为什么我的“grep”停止过滤它认为是“二进制”的非 ASCII 文件？

Question

我正在使用 Windows-10 计算机，使用 WSL。

NLog我正在调查由C# 应用程序生成的日志文件。我期望日志条目出现在整个文件的各处，但我看到以下内容：

Linux prompt> grep "geen mengcontainer" logfile.log
2023-03-07 07:25:08.7971 | Warn | ... | geen mengcontainer.
2023-03-07 07:25:09.8285 | Warn | ... | geen mengcontainer.
2023-03-07 07:25:10.8754 | Warn | ... | geen mengcontainer.
Binary file logfile.log matches

正如您所看到的，在 07:25:10 之后，grep即使文件在当天剩余的时间里继续前进，也会停止。似乎有一些字符告诉grep该文件不是文本文件，而是二进制文件，导致grep停止工作。

有关该文件的更多信息：

Linux prompt>file logfile.log
logfile.log: ASCII text, with CRLF line terminators

有关我的 Linux WSL 安装的更多信息：

Linux prompt>uname -a
Linux ComputerName 4.4.0-19041-Microsoft
  #2311-Microsoft Tue Nov 08 17:09:00 PST 2022 
  x86_64 x86_64 x86_64 GNU/Linux

Linux prompt> cat /etc/os-release
NAME="Ubuntu"
VERSION="20.04.2 LTS (Focal Fossa)"
ID=ubuntu
ID_LIKE=debian
PRETTY_NAME="Ubuntu 20.04.2 LTS"
VERSION_ID="20.04"
...
VERSION_CODENAME=focal
UBUNTU_CODENAME=focal

有关我的安装的更多信息grep：

Linux prompt> grep --version
grep (GNU grep) 3.4

我能做些什么？

• 有谁知道如何查找和替换负责grep停止过滤的字符？
• 有谁知道我可以添加哪些额外参数或开关grep以避免停止过滤？
• 有谁知道一个grep不具有这样行为的版本？（请考虑到这些apt update东西在我的环境中不起作用）

提前致谢

Answer 1

用于grep -a强制文件始终被视为文本。

\n

“二进制文件”检测是代码页敏感的 \xe2\x80\x93 如果 grep 在 Linux 上像往常一样期望 UTF-8 输入，它实际上最终会检测到“ANSI”（Windows-125x，ISO 8859-x）编码的文本文件作为二进制文件。在“C”语言环境下使用LC_CTYPE=C grep或运行 grepLC_ALL=C grep也可以避免此问题。

\n

（此外，“file”所说的输入为“ASCII”完全基于对文件中初始字节的快速查看；它实际上并不扫描整个内容，而“grep”当然会扫描整个内容。）

\n

通常整个文件采用相同的编码（即所有文件都可能是非 UTF-8），因此查找有问题的字符的一个简单方法是搜索非 ASCII 字节（LC_ALL=C 可能需要）：

\n

grep -a -P -n --color '[^\\x00-\\x7F]' logfile.log\n

\n

perl -ne 'print "Line $.:\\t$_" if /[^\\0-\\177]/' < logfile.log\n

\n

这也会突出显示有问题的字节：

\n

perl -ne 'print "Line $.:\\t$_" if s/[^\\0-\\177]/sprintf"\\e[41m<%02X>\\e[m",ord$&/ge' < logfile.log\n

\n

如果文件是有效的 UTF-8（除了一些奇数行之外），请使用类似的方法来打印 UTF-8 解码失败的行：

\n

perl -MEncode -ne 'print "Line $.:\\t$_" if !eval{decode("UTF-8", $_, Encode::FB_CROAK)}' < logfile.log\n

\n