如何用Grep匹配西里尔字符并输出对应ID行至文件

你的需求是当文件中存在西里尔字符时，提取该文件里对应的ID:开头的行，对吧？这里有两种实用的方法，适配你的场景：

方法1：基于grep的组合命令 #

如果包含西里尔字符的内容和ID行在同一个文件里（不管位置关系），可以用grep先定位目标文件，再提取ID行：

grep -i -r --include=*.{rdf,redif,rdf~} -l -P '[\x{0400}-\x{04FF}]' | xargs grep 'ID: .*' > cyrillic_ids.txt

拆解下命令逻辑：

• 前半段grep -i -r --include=*.{rdf,redif,rdf~} -l -P '[\x{0400}-\x{04FF}]'：-l参数会只输出包含西里尔字符的文件名，而非匹配到的具体行
• 管道|把这些文件名传给xargs grep 'ID: .*'：在筛选出的文件里提取所有以ID:开头的完整行，输出到目标文件

如果ID行和西里尔字符行是同一条记录里的相邻行（比如Title行之后就是ID行），还可以用上下文匹配简化：

grep -i -r --include=*.{rdf,redif,rdf~} -A1 -P '[\x{0400}-\x{04FF}]' | grep 'ID:' > cyrillic_ids.txt

-A1表示输出匹配行以及后面1行，再过滤出ID行即可。

方法2：用awk精准关联记录 #

如果你的文件是每条记录包含Author、Title、ID的结构化内容，awk能更精准地关联西里尔字符和对应ID：

awk '/[\x{0400}-\x{04FF}]/ {mark=1} /ID:/ && mark {print; mark=0}' *.{rdf,redif,rdf~} > cyrillic_ids.txt

需要递归处理子目录文件的话，结合find使用：

find . -type f \( -name "*.rdf" -o -name "*.redif" -o -name "*.rdf~" \) | xargs awk '/[\x{0400}-\x{04FF}]/ {mark=1} /ID:/ && mark {print; mark=0}' > cyrillic_ids.txt

逻辑说明：

• 当扫描到包含西里尔字符的行时，设置标记mark=1
• 当遇到ID:行且标记为1时，打印该行，然后重置标记（避免同一文件内多个ID被误匹配）

小提示 #

• 如果你用的是macOS默认grep，可能不支持-P参数，建议通过Homebrew安装ggrep替代原生grep
• 如果ID格式不是纯数字（比如包含字母），把正则改成ID: .*就能匹配完整的ID行

内容的提问来源于stack exchange，提问作者Felix