如何使用字符范围通过grep匹配文本中的俄文字符Й与й？

你的问题核心出在**LC_COLLATE=ru_RU.UTF-8的排序规则影响了grep对字符范围的解析逻辑**，这不是grep的bug。

GNU grep处理正则表达式里的字符范围（比如[А-Я]）时，不会直接用字符的Unicode码点数值判断范围，而是遵循当前locale定义的字符排序顺序。在俄语locale的排序规则中，西里尔字母的排序和你基于Unicode码点的预期不一致：比如й在排序序列里被包含在а-я区间内，Й被包含在А-Я区间内——这就导致你用[А-ЯЁа-ик-яё]时，й已经被这个范围匹配到，-v反向过滤后自然没有输出；同理[А-ИК-ЯЁа-яё]也包含了Й，所以同样无输出。

你可以自己验证这个排序差异：

echo -e "а\nб\nй\nя" | LC_COLLATE=ru_RU.UTF-8 sort

输出里й会出现在а和я之间，说明а-я的范围在该locale下确实包含й。

解决方法 #

方法1：临时切换到C locale强制按码点解析 #

C locale会让grep严格按照字符的Unicode/ASCII码点数值解析范围，完全符合你最初的预期：

# 过滤出й
rus | LC_COLLATE=C grep -v "[А-ЯЁа-ик-яё]"

# 过滤出Й
rus | LC_COLLATE=C grep -v "[А-ИК-ЯЁа-яё]"

方法2：直接用Unicode码点匹配（不受locale影响） #

使用grep的Perl兼容正则模式（-P参数），直接指定目标字符的Unicode码点（Й是U+0419，й是U+0439），彻底避开locale排序的干扰：

# 直接匹配Й和й
rus | grep -P '[\x{0419}\x{0439}]'

# 反向过滤保留Й和й
rus | grep -v -P '[^\x{0419}\x{0439}]'

补充：--no-ignore-case参数没用是因为问题根本不是大小写匹配的问题，而是字符范围的解析逻辑依赖locale排序，和大小写开关无关。

内容的提问来源于stack exchange，提问作者toomas