awk 重复 {n} 不起作用

Question

我正在尝试使用重复符号 {n} 打印行，但它不起作用。为了。例如，我想打印长度为 4 个字符的所有行

 awk '/^.{4}$/' test_data

上面的代码没有打印出来。如何修复它以便我可以使用重复符号？我知道像awk '/^....$/' test_data和awk 'length ==3 ' test_data

Answer 1

ERE（或使用的扩展正则表达式）最初没有. 它首先在 BRE 中引入（由或 使用），但其语法不会破坏向后可移植性。awkegrep{x,y}grepsed\{x,y\}

但是，当使用该{x,y}语法将其添加到 ERE 时，它确实打破了向后可移植性，因为foo{2}RE 之前匹配了不同的东西。

所以一些实现选择不这样做。您会发现/bin/awk，/bin/nawk而/bin/egrep在 Solaris 上仍然不尊重它（您需要使用/usr/xpg4/bin/awk或/usr/xpg4/bin/grep -E）。同为awk和nawk在FreeBSD（基于该awk由Brian Kernighan的维护（在k中awk））。

对于 GNUawk，直到最近（4.0 版），您必须调用POSIXLY_CORRECT=anything awk '/^.{4}$/'它才能尊重它。mawk仍然不尊重它。

请注意，该运算符只是语法糖。例如，.{3,5}总是可以写....?.?的（尽管当然{3,5}更易读，而等效的(foo.{5,9}bar){123,456}会更糟）。

Answer 2

根据The GNU Awk User's Guide: Feature History，在 3.0 版中添加了对正则表达式范围运算符的支持，但最初需要显式命令行选项

新的命令行选项：

• 新的命令行选项：
  • --lint-old 选项用于警告原始版本 7 Unix 版本 awk 中不可用的构造（请参阅 V7/SVR3.1）。
  • BWK awk 中的 -m 选项。（Brian 当时还在贝尔实验室。）这后来从他的 awk 和 gawk 中删除了。
  • 在正则表达式中提供区间表达式的 --re-interval 选项（请参阅正则表达式运算符）。
  • 添加了 --traditional 选项作为 --compat 的更好名称（请参阅选项）。

在gawk4.0 中，

间隔表达式成为默认正则表达式的一部分

由于您使用的是gawk3.x，因此您需要使用

awk --re-interval '/^.{4}$/'

或者

awk --posix '/^.{4}$/'

或者（感谢@StéphaneChazelas）如果您想要一个可移植的解决方案，请使用

POSIXLY_CORRECT=anything awk '/^.{4}$/'

（因为--posix或--re-interval将导致其他awk实现中的错误）。

Answer 3

这在 GNU awk(gawk) 中按预期工作：

$ printf 'abcd\nabc\nabcde\n' | gawk '/^.{4}$/'
abcd

但是失败了mawk，它更接近 POSIX awk，AFAIK 是 Ubuntu 系统上的默认设置：

$ printf 'abcd\nabc\nabcde\n' | mawk '/^.{4}$/'
$ ## prints nothing

因此，一个简单的解决方案是使用gawk而不是awk. 该{n}符号不是 POSIX BRE（基本正则表达式）语法的一部分。这就是为什么grep在这里也失败了：

$ printf 'abcd\nabc\nabcde\n' | grep '^.{4}$'
$

但是，它是 ERE（扩展正则表达式）的一部分：

$ printf 'abcd\nabc\nabcde\n' | grep -E '^.{4}$'
abcd

我不知道mawkPOSIX使用哪种正则表达式awk，但我猜是 BRE. 根据Stéphane 的回答，他们使用旧版本的 ERE 。在任何情况下，要么您显然使用的awk是未实现 ERE的版本，要么您的输入实际上没有任何包含 4 个字符的行。例如，这可能是由于您看不到的空白或 unicode 字形造成的。