github地址: https://github.com/longyu109
1.背景
最近在解析.vcf文件,想提取其中的姓名和邮箱地址,发现linux下匹配中文与java下
匹配中文有所不一样,java下匹配格式为[\u4e00-\u9fa5],注意java下有的特殊字符需要
转义,也就是再加一个\。
但是,当我将此格式用于grep命令中时,发现失效了,出来的是全部的字符,感觉
并没有过滤,此处原因,我也不太清楚。
上网查询时,看到一个网友的回答,觉得挺对的,尽管他没有给出答案,我先使用
sed命令过滤掉所以的字母,数字,特殊字符;剩下的就是中文了。当然此处,不能出现
多种语言混合的情况。
命令如下:#cat 1.txt | sed 's/[a-zA-Z0-9[:punct:]]//g' | grep -v '^$'
后面的grep命令是去掉空白行。
2.正则表达式如何生效
grep正则匹配中文可以考虑:
grep '[^\u4e00-\u9fa5]' test.log (如果不生效,见下面的命令)
注: grep '[\u4e00-\u9fa5]' test.log 命令经常不生效
此外下面命令可生效:
grep -P '[\p{Han}]' test.log