LC_ALL=C 对加速 grep 的影响

Question

我刚刚发现，如果我在我的 grep 命令前加上 LC_ALL=C，它对于加快 grep 的速度确实很神奇。

但我想知道其中的含义。

使用 UTF-8 的模式会不匹配吗？ 如果 grepped 文件使用 UTF-8 会怎样？

Answer 1

您不一定需要 UTF-8 才能在这里遇到麻烦。语言环境负责设置字符类，即确定哪个字符是空格、字母或数字。考虑这两个例子：

$ echo -e '\xe4' | LC_ALL=en_US.iso88591 grep '[[:alnum:]]' || echo false
ä
$ echo -e '\xe4' | LC_ALL=C grep '[[:alnum:]]' || echo false
false

但是，当尝试将精确的二进制模式相互匹配时，语言环境并没有什么区别：

$ echo -e '\xe4' | LC_ALL=en_US.iso88591 grep "$(echo -e '\xe4')" || echo false
ä
$ echo -e '\xe4' | LC_ALL=C grep "$(echo -e '\xe4')" || echo false
ä

我不确定 grep 实现 unicode 的程度，以及不同代码点之间的匹配程度，但是匹配 ASCII 的任何子集以及匹配没有备用二进制表示的单个字符应该可以正常工作，无论语言环境如何。