☰

如何告诉“grep -w”哪些字符组成“单词”？

tag-icon • tag-icon grep regular-expression search
如何告诉“grep -w”哪些字符组成“单词”？ 
$ printf 'asf .test. afd\nasaf foo-test asfdads\n'
asf .test. afd
asaf foo-test asfdads

$ printf 'asf .test. afd\nasaf foo-test asfdads\n' | grep -w test
asf .test. afd
asaf foo-test asfdads

问题: 如何匹配“foo-test”？更准确地说，我怎么能说“-w”使用“-”作为分隔符，但不要使用“.”？

或者换句话说，我能看出grep这.是组成的角色之一吗？字，因此不存在字边界在.和之间test？

或者除了 grep 之外还有其他解决方案吗？

答案1

在 2.19 之前的版本中，GNUgrep只会-w将单字节字符数字和下划线（因此在 UTF-8 语言环境中，只有 26+26+10+1（ASCII 字母、数字和下划线））视为单词成分。例如echo Stéphane | grep -w St会匹配。该问题已在 2.19 中修复。

但是，您可以手动实现逻辑：

 grep -E '([^[:alnum:]_.]|^)test([^[:alnum:]_.]|$)'

其test前面是非单词成分或行的开头，后面是非单词成分或行的结尾。

（上面[:alnum:]匹配您的语言环境中的数字和字母，不仅是 ASCII 的，如果您只需要 ASCII 的，请将语言环境固定为 C）。

如果您不希望匹配中包含那些周围的非单词成分（例如因为您使用的是 GNU's -o），这次您可以使用 PCRE 正则表达式和环视运算符：

grep -Po '(*UCP)(?<![\w.])test(?![\w.])'

删除(*UCP)并添加LC_ALL=C以仅匹配 ASCII 字母和数字。

(*UCP)在正则表达式的开头使用告诉 PCRE 库U̲niC̲ode 性能必须用于\w.

如果没有它，\w将匹配您的语言环境的字母数字和下划线，但仅限于单字节字符。这在 UTF-8 语言环境（当今的规范）中不起作用，因为只有 ASCII 语言才会匹配。(*UCP)使其也适用于 UTF-8。它会根据 PCRE 自己的字符属性概念进行匹配，这可能与您的语言环境不同，但在 GNU 系统上，这就像 UTF-8 语言环境定义一样，不完整且过时（至少截至 2015 年 4 月）。

相关内容