为什么二进制文件上的 grep -P 有时会匹配错误的字节？

Question

我正在尝试使用 grep -P 在可能很大的二进制文件中查找特定的字节序列。然而，它有时会匹配它不应该匹配的地方 - 例如，这是一个打高尔夫球的案例，它似乎只是 "match over" 一个错误的 \xc2 字节：

➜  alias bin2hex='xargs echo -n | od -An -tx1'

➜  echo -e '\x3e\x1f\xc2\x9d\xa0' > test.bin
➜  cat test.bin | bin2hex
 3e 1f c2 9d a0

➜  grep -P '\x1f\x9d' test.bin  
Binary file test.bin matches

➜  grep -Pao '\x1f\x9d' test.bin | bin2hex    
 1f c2 9d

为什么会这样？

可以避免吗？

Answer 1

这个命令：

grep -P '\x1f\x9d' <<< $(echo -e '\x3e\x1f\xc2\x9d\xa0') | xargs echo -n | od -An -tx1

不打印任何 grep 版本：

GNU grep 2.5.1
GNU grep 2.6.3
GNU grep 2.21

您确定您的 grep 没有任何错误的别名 (type grep) 吗？

^{更新：将评论转换为答案}

我可以用不同的 LANG 值重现您的问题：

LANG=en_US.UTF-8; grep -P '\x1f\x9d' <<< $(echo -e '\x3e\x1f\xc2\x9d\xa0')
Binary file (standard input) matches

问题没有重现：

LANG=en_US; grep -P '\x1f\x9d' <<< $(echo -e '\x3e\x1f\xc2\x9d\xa0')

为什么二进制文件上的 grep -P 有时会匹配错误的字节？

Why does grep -P on binary files sometimes match wrong bytes?

regex

shell

grep

binary

byte