一般情况下linux默认是utf-8的编码格式,但windows下是GBK或GB2312格式的编码,以及source insight不支持utf-8,通过共享的形式编辑linux里的代码会保存成GB2312格式,这样通过grep -rn '中文' * 是无法把GB2312格式文件中的‘中文’检索出来的。
网上搜索很多,主要是说:当要查找汉字“中文”(utf-8编码和gb2312编码分别是E4B8ADE69687
和D6D0CEC4
)时,使用grep -rnP "\xE4\xB8\xAD\xE6\x96\x87|\xD6\xD0\xCE\xC4" *
即可,但尝试后并不生效;
ubuntu202:~/test$ ls
a.txt b.txt
ubuntu202:~/test$ cat a.txt
中文a
ubuntu202:~/test$ cat b.txt
⚌⚌⚌⚌a
ubuntu202:~/test$ grep -rnP "\xE4\xB8\xAD\xE6\x96\x87|\xD6\xD0\xCE\xC4" *
ubuntu202:~/test$
test下a.txt是utf-8格式,b.txt是GB2312格式,里面的内容都是‘中文a’;而上述的检索并没有生效。
实际上搜索受到当前语言环境的影响,需要使用下面的方式搜索:
env LANG=LC_ALL grep -P "<binary pattern>" <file>
其中env LANG=LC_ALL
会覆盖您的当前语言环境以允许字节匹配。否则,具有非ASCII“字符”的模式(例如\xff
)将不匹配。
测试结果如下:
ubuntu202:~/test$ env LANG=LC_ALL grep -nrP '\xE4\xB8\xAD\xE6\x96\x87|\xD6\xD0\xCE\xC4' *
a.txt:1:中文a
b.txt:1:⚌⚌⚌⚌a
ubuntu202:~/test$