Regex BASH使用ñ；名义上_Regex_Bash_Find_Quoting

Regex BASH使用ñ；名义上

regex bash

Regex BASH使用ñ；名义上,regex,bash,find,quoting,Regex,Bash,Find,Quoting,已经尝试了多种解决方案，但似乎都不起作用例如，如果我尝试下一个命令，它将按预期工作 find . -type f -name *x* 它返回： ./alphabet/output/b/box.jpg /字母表/输出/t/taxi.jpg 但是，如果我尝试使用西班牙语字母表中的任何特殊字符，该命令将不起作用 find . -type f -name *ñ* 结果是空的如果我尝试 find . -type f -name *n* 然后它还会显示带有特殊字符ñ的文件名如果我试图为命令设置L

已经尝试了多种解决方案，但似乎都不起作用

例如，如果我尝试下一个命令，它将按预期工作

find . -type f -name *x*

它返回：

./alphabet/output/b/box.jpg

/字母表/输出/t/taxi.jpg

但是，如果我尝试使用西班牙语字母表中的任何特殊字符，该命令将不起作用

find . -type f -name *ñ*

结果是空的

如果我尝试

find . -type f -name *n*

然后它还会显示带有特殊字符ñ的文件名

如果我试图为命令设置LANG变量，它也不起作用

LANG=C find . -type f -name *ñ*

还是用正则表达式

LANG=C find . -type f -name *.jpg -regex '.*[ñ].*'

（其中一部分是从一家公司偷来的。）

Unicode允许以几种不同的方式表示某些重音字符：作为表示重音字符的“代码点”，或作为表示字符的非重音版本的一系列代码点，后跟重音。例如，“ñ”可以表示为预合成为U+00F1（UTF-8 0xc3b1，带波浪号的拉丁文小写字母n）或分解为U+006E U+0303（UTF-8 0x6ecc83，带波浪号的拉丁文小写字母n+）

OSX的HFS+文件系统要求所有文件名都以其完全分解形式的UTF-8表示形式存储（少数例外情况与此无关）。在HFS+文件名中，“ñ”必须编码为0x6ecc83

当您在键盘上键入“ñ”时，它使用组合形式U+00F1（0xc3b1）。您可以通过十六进制转储看到这一点：

$ echo ñ | xxd
00000000: c3b1 0a                                  ...

（注意：“0a”是来自

echo

的输出“行”末尾的换行符），但当您在MacOS扩展卷的文件名中使用它时，它会转换为分解形式U+006E U+0303（0x6ecc83）：

$touchñ $ls | xxd 00000000:6ecc 830a n

在UTF-8语言环境中，这两种不同的表示形式应被视为同一个字符，但显然macOS中的

find

并不能做到这一点：

$ LC_ALL=en_US.UTF-8 find . -name '*ñ*'
$ LC_ALL=en_US.UTF-8 find . -name '*n*'
./ñ
$ LC_ALL=en_US.UTF-8 find . -name 'n?'
./ñ

在第二个和第三个命令中，

find

与“n”代码点匹配，并将组合波浪线视为其后面的一个完全独立的字符。顺便说一句，请注意，我在匹配模式周围加了引号——这很重要，因为如果没有它们，shell将在将其传递给

find

命令之前将其扩展到当前目录中的文件名列表

解决方案是什么？在模式中显式使用分解形式是一个令人讨厌的选择。您可以使用bash的

$”引用表单，允许使用\x
指定十六进制字节：
$ find . -name $'*n\xcc\x83*'
./ñ

但事实上比这更糟糕，因为从macOS High Sierra开始，苹果使用新的苹果文件系统（APFS），它允许两种表示。由于find
无法将它们识别为字符，因此您甚至不能使用像-name*[ññ]*'这样的括号表达式来匹配这两个字符，您必须使用带有-E和-regex`的扩展正则表达式，就像这样（在带有APFS的Mac上完成）：
（请注意，在正则表达式中，*
是匹配任何字符序列的方式，相当于普通“glob”通配符模式中的*
。）
自己动手Unicode支持不是很有趣吗？
一个简单的查找-键入f-name*ñ*在macOS上对我有效。您正在使用什么操作系统？Mac OSX El Capitan Region设置为USA，并在~/.bash_profile export LANG=en_US.UTF-8 export LC_ALL=en_US.UTF-8中导出变量尝试使用grep insteadfind-类型f|grepñ也不起作用，我想用一种简单的方法来创建西班牙语或法语的完整字母表，比如mkdir-p{a..z}，但似乎我必须坚持使用mkdir-p{a..n}，ñ，{o..z}，谢谢你的回答。
$ touch composed-ñ decomposed-n$'\xcc\x83' unaccented-n
$ ls
composed-ñ  decomposed-ñ    unaccented-n
$ ls | xxd
00000000: 636f 6d70 6f73 6564 2dc3 b10a 6465 636f  composed-...deco
00000010: 6d70 6f73 6564 2d6e cc83 0a75 6e61 6363  mposed-n...unacc
00000020: 656e 7465 642d 6e0a                      ented-n.
$ find -E . -regex $'.*(\xc3\xb1|n\xcc\x83).*'
./composed-ñ
./decomposed-ñ