Json LC_ALL=C是否应始终用于非特定于语言环境的sed操作？

在使用

jq

进行操作之前，我有带注释的JSON文件。我刚刚遇到了一个有趣的问题，我收到了一个带有注释的JSON文件，其中包含一些富文本引号字符（hex 93和hex 94）。我现有的sed点

字符与这些字符不匹配。下面是一个演示：

首先，输入：

% echo -e '# \x93text\x94\n{"a":1}' | od -c
0000000   #     223   t   e   x   t 224  \n   {   "   a   "   :   1   }
0000020  \n
0000021
%

这里是转换：

% echo -e '# \x93text\x94\n{"a":1}' | sed 's/^\s*#.*//' | od -c
0000000 223   t   e   x   t 224  \n   {   "   a   "   :   1   }  \n
0000017
%

请注意，sed表达式中的点字符与十六进制93字符不匹配。但是，如果我包括

LC\u ALL=C

：

% echo -e '# \x93text\x94\n{"a":1}' | LC_ALL=C sed 's/^\s*#.*//' | od -c
0000000  \n   {   "   a   "   :   1   }  \n
0000011
%

然后sed表达式中的点字符与十六进制93和94字符匹配。sed文档部分提到了括号表达式，但是上面的行为似乎证明了这个问题发生在其他地方

有趣的是，删除而不是替换并没有显示此问题：

% echo -e '# \x93text\x94\n{"a":1}' | sed '/^\s*#.*/d' | od -c         
0000000   {   "   a   "   :   1   }  \n
0000010

考虑到我操作的是带注释的JSON文件，我认为向sed语句添加

LC_ALL=C

的解决方案是合理的

那么，我的问题是：是否使用了

LC_ALL=C

一些我在执行非特定于语言环境的

sed

转换时总是想使用的东西（适用于带注释的JSON文件）？如果没有，有什么替代方案可以避免我上面提到的问题

我的环境：

• CentOS 7.3[kernel-3.10.0-514.6.1.el7.x86_64]
• sed（gnused）4.2.2[sed-4.2.2-5.el7.x86_64]
• Bash 4.2.46（1）[Bash-4.2.46-21.el7_3.x86_64]

---

C语言环境是一种特殊的语言环境，是最简单的语言环境。您还可以说，虽然其他语言环境是针对人类的，但C语言环境是针对计算机的在C语言环境中，字符为单字节，字符集为ASCII
在某些系统上，POSIX语言环境存在差异，例如，未定义非ASCII字符的排序顺序
所以LC_ALL=C是将非8位字符考虑在内的安全方法
见比较
使用LC时，sed计数作为字符的一部分

echo -e '# \x93text\x94\n{"a":1}' | LC_ALL=C sed 's/[^[:alnum:]]/[HERE:&] /g' | od -c
0000000   [   H   E   R   E   :   #   ]       [   H   E   R   E   :
0000020   ]       [   H   E   R   E   : 223   ]       t   e   x   t   [
0000040   H   E   R   E   : 224   ]      \n   [   H   E   R   E   :   {
0000060   ]       [   H   E   R   E   :   "   ]       a   [   H   E   R
0000100   E   :   "   ]       [   H   E   R   E   :   :   ]       1   [
0000120   H   E   R   E   :   }   ]      \n

如果没有LC，sed将不被计算为要考虑的字符的一部分（

[[:alnum:]

和

[^[:alnum:]

没有看到第8位字符）

---

C语言环境是一种特殊的语言环境，是最简单的语言环境。您还可以说，虽然其他语言环境是针对人类的，但C语言环境是针对计算机的在C语言环境中，字符为单字节，字符集为ASCII
在某些系统上，POSIX语言环境存在差异，例如，未定义非ASCII字符的排序顺序
所以LC_ALL=C是将非8位字符考虑在内的安全方法
见比较
使用LC时，sed计数作为字符的一部分

echo -e '# \x93text\x94\n{"a":1}' | LC_ALL=C sed 's/[^[:alnum:]]/[HERE:&] /g' | od -c
0000000   [   H   E   R   E   :   #   ]       [   H   E   R   E   :
0000020   ]       [   H   E   R   E   : 223   ]       t   e   x   t   [
0000040   H   E   R   E   : 224   ]      \n   [   H   E   R   E   :   {
0000060   ]       [   H   E   R   E   :   "   ]       a   [   H   E   R
0000100   E   :   "   ]       [   H   E   R   E   :   :   ]       1   [
0000120   H   E   R   E   :   }   ]      \n

如果没有LC，sed将不被计算为要考虑的字符的一部分（

[[:alnum:]

和

[^[:alnum:]

没有看到第8位字符）

---

这不是KSH下的问题（环境是完全不同的），但试一下你的线路，我得到了这个可以帮助

echo-e'\x93text\x94\n{“a”：1}'| sed'/^[：space:][s/.*.*/s/[HERE]/'/od-c

给出

0000000[he re]223 t x t 224\n{“a 0000020”：1}\n

因此，sed在替换中估计到达了行的末尾，而不是在selection@NeronLeVelu是的，无论如何这都是很奇怪的行为。由于sed网页建议包含

LC_ALL=C

，这让我想知道这是否是sed中一个bug的解决方法，或者它是否是一个难以理解的特性。这不是KSH下的问题（环境是完全不同的），但试一下你的话，我得到了这个可能有助于

echo-e'\x93text\x94\n{“a”：1}sed'/^[[：space:][]*#.*/s/[HERE]/'| od-c

give

0000000[HERE]223tex224\n{“a 0000020”：1}\n

因此，sed在替换中估计到达了行的末尾，而不是在selection@NeronLeVelu是的，这在任何情况下都是非常奇怪的行为。由于sed网页建议包含

LC_ALL=C

，这让我想知道这是否是sed中缺陷的解决方法，或者这是一个难以理解的功能。那么，您认为我甚至可能在我的脚本中将其用作全局选项（

export LC_ALL=C

）？即使用于其他目的的字符串操作涉及特定于语言环境的数据，那么我猜替换仍然会做正确的事情。例如，一个

s/$locale\u WORD/$REPLACEMENT/

，其中两个词是特定于语言环境的，仍然可以正确地处理

LC\u ALL=C

，对吗？这会促使我将其设置为环境变量，而不是每次使用sed时的in-from。您认为如何？这是一种sed行为，因此仅将其添加到sed（批处理中的每个sed）中，以避免其他应用程序上出现其他意外行为（可能发生此问题时，仅限于我的观点和在批处理中使用它的方式）很好。我会的。谢谢你花时间回答。将此标记为已接受的答案。那么，你认为我甚至可以在脚本中使用此选项作为全局选项（

export LC_ALL=C

）？即使用于其他目的的字符串操作涉及特定于语言环境的数据，那么我猜替换仍然会做正确的事情。例如，一个

s/$locale\u WORD/$REPLACEMENT/

，其中两个词是特定于语言环境的，仍然可以正确地处理

LC\u ALL=C

，对吗？这会促使我将其设置为环境变量，而不是每次使用sed时的in-from。您认为如何？这是一种sed行为，因此仅将其添加到sed（批处理中的每个sed）中，以避免其他应用程序上出现其他意外行为（可能发生此问题时，仅限于我的观点和在批处理中使用它的方式）很好。我会的。谢谢你花时间回答。把这个标记为t