僅匹配正則表達式中的 ASCII 字母，忽略變音符號

我在我的 bash 腳本中使用了一個正則表達式，比如

REGEX="^[a-zA-Z0-9\-]+$"

我想過濾掉所有非標准單詞，尤其是包含德語特殊字元的單詞äöüÄÖÜß

但是根據本手冊，如果您將 LOCALE 設置為德語，則正則表達式a-z也會包含ö

我該如何解決這個問題？

我已經嘗試將腳本開頭的語言環境設置為英語：

#!/bin/bash
LANG=en_US.utf8
LANGUAGE=en_US.utf8
LC_ALL=en_US.utf8
export LANG
export LANGUAGE
export LC_ALL

但沒有效果。

我不想這樣做並事先替換特殊字元：

tr _ -|tr . -|tr " " -|tr '[:upper:]' '[:lower:]'|sed 's/ä/ae/;s/ö/oe/;s/ü/ue/;s/ß/ss/g')

我寧願學習正確的方法。

採用：

REGEXP='^[abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0-9-]+$'

選擇您想要的字元。匹配的[a-z]內容只保證[abcdefghijkmnopqrstuvwxyz]在 C/POSIX 語言環境中。

（我假設您不希望包含反斜杠，但這\是逃避 . 的錯誤嘗試-）。

^[a-zA-Z0-9-]+$另一種選擇是在使用評估擴展正則表達式（或）的工具之前將語言環境修復為 C ^[[:alnum:]-]+$，例如：

LC_ALL=C grep -Ee "$REGEXP"

這在這種情況下是有效的，但在REGEXP='[A-Z]'與正則表達式匹配的數據位於 BIG5-HKSCS 或 GB18030 等字元集中（以及在使用相同字元的語言環境中）的情況下，其中許多字元的編碼包含相同的編碼作為那些A-Z。

[A-Z]匹配Á(U+00C1, 在 BIG5-HKSCS 中編碼為 0x88 0x57 (其中 0x57 也是W))的範例：

$ LC_ALL=zh_HK.big5hkscs REGEXP='[A-Z]' bash -c 'printf "\uc1\n" |
   LC_ALL=C grep -qe "$REGEXP" && echo match'
match

引用自：https://unix.stackexchange.com/questions/390454