cut: stdin: Mac OS 上的非法字节序列

Question

我是 bash 和正则表达式的新手。我正在使用 UIC 的 TIC 数据集进行练习。 https://archive.ics.uci.edu/ml /machine-learning-databases/tic-mld/

我正在尝试从文件 TicDataDecr.txt 中提取列名称，该文件看起来像这样：

TICEVAL2000.txt: 
Dataset for predictions (4000 customer records). It has the same format as TICDATA2000.txt, only the target is missing. Participants are supposed to return the list of predicted targets only. All datasets are in tab delimited format. 
The meaning of the attributes and attribute values is given below.

TICTGTS2000.txt
Targets for the evaluation set.

DATADICTIONARY

Nr Name Description Domain

1 MOSTYPE Customer Subtype see L0

2 MAANTHUI Number of houses 1 ñ 10

3 MGEMOMV Avg size household 1 ñ 6

4 MGEMLEEF Avg age see L1

5 MOSHOOFD Customer main type see L2

6 MGODRK Roman catholic see L3
...

我只想获取第二个描述栏：

MOSTYPE
MAANTHUI
MGEMOMV
MGEMLEEF
MOSHOOFD
MGODRK
...

我正在尝试使用以下代码来执行此操作：

egrep "^[0-9]+\s[A-Z][A-Z]+" TicDataDescr.txt | cut -d' ' -f2

但我遇到了以下错误：

MOSTYPE
cut: stdin: Illegal byte sequence

我尝试使用 dos2unix 转换文件

dos2unix TicDataDescr.txt

，但仍然遇到相同的错误。 为什么我会遇到这样的错误？另外，有没有办法使用正则表达式解决这个问题？感谢您的帮助。