Regex grep for（curly | microsoft | smart）引号

我有一个巨大的文件夹，里面装满了xml文档，其中一些文档可能会断开，因为它们包含那些卷曲的引号，即Microsoft Word引号，即智能引号。我只是想快速检查一下，看看我面对的是什么。有人知道如何为他们辩护，这样我就可以很容易地找到罪犯吗

编辑

这里有一个简化的例子

<?xml version="1.0" encoding="UTF-8"?>
<items>
  <item>Pretend this is a curly quote: '</item>
</items>

假设这是一段卷曲的引语：'

如果它们是xml文档，您可以打开其中一个您知道包含违规引号的文档，以查看它们在xml文件中的确切外观（如果您无法用键盘轻松复制它们，请将它们复制到剪贴板）

---

假设您的引用看起来像

。

或

“

，您可以执行类似于

sed-i.bak的/[”/“/”/“/”file1 file2…

（如果在Windows上使用Linux/OSX/cygwin）要用普通引号快速替换有问题的引号，请在适当位置修改文件。

卷曲引号具有以下Unicode代码点和UTF-8序列：

Name CodePoint UTF-8 sequence ---- --------- -------------- LEFT SINGLE QUOTATION MARK U+2018 0xE2 0x80 0x98 RIGHT SINGLE QUOTATION MARK U+2019 0xE2 0x80 0x99 SINGLE LOW-9 QUOTATION MARK U+201A 0xE2 0x80 0x9A SINGLE HIGH-REVERSED-9 QUOTATION MARK U+201B 0xE2 0x80 0x9B LEFT DOUBLE QUOTATION MARK U+201C 0xE2 0x80 0x9C RIGHT DOUBLE QUOTATION MARK U+201D 0xE2 0x80 0x9D DOUBLE LOW-9 QUOTATION MARK U+201E 0xE2 0x80 0x9E DOUBLE HIGH-REVERSED-9 QUOTATION MARK U+201F 0xE2 0x80 0x9F 名称代码点UTF-8序列 ---- --------- -------------- 左单引号U+2018 0xE2 0x80 0x98 右单引号U+2019 0xE2 0x80 0x99 单低9引号U+201A 0xE2 0x80 0x9A 单高反9引号U+201B 0xE2 0x80 0x9B 左双引号U+201C 0xE2 0x80 0x9C 右双引号U+201D 0xE2 0x80 0x9D 双低-9引号U+201E 0xE2 0x80 0x9E 双高反向-9引号U+201F 0xE2 0x80 0x9F

---

XML通常存储在UTF-8中，因此您可以直接比较字节序列。

可能是重复的

我遇到过这样一种情况，用户会从任何地方复制粘贴字符串，我必须允许他们输入除引号以外的任何特殊字符。引号在这方面可能很聪明/花哨/直接。让我举例说明：

Text |错误
----------------
O*Connor |是的
奥康纳|不
奥康纳|不

我为我的CF代码提出了以下解决方案

您可以找到包含上述UTF-8序列的文件：

grep -r -P "\xE2\x80\x9C" .

-r
使其具有递归性，
-p
告诉grep使用与Perl兼容的正则表达式。
我在Mac电脑上，内置的grep不能立即为我工作（neubert的回答）。我最终安装了自制版本的GNU grep：

brew tap homebrew/dupes
brew install homebrew/dupes/grep

然后我可以以类似的方式运行命令：

ggrep -r -P "\xE2\x80\x9C" .
etc.

我最终将dalle和neubert的答案结合起来，将运行我目前了解的所有案例，并将它们全部打印出来。
请给出一个例子（摘录）好吗？如果这些文档中包含XML，w3c.org上有一个标准，定义了处理器、编码等的有效形式。您是指attribute=“value”吗“在元素中？如果有问题的引号只是内容怎么办？这是通过ssh实现的，有问题的部分看起来像
–Y
，因此我担心这不起作用。如果文件不是utf-8怎么办？文件是utf-8，我在查找字节序列0xE2 0x80 0x99。”。但是，我仍然不清楚您是如何对其进行grep的。@sln:BOM或XML声明将告诉您使用了哪种编码，如果它们都不存在，则表示UTF-8。无论如何，如果XML文件不是UTF-8，那么可以先转换它。