 57 D4 D4 51 E5  ..P.tdPWPWPW..Q.
00000020  74 64 6C 69 62 36 34 6C - 64 6C 69 6E 75 78 78 38  tdlib64ldlinuxx8
00000030  36 36 34 73 6F 32 47 4E - 55 42 C8 C0 80 70 69 42  664so2GNUB...piB
00000040  44 47 BA E3 92 43 45 D5 - EC 46 E4 DE D8 71 58 B9  DG...CE..F...qX.
00000050  8D F1 EA D3 EF 4B 86 FC - A9 DA 79 ED 63 B5 51 92  .....K....y.c.Q.
00000060  BA 6C FC D1 69 78 30 ED - 74 F1 73 95 CC 85 D2 46  .l..ix0.t.s....F
00000070  A5 B4 6C 67 DA 4A E9 9A - 4B 58 77 A4 37 80 C0 4F  ..lg.J..KXw.7..O
00000080  F3 E9 B2 77 65 97 74 F9 - A2 C0 F2 CC 4A 9C 58 A1  ...we.t.....J.X.

Answer 1

这似乎不适用于sed 。 也许tr会做？

tr -d '\200-\377'

或者用补充：

tr -cd '\000-\177'

Answer 2

你试过了吗

cat /bin/mkdir | tr -cd "[:print:]"

我认为它解决了问题？

如果您只对文本内容感兴趣，您还可以使用

cat /bin/mkdir | strings

Answer 3

您知道文件当前使用的是什么编码吗？ 如果是这样，您可以使用 iconv 对其进行转换。 它是一种将一种字符编码转换为另一种字符编码的实用程序。 因此，如果原始文件是 UTF-8 并且您想转换为 ASCII，则可以使用以下命令：

iconv -f utf8 -t ascii <inputfile>

输入文件上的 file 命令可能会告诉您当前的编码。

有趣的是，有一个名为enca的命令，如果您知道文件内容的语言，它会尽力确定正在使用的字符编码。

另一个问题可能就是答案。

Answer 4

这里提供的解决方案对我不起作用。 也许我的问题不同，但我需要从纯 ASCII 文本中去除 ASCII 颜色和其他字符。

然而，以下对我有用：

从 ASCII 文本中剥离转义码

sed -E 's/\x1b\[[0-9]*;?[0-9]+m//g'

在上下文中（BASH）：

$ printf "\e[32;1mhello\e[0m\n"
hello

$ printf "\e[32;1mhello\e[0m\n" | cat -vet
^[[32;1mhello^[[0m$

$ printf "\e[32;1mhello\e[0m\n" | sed -E 's/\x1b\[[0-9]*;?[0-9]+m//g' | cat -vet
hello$

Answer 5

尝试使用sed -i选项，例如。

sed -i 's/[\d128-\d255]//g' MYFILE.txt

它将替换文件中的所有非 ascii 字符。