如何使用十六進制表示格式化特殊字符（控制字符）

Question

因此，在幫助某人調試某些代碼的同時，我意識到輸出中有一些奇怪的字符，即 和 （十六進制的\\ xc0和\\ xd0）。

我想在大文本輸出文件中找到這些字符。

我已經設法使用sublime找到這些字符，方法是在查找中使用\\xc0或\\xd0啟用find中的regex選項。 我還設法通過在bash中執行grep $'\\xc0' filename來grep它們。

現在困擾我的是，如果我對grep使用-P選項，它就會拒絕找到這些字符。

grep -P "\\xc0" filename不打印任何包含該字符的文件（上面的其他兩種方法都會成功找到它），這讓我很煩，我想知道為什么這不會工作。

我已經閱讀了其他一些帖子，其中提出了-P選項以及"[\\x80-\\xff]" ，但由於某些原因我無法讓它們工作：\\

grep -P很長一段時間以來一直是好朋友:(任何幫助和提示都很感激！

我正在使用GNU grep。

編輯：

我實際上嘗試了2個Linux發行版。

• 在Ubuntu 14.04上使用bash：我的終端似乎不喜歡這個角色：\\

printf "\\xc0"在終端中沒有輸出任何內容，但是將其打印到帶有>的文件然后以sublime打開將顯示該字符。

printf "\xc0" > foo
grep $'\xc0' foo > out1
grep -P '\xc0' foo > out2
grep -P '\x{c0}' foo > out3

out{1,2,3}都是空的。

• 在帶有bash的CentOS 7.2上： printf打印出一些東西 - 問號黑暗的東西

printf "\\xc0"打印出來 （實際上看起來像這樣）

printf "\xc0" > foo
grep $'\xc0' foo > out1
grep -P '\xc0' foo > out2
grep -P '\x{c0}' foo > out3

只有out1包含該字符。

Answer 1

字節

首先需要做的是在變量內部創建要搜索的確切字節 。

像這樣的東西：

a=$(echo -e '\xc0)
a=$'\xc0'
a=$(printf '\xc0')
a=$(echo -e '\300')     # 300 is 0xC0 in octal
a=$'\300'
a=$(printf '\300')
a=$(echo "c0" | xxd -r -p)

我可以試着想出其他一些方法，但我希望你能得到這個想法。

然后，您可以嘗試使用grep搜索該byte ：

echo $'Testing this: \xC0 byte' |  grep "$a"

並且，如果您使用具有utf-8（最常見）的語言環境將失敗。 如果您更改為ISO-8859-1區域設置，則可以使用：

LC_ALL=en_US.iso88591 echo $'Testing this: \xC0 byte' |
LC_ALL=en_US.iso88591  grep -P "$a"

或者，如果您不介意啟動新的bash實例：

$ bash
$ export LC_ALL=en_US.iso88591
$ echo $'Testing this: \xC0 byte' |  grep -P "$a"

然后通過執行exit返回舊的bash環境。
這可能有效或無效，具體取決於您的系統。

讓我們探索另一面：角色。

字符

你應該理解一個非常重要的轉折點。
字節不是字符。 好吧，有時，純粹的運氣，它是。

但是除了128個ASCII字符，其中一個字節是一個字符（不是UTF-16或UTF-32。而且我們也忘記了EBCDIC ），所有1,114,112（17×65,536）UNICODE代碼點都有一個以上的字節¹ 。

在這種情況下，您應該要求UNICODE代碼點為十六進制0xC0 。
在現代bash中，像這樣：

$ printf '\U00C0`
À

這個角色是什么：拉丁語大寫字母A與GRAVE

如果語言環境是ISO-8859-1（至少是ISO-8859-15），則將編碼為一個字節;如果語言環境為utf-8，則將其編碼為兩個字節。

$ a=$(printf '\UC0')
$ printf 'Testing \U00C0 character' | grep -P "$a"
Testing À character

如果更改LC_ALL變量，它也會起作用。 好吧，我的意思是grep將檢測到該字符，但由於更改的語言環境，打印的行可能無法正確呈現該字符。

如果文件具有此字符且文件的編碼正確。 Grep將使用變量中字符的值。