grep：查找包含日语汉字的所有行

在一个巨大的UTF-8文本文件中，我想显示所有包含日语汉字的行。
这是什么grep（或其他）表达？

如果我没有记错的话，kanjis是之间的字符\u4e00和\u4dbf。

我不需要显示kanas，但是也显示它们并不是一个大问题。

不可能（不使用大桌子）将汉字与日本未使用的汉字表意字区分开（例如，中文或韩文变体）。

如果只想检测基本范围（\ u4e00至\ u9fff）中的任何汉字表意符号，则它们会以3个字节进行编码，第一个字节始终在0xe4和0xe9之间，第二个和第三个字节在0x80和0xbf之间。

这里有两个困难，首先，您必须告诉grep您要照顾字节而不是字符。那么您必须输入0xe4、0xe9、0x80和0xbf字节才能将其放入regexp表达式中。

我发现-P开关可以同时完成这两个；而您想要的行是：

grep -P "[\xe4-\xe9][\x80-\xbf][\x80-\xbf]"

如果您也想要假名：

grep -P "[\xe4-\xe9][\x80-\xbf][\x80-\xbf]|\xe3[\x81-\x83][\x80-\xbf]"

根据此处的第五张表，汉字是介于\u4e00和之间的字符\u9fff

我的实现grep似乎无法处理Unicode字符（在Archlinux上为GNU grep 2.14），但我们仍然可以使用\x。您可以在此处找到相应的代码，或使用类似的工具hexedit来获取它们。

对于我们上面感兴趣的范围内的任何内容，e9 be a5返回“无效的归类字符”，这就是我想出的：

grep "["$'\xe4\xb8\x80'"-"$'\xe9\xbe\xa5'"]" file.txt