1906778行数据取标题内容为2个汉字以上的

mgunix

文本内容大致如下：
0J42P62Z
0J42PT6N
0J4400X4
0J4424D2
0J44HT8B
Bimget
bimh0swp
╭⌒輕描淡寫的歲
╭⌒人生若只如初
╭⌒如此d!調 c随性，
C兮、
℃张小贱ゞ
d
d a y ⑩
D Y
bimuyu7521
BIM专业学习
huf2cmzr597
huf2cok6638
huf2cozd428
huf2cpyi309
huf2cqjs469
huf2cr7n257
huf2crzv961
huf2cscw977
晓岩
晓颜
晓彦
晓艳_仙Goo
ゞ自己。╮
ゞ自欺欺人
ゞ自行浪漫ヅ
ヾ纵欲c
ゞ?脸ノ
ゞ?螢焱蟲≯
ゞ?_?ゞ鋇
ゞ?ō?ミ
ゞ?ō?ミ貓
ゞヽ
ヽゞ Zんａǒ
ヾヾ半┈┾透明
ゞゞ等一个ゝ晴天
ゞー個亼ル挺
々ゞ開心ご
ゝゞ女人、别那么
ゞヽ无 柰╰→
々々々
々々々々
々々々々々々々

大致就是以上内容，挺乱的，现在想提取出，含有2个汉字以上的内容，请各位大神各显神通！

ly5066113

回复 1# mgunix


try:

1. perl -ne 'print if /[^\000-\177].+[^\000-\177]/' file

复制代码

huangyu_945

你能发个UTF8编码的文件吗！

mgunix

回复 2# ly5066113



–ゝ  宝 、

＇＇＇＇＇＇＇＇
——
———
————
—————
——————
———————
———————'
————————
— —
――
――――
―       ―
——
————
――
  ——
  ——————
　　　--　
　　　　－　－
    ——
     ——
         ——   
          ———
           ——
            ——
     　゜
    　゛
　　゛
゛゛゛゛゛゛
感谢你的回复，我试了一下，这些内容没有过滤

HH106

1. grep -P "[\xe4-\xe9][\x80-\xbf][\x80-\xbf].*[\xe4-\xe9][\x80-\xbf][\x80-\xbf]" urfile

复制代码

mgunix

回复 5# HH106


    谢谢，这个过滤后，只有四百多行，肯定不止，还有，像下面这样的，还会出现:
..?.?.
宀″ェ
涓..?
.?ヤ.?
?..?..璇
...濡....
ㄨОㄨО
シュ　ショウ　イ
おうようずいゆき
きょう・D・らく~
ぎょくしょう

huangyu_945

grep -P -r "[\x80-\xFF]" filename

mgunix

回复 5# HH106


    感谢这位大神，以及参与回复的各位，我刚刚把文件转换成utf8格式的，可实现！