Доброго времени суток, %username%.
Есть у нас bash скрипт, который работает на различных платформах (от старенького Debian GNU/Linux 5.0 (Linux 2.6.32.11, bash 3.2.39) до Red Hat 4.8.2 (Linux 3.10.0, bash 4.2.46)). Скрипт этот на входе (в качестве параметра или STDIN) принимает строку, которая содержит много всего. Строка эта обрабатывается, лишнее - вырезается, итог вставляется в JSON-запрос и отправляется дальше. Но столкнулся с задачей, которую решить на данный момент не получается. А заключается она в следующем:
Необходимо составить регулярное выражение, которое будет вырезать все символы, кроме латиницы, кириллицы, чисел и знаков пунктуации.
И всё бы хорошо, в ряде ОС у нас кириллица в исходниках - воспринимается в штыки. Т.е. скрипт работает до тех пор - пока не появится необходимость его отредактировать/поправить. После попытки редактирования, из-за конструкции вида:
string=${string//[^0-9A-Za-zА-Яа-яЁё]/_};
(а именно из-за
А-Яа-яЁё) сохранить открытый файл в том же nano - проблематично. Самое на мой взгляд логичное решение - заменить сами символы кириллицы - их кодами, но как? Попытки вида
\430-\44f \u430-\u44f \x430-\x44f - не приносят успеха. При просмотре кодов hexdump-ом у нас картинка следующая:
printf 'abcd' | hexdump -C; exit 0;
$ ./test.sh
00000000 61 62 63 64 |abcd|
00000004
printf 'абвг' | hexdump -C; exit 0;
$ ./test.sh test
00000000 d0 b0 d0 b1 d0 b2 d0 b3 |........|
00000008
printf %x "'а"; echo " "; printf %x "'я"; exit 0;
$ ./test.sh test
430
44f
printf %x "'a"; echo " "; printf %x "'z"; exit 0;
$ ./test.sh test
61
7a
Окончательно формирую свой вопрос:
Какой вид должно иметь регулярное выражение (применимое по возможности в чистой среде bash), уделяющее все символы, кроме латиницы, кириллицы, чисел и знаков пунктуации, учитывая что диапазон символов кириллицы должен быть записан в виде диапазона кодов символов, а не самих символов.
Заранее спасибо сообществу.
// данный вопрос задан и на ru.stackoverflow.com 
