sed：匹配 unicode 块

Question

我正在拼命尝试使用 sed 从文件中替换某些 unicode 字符（字形）。但是我对其中一些失败，即来自 unicode 块的那些：

\p{InHigh_Surrogates}: U+D800–U+DB7F
\p{InHigh_Private_Use_Surrogates}: U+DB80–U+DBFF
\p{InLow_Surrogates}: U+DC00–U+DFFF

我尝试过（在通过 -f 开关加载的 sed 配置文件中）：

s/\p{InHigh_Surrogates}/###/  --> no effect at all
s/\\p\{InHigh_Surrogates\}/###_D-NON-UTF8_###/ -> error message 'Invalid content of \{\}'

有人有建议吗？此外，我不一定专注于使用这些块 - 但我也未能尝试定义 \xd800-\xdfff 形式的字符范围。

谢谢， 托马斯

Answer 1

尝试为 sed 使用 -r 标志：

$ sed -r 's/\\p\{InHigh_Surrogates\}/###/g' file
###: U+D800–U+DB7F
\p{InHigh_Private_Use_Surrogates}: U+DB80–U+DBFF
\p{InLow_Surrogates}: U+DC00–U+DFFF

来自man sed：

-r, --regexp-extended

在脚本中使用扩展的正则表达式。