LC_ALL=C 对加速 grep 的影响

Question

我刚刚发现，如果我在 grep 命令前加上 LC_ALL=C 前缀，它会对加速 grep 产生奇迹。

但我想知道其中的含义。

使用 UTF-8 的模式会不匹配吗？ 如果 grep 文件使用 UTF-8 会发生什么？

Answer 1

您不一定需要 UTF-8 才能在这里遇到麻烦。区域设置负责设置字符类，即确定哪个字符是空格、字母或数字。考虑这两个例子：

$ echo -e '\xe4' | LC_ALL=en_US.iso88591 grep '[[:alnum:]]' || echo false
ä
$ echo -e '\xe4' | LC_ALL=C grep '[[:alnum:]]' || echo false
false

当尝试相互匹配精确的二进制模式时，区域设置并没有什么区别，但是：

$ echo -e '\xe4' | LC_ALL=en_US.iso88591 grep "$(echo -e '\xe4')" || echo false
ä
$ echo -e '\xe4' | LC_ALL=C grep "$(echo -e '\xe4')" || echo false
ä

我不确定 grep 实现 unicode 的程度，以及不同代码点彼此匹配的程度，但匹配 ASCII 的任何子集以及匹配单个字符而无需替代二进制表示形式应该可以正常工作，无论区域设置如何。