我有一个包含四个值的 .tsv 文件（由制表符分隔的值）。因此，每一行应该只有三个选项卡，并且每个选项卡周围都有一些文本，如下所示：
value value2 value3 value4
但看起来有些行被破坏了（有超过三个选项卡）。我需要找出这些线。
我想出了以下 grep 模式。
grep -v "^[^\t]+\t[^\t]+\t[^\t]+\t[^\t]+$"
我的想法：
- 第一个 ^ 匹配开头
- [^\t]+ 匹配多个“无制表符”
- \t 匹配单个制表符
- $ 匹配结束
然后我只是将其按正确的顺序排列正确的次数。这应该匹配正确的行。所以我通过 -v 选项恢复它以获得错误的行。
但是使用 -v 选项，它会匹配文件中的任何行以及我尝试过的一些随机文本，其中没有任何选项卡。
请问我的错误是什么？
编辑：我正在使用 debian 和 bash。
答案1
正如您已经看到的，\t对于基本正则表达式来说并不特殊，并且grep默认使用 BRE。 GNU grep，Linux 上默认具有-PPerl 兼容正则表达式，可让您使用\t制表符。
然而，你想要的事情用 来实现要容易得多awk。只需将输入字段分隔符设置为制表符 ( -F '\t')，然后打印字段数 ( NF) 不为 3 的任何行：
awk -F'\t' 'NF!=3' file
这将打印包含file多于或少于三个字段的所有行。要限制为仅超过三个字段，请使用：
awk -F'\t' 'NF>3' file
答案2
grep -v "^[^\t]+\t[^\t]+\t[^\t]+\t[^\t]+$"
在这里，grep 将使用基本正则表达式 (BRE)，因为它没有提供该-E选项。与扩展正则表达式 (ERE) 不同，+BRE 中的 并不特殊并且与自身匹配。此外，在标准正则表达式中，反斜杠在括号组中并不特殊，因此[\t]匹配反斜杠或字母t，并[^\t]匹配除这些之外的任何内容。
在括号组之外，\t标准未指定匹配的内容，并且实际上随实现的不同而变化。例如，对于 GNU grep，它匹配t，而对于 ast-open grep，它匹配 TAB 字符。
如果您想匹配标准正则表达式中的制表符，则需要将文字制表符传递给grep，例如使用$'...'许多 shell 支持的引用形式。 （尽管这还不是标准的；您必须printf在标准 shell 中使用才能获取制表符。）
因此grep $'a\tb'将查找并由a制表b符分隔，and grep $'a\t\t*b'or grep $'a\t\\{1,\\}b'orgrep -E $'a\t+b'将查找a并由b至少一个制表符分隔。
答案3
好的，所以我找出问题所在。我无法使用\t像这样在 grep 中。它只匹配普通字母t。
如何匹配制表符的选项可见于这个问题关于SO。
我通过在命令中添加 -P 选项解决了我的情况，所以这有效：
grep -Pv "^[^\t]+\t[^\t]+\t[^\t]+\t[^\t]+$"
指出了另一个选项@Philippos在注释中（仅匹配至少有四个选项卡的行）。但它还需要 -P 选项：
grep -P '\t.*\t.*\t.*\t'
答案4
正如其他人已经指出的那样，\t正则表达式并不代表 TAB。因此，显而易见的解决方案是添加一个文字 TAB 字符，这可能会让 BASH 有点棘手。但是，您可以使用^V( Control+ )输入文本制表符vTAB。
也许设置TAB='Control+更方便v TAB'。另一件事是+在非扩展正则表达式 (BRE) 中按字面意思处理（请参阅“基本正则表达式与扩展正则表达式” 中man grep），所以使用：
grep -v "^[^$TAB]\+$TAB[^$TAB]\+$TAB[^$TAB]\+$TAB[^$TAB]\+$"
（这里你也可以将变量缩短为T，并且没有必要使用${TAB}( 或${T}) ，但要做好意外的准备）
另外，当您喜欢使用时，egrep可以使用重复组，如下所示：
egrep -v "^([^$TAB]+$TAB){3}[^$TAB]+$"