如何筛选test.txt中竖线前含空白字符的行？sed/awk尝试未果

先搞懂M-标记是什么 #

cat -v输出里的M-前缀表示高ASCII字符（字节最高位为1，对应ASCII值128-255），这类字符属于非标准空白（比如全角空格、不间断空格、扩展ASCII空白等），普通正则的\s或空格匹配规则无法识别它们，这就是你用sed/awk没成功的原因。

验证特殊空白的具体编码 #

先确定该空白字符的字节值，方便精准处理：

od -t x1 test.txt
# 或者用hexdump
hexdump -C test.txt

常见特殊空白的编码参考：

• 不间断空格（U+00A0）的UTF-8编码是c2 a0
• 全角空格（U+3000）的UTF-8编码是e3 80 80
• 扩展ASCII里的空白可能是a0（ISO-8859-1编码）

解决方案 #

方案1：用POSIX空白字符类匹配所有空白 #

POSIX的[[:space:]]会匹配所有空白类字符（包括标准空格、制表符、各类特殊空白），兼容性最好：

awk命令

# 匹配竖线前任意位置存在空白的行
awk '/.*[[:space:]]+.*\|/' test.txt

sed命令（GNU/BSD通用）

sed -n '/[[:space:]]\+|/p' test.txt

如果是BSD sed（比如macOS自带），可以把\+换成*（匹配0或多个空白）：

sed -n '/[[:space:]]*|/p' test.txt

方案2：精准匹配特定特殊空白 #

如果已经知道空白的字节码，直接匹配：
比如匹配不间断空格（UTF-8编码c2 a0）：

awk '/\xc2\xa0+\|/' test.txt

匹配全角空格：

awk '/\xe3\x80\x80+\|/' test.txt

方案3：先统一替换特殊空白为普通空格 #

先把所有空白类字符换成标准空格，再按常规规则筛选：

sed 's/[[:space:]]/ /g' test.txt | sed -n '/ +|/p'

或者用awk：

{gsub(/[[:space:]]/, " ")} / +\|/ {print} test.txt

内容的提问来源于stack exchange，提问作者Christopher Karsten