使用 grep 匹配零字节的问题

如何解决使用 grep 匹配零字节的问题

我正在尝试在文件中查找 7zip 版本 3 文件头。根据 documentation，它们应该如下所示：

00: 6 bytes: 37 7A BC AF 27 1C        - Signature 
06: 2 bytes: 00 04                    - Format version

所以我构造了这个应该匹配它们的 grep 命令：

grep --only-matching --byte-offset --binary --text $'7z\xBC\xAF\x27\x1C\x00\x03'

但它也匹配以 0000 结尾的字符串：

% xxd -p -r <<< "aaaa 377a bcaf 271c 0000 bbbb 00 377a bcaf 271c 0003" | grep --only-matching --byte-offset --binary --text $'7z\xBC\xAF\x27\x1C\x00\x03'
2:7z'
13:7z'

我期望的输出只是 13:7z'

解决方法

不可能将零字节作为参数的一部分传递。因为字符串在 C 中以零字节结尾，所以 grep 运行时 strlen(argv[...]) 不会在零字节之后“看到”任何东西。

如果正则表达式中没有换行符，您可以使用 --file=。

xxd -p -r <<< "aaaa 377a bcaf 271c 0000 bbbb 00 377a bcaf 271c 0003" |
LC_ALL=C grep --only-matching --byte-offset --binary --text -f <(
    echo -n 7z;
    echo BCAF271C0003 | xxd -r -p
)

见https://www.gnu.org/software/grep/manual/grep.html#Matching-Non_002dASCII

或者使用 PERL 正则表达式

xxd -p -r <<< "aaaa 377a bcaf 271c 0000 bbbb 00 377a bcaf 271c 0003" | 
LC_ALL=C grep --only-matching --byte-offset --binary --text -P '7z\xBC\xAF\x27\x1C\x00\x03'

在处理二进制文件时，请记住使用区域设置 LC_ALL=C 禁用 UTF-8 序列处理。

注意：<<<"" 和 $'string' 在任何 shell 中都不可用 - 它们在 bash 中可用。