我有大TXT文件阿拉伯语 塔什基尔我正在尝试找到包含特定模式的行马什库拉使用 َ ً ُ ٌ ّ ْ ٍ，我尝试了以下grep语法：
cat file.txt | grep "اهلا"
在我插入 Tashkil 标记之前，此操作不会返回任何内容：
cat file.txt | grep "أهْلاً"
我得到了正确的输出
أهْلاً
我也试过
grep -P "[ُ\ ّ\ َ\ ً\ ِ\ ٍ\ ٌ\ ْ\ \~]|[اهلا]" file.txt
这将返回不同模式中所有匹配的字符：
أهْلاً أ ... هْ.. لًا أنْتَ لَيْلاً ..
如何使用 grep 匹配阿拉伯语变音符号？在使用 grep 之前是否可以从文本中删除 Tashkil 标记？我的操作系统是 Ubuntu 18.04
更新: 此刻，我使用 删除文本中的 Tashkil 标记：
sed "s/[ُ ّ َ ً ِ ٍ ٌ ْ]//g"，然后我就可以grep得到我想要的。但是使用这种方法，sed命令会删除所有文本中的空格！
答案1
假设源和语言环境为 UTF-8，删除U+064B-U+065B使用 Perl 的范围：
$ echo "أَهْلاً وَ سَهْلاً" | perl -CSAD -pe 's/[\x{064B}-\x{065B}]//g'
أهلا و سهلا
来源：这是因为阿拉伯语的元音变音符号是组合字符，这意味着简单搜索并删除这些就足够了。
GNUsed似乎也可以工作（请注意，基于那些答案还有其他变音符号）：
$ echo "أَهْلاً وَ سَهْلاً" | sed -e 's/َ//g;s/ُ//g;s/ِ//g;s/ّ//g;s/ً//g;s/ٌ//g;s/ٍ//g;s/ْ//g'
أهلا و سهلا
uconv也可能有效。
查看此评论区，s3idani 的发布以获取更多信息。
其他来源
答案2
基于巴勃罗·比安奇的回答，解决方法如下：
文本： أَهْلاً وَ سَهْلاً
命令：cat Text | sed -e 's/َ//g;s/ُ//g;s/ِ//g;s/ّ//g;s/ً//g;s/ٌ//g;s/ٍ//g;s/ْ//g;s/أ/ا/g;s/آ/ا/g;s/إ/ا/g' | grep -o "اهلا"
输出：اهلا