grep 命令显示所有以相同字符开头和结尾的行

Question

我想知道如何使用grep以显示以相同字符开头和结尾的所有行。

Answer 1

POSIXly：

pattern='\(.\).*\1
.'
grep -x -- "$pattern" file

如果行以无效字节字符开头或结尾，它将不起作用，如果您想涵盖这种情况，您可以添加LC_ALL=C，尽管仅LC_ALL=C适用于单字节字符数据。

perl6 似乎是最好的工具，如果你有它在你的盒子里：

$ printf '\ue7\u301 blah \u107\u327\n121\n1\n123\n' |
  perl6 -ne '.say if m/^(.).*$0$/ || /^.$/'
? blah ?
121
1

尽管它仍然因无效字符而窒息。

请注意，perl6将通过将其转换为NFC表单来更改您的文本：

$ printf '\u0044\u0323\u0307\n' |
  perl6 -pe ''                  |
  perl -CI -ne 'printf "U+%04x\n", ord for split //'
U+1e0c
U+0307
U+000a

$ printf '\u0044\u0323\u0307\n' |
  perl -pe ''                   |
  perl -CI -ne 'printf "U+%04x\n", ord for split //'
U+0044
U+0323
U+0307
U+000a

在内部，perl6以NFG形式存储字符串（代表Normalization Form Grapheme），这是perl6一种正确处理未预组合字素的发明方法：

$ printf '\u0044\u0323\u0307\n' | perl6 -ne '.chars.say'
1
$ printf '\u0044\u0323\u0307\n' | perl6 -ne '.codes.say'
2

Answer 2

不是grep而是awk：

awk -F "" 'NF && $1 == $NF'

处理这些特殊情况：

• 它不打印空行
• 它总是打印 1 个字符的行

一个空的 FS 将记录拆分为gawk,mawk和busybox awk（字节，不是后两者的字符）中的每个字段一个字符，但不是标准的，并且不适用于awkA、W 和 K 等从原始文件派生的实现在 BSD 和商业 Unices 上。更便携，但更多输入：

awk '/./ && substr($0,1,1) == substr($0,length)'

Answer 3

grep -xe '\(.\).*\1' -e .

例子：

$ printf '%s\n' il y était cet été  | grep -xe '\(.\).*\1' -e .
y
été

-x用于精确匹配（整行匹配）。\1是对 中捕获的字符的反向引用\(.\)。我们添加 a-e .来处理包含单个字符的行的特殊情况。

它假定输入包含当前语言环境中的有效文本。

匹配是在字符上，而不是字节上（例如，UTF-8 中的 é 是两个字节 0xc3 0xa9），也不是字形簇（如果这些 é 是以分解后的形式编写的，e后跟 U+0301例如结合重音）。

要使用grep支持-PPCRE 的图形集群，请执行以下操作：

$ printf 'e\u0301te\u0301\n' | grep -xPe '(\X).*\1|\X'
été

假设两个聚类的分解相同，例如?表示为 的c U+0301 U+0327与表示为c U+0327 U+0301或?( U+0107)U+0327或ç( U+00E7)U+0301或 ? ( U+1E09). 为此，您需要对规范化形式进行检查：

$ printf '\ue7\u301 blah \u107\u327\n' |
  perl -MUnicode::Normalize -C -ne '
    print if /^\X$/ || NFC($_) =~ /^(\X).*\1$/'
ç? blah ??