la répétition awk {n} ne fonctionne pas

J'essaie d'imprimer les lignes en utilisant le symbole de répétition {n} mais cela ne fonctionne pas. Pour. par exemple, je veux imprimer toutes les lignes dont la longueur est de 4 caractères

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

Le code ci-dessus n'imprime pas cela. Comment le corriger pour que je puisse utiliser le symbole de répétition? Je connais l'alternative comme awk '/^....$/' test_dataetawk 'length ==3 ' test_data

Selon le Guide de l'utilisateur de GNU Awk: historique des fonctionnalités , la prise en charge des opérateurs de plage d'expressions régulières a été ajoutée dans la version 3.0, mais l'option de ligne de commande explicite était initialement requise.

Nouvelles options de ligne de commande:

• Nouvelles options de ligne de commande:
  • L'option --lint-old pour avertir des constructions qui ne sont pas disponibles dans la version Unix originale de awk (voir V7 / SVR3.1).
  • L'option -m de BWK awk. (Brian était toujours aux Laboratoires Bell à l'époque.) Cela a ensuite été retiré de son awk et de son gawk.
  • L'option --re-interval pour fournir des expressions d'intervalle dans les expressions régulières (voir Opérateurs d'expressions régulières).
  • L'option --traditional a été ajoutée comme meilleur nom pour --compat (voir Options).

Dans gawk4.0,

Les expressions d'intervalle font désormais partie des expressions régulières par défaut

Puisque vous utilisez gawk3.x, vous devrez utiliser

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

ou

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

ou (merci @ StéphaneChazelas) si vous voulez une solution portable, utilisez

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

(car --posixou --re-intervalprovoquerait une erreur dans d'autres awkimplémentations).

Les ERE ( expressions régulières étendues utilisées par awkou egrep) n'avaient pas initialement {x,y}. Il a été introduit pour la première fois dans les BRE (tel qu'utilisé par grepou sed), mais avec une \{x,y\}syntaxe qui n'a pas brisé la portabilité en arrière.

Mais quand il a été ajouté aux ERE avec cette {x,y}syntaxe, il a rompu la portabilité en arrière car un foo{2}RE correspondait à quelque chose de différent auparavant.

Certaines implémentations ont donc choisi de ne pas le faire. Vous constaterez que /bin/awk, /bin/nawket /bin/egrepsur Solaris encore ne respecte pas (vous devez utiliser /usr/xpg4/bin/awkou /usr/xpg4/bin/grep -E). Idem pour awket nawksur FreeBSD (basé sur la version awkmaintenue par Brian Kernighan (l' kin awk)).

Pour GNUawk , jusqu'à relativement récemment (version 4.0), vous deviez l'appeler avec POSIXLY_CORRECT=anything awk '/^.{4}$/'pour l'honorer. mawkne l'honore toujours pas .

Notez que cet opérateur n'est que du sucre syntaxique. .{3,5}peut toujours être écrit ....?.?par exemple (bien que, bien sûr, il {3,5}soit beaucoup plus lisible et que l'équivalent (foo.{5,9}bar){123,456}soit bien pire).

Cela fonctionne comme prévu avec GNU awk(gawk):

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

Mais échoue avec mawkce qui est plus proche de POSIX awket, AFAIK, est la valeur par défaut sur les systèmes Ubuntu:

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

Ainsi, une solution simple serait d'utiliser à la gawkplace de awk. La {n}notation ne fait pas partie de la syntaxe POSIX BRE (expression régulière de base). C'est pourquoi grepéchoue également ici:

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

Cependant, il fait partie des ERE (expressions régulières étendues):

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

Je ne sais pas quelle saveur regex est utilisée par mawkou POSIX awk, mais je suppose que c'est BRE. Ils utilisent une ancienne version d'ERE selon la réponse de Stéphane . Dans tous les cas, soit vous utilisez apparemment une version awkqui n'implémente pas ERE ou votre entrée n'a en fait aucune ligne avec exactement 4 caractères. Cela peut se produire en raison d'espaces vides que vous ne voyez pas ou de glyphes unicode, par exemple.