如何查找文本中与书面语言不对应的字符

7月

2026

11:09

Linux

2 7月 2026 11:09

文本可能包含外观相似的字符，但与编写该文本的语言不对应。

例如，俄语“C”与拉丁语“c”相似，俄语“Х”与拉丁语“x”相似。
从外观上看，POCOMAXA 看起来像一个俄语单词，但仅由拉丁字母组成。
以下 Linux 命令将帮助您找到此类不一致之处。

第一个选项 在英文文本中搜索俄语字母：

此查询将查找英语字母表中从 A 到 Z 的 26 个字母之外的字母：

sudo apt install pcregrep
pcregrep --color='auto' -n "[^[:ascii:]]" eng.txt

在此选项中，将找到带有国家语言符号的单词。
例如：â（抑扬符）、é（锐音）、ü（元音变音）。

第二个选择 在英语测试中搜索俄语字母

grep --color='auto' -n -P '[\x{0410}-\x{044f}]' eng.txt

第一个选项 在俄语文本中搜索英文字母：

此查询将查找行号并突出显示带有英语字母表 A-Z 26 个字母的符号的单词：

sudo apt install pcregrep
pcregrep --color='auto' -n "[[:ascii:]]" rus.txt

第二个选择 搜索俄语文本中带有字母 A-Z 的英语单词：

grep --color='auto' -n -P -v '[\x{0410}-\x{044f}]' rus.txt

应用： 存档中的测试文件 rus.txt 和 eng.txt 测试.zip。

关于无线电和 Linux 的博客