的grep：过滤掉只包含特定字符

Question

我有一个包含文件名看起来像这样的 “aaa.ext”文件文本
“ABC”
“a1a.ext”
“东亚银行”
“PAT”
“ff＃！”
“TOTO &＃128; .PDF”
“......”

我需要提取包含标准英语合法字符（包括AZ，az，0-9，_和。）和其他字符线

关于上面的例子中，输出应该是这样
BEA（包含é代替E）
PAT（包含à代替）
“FF＃！”
“toto &＃128; .pdf”

任何想法？

在此先感谢

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_.]' 

这也可以写成

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

LC_ALL=C.UTF-8确保A-Z只符合标准的英文字母和字母不一样é。

注：在Unicode中é可以编码为实é或e与´组合。如果你的文件包含以下两行（没有评论）

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

然后从上面的命令将返回

é # combination of "e" and "´" 

的问题是有点异国情调，应该不会造成太多的麻烦。