识别文件名中包含非 ASCII 或不可打印字符的文件

Question

在一个80GB大小的大约700,000个文件的目录中，有些文件名的文件名中含有非英文字符。除了费力地浏览文件列表之外，还有：

• 列出或以其他方式识别这些文件名的简单方法？
• 一种生成可打印的非英语字符的方法——那些未在可打印范围内列出的字符man ascii（以便我可以测试这些文件是否被识别）？

Answer 1

假设“foreign”表示“not an ASCII character”，那么您可以使用find模式来查找名称中没有可打印ASCII字符的所有文件：

LC_ALL=C find . -name '*[! -~]*'

（空格是http://www.asciitable.com/ 上列出的第一个可打印字符，~是最后一个。）

提示 forLC_ALL=C是必需的（实际上LC_CTYPE=C和LC_COLLATE=C），否则字符范围会被错误地解释。另请参阅手册页glob(7)。由于LC_ALL=C原因find将字符串解释为 ASCII，它会将多字节字符（例如?）打印为问号。要解决此问题，请通过管道连接到某个程序（例如cat）或重定向到文件。

除了指定字符范围外，[:print:]还可用于选择“可打印字符”。一定要设置 C 语言环境，否则你会得到相当（看似）任意的行为。

例子：

$ touch $(printf '\u03c0') "$(printf 'x\ty')"
$ ls -F
dir/  foo  foo.c  xrestop-0.4/  xrestop-0.4.tar.gz  ?
$ find -name '*[! -~]*'       # this is broken (LC_COLLATE=en_US.UTF-8)
./x?y
./dir
./?
... (a lot more)
./foo.c
$ LC_ALL=C find . -name '*[! -~]*'
./x?y
./??
$ LC_ALL=C find . -name '*[! -~]*' | cat
./x y
./?
$ LC_ALL=C find . -name '*[![:print:]]*' | cat
./x y
./?

Answer 2

如果使用翻译每个文件名tr -d '[\200-\377]'并将其与原始名称进行比较，则任何具有特殊字符的文件名都将不同。

（以上假设您的意思是非 ASCII 与外国）