我有一个文本文件中的电子邮件地址列表。我有一个具有字符类的模式，它指定电子邮件地址中允许使用哪些字符。 现在从该输入文件中，我只想搜索包含除允许字符之外的字符的电子邮件地址。 我正在尝试为此编写一个 gawk，但无法使其正常工作。 这是我正在尝试的傻瓜：
gawk -F "," ' $2!~/[[:alnum:]@\.]]/ { print "has invalid chars" }' emails.csv
我面临的问题是上面的 gawk 命令只匹配没有字母数字的记录，@ 和 . （点）在他们。但我正在寻找的是具有允许字符但同时具有不允许字符的记录。
例如，上面的命令会找到
"_-()&(()%"
因为上面只有不是正则表达式的字符，但不会找到
“abc-123@xyz,com”
。因为它还具有正则表达式模式中指定字符类中存在的字符。
【问题讨论】：
几个测试一起怎么样：包含一个alnum和一个@以及一个点和一个无效字符
$2 ~ /[[:alnum:]]/ && $2 ~ /@/ && $2 ~ /\./ && $2 ~ /[^[:alnum:]@.]/
【讨论】：
code $2 ~ /[[:alnum:]@\.]/ && $2 ~ /[^[:alnum:]@\.]/ code
@+ 这样的行，因为您正在寻找一个 alnum 或@ 或点。我的建议强制执行所有这三个
.7@ 将通过测试，因此 YMMV 可以通过测试所有 3 个与 @987654326 @。 $2 ~ /[[:alnum:]].*@.*\./ 会更好，但仍然留下很多漏洞。
. 并测试正则表达式，然后对该正则表达式的否定只是另一种形式的代码重复，这总是一种不好的方法.
你的正则表达式在这里是错误的：
/[[:alnum:]@\.]]/
应该是：
/[[:alnum:]@.]/
不删除额外的] 前端。
测试用例：
# regex with extra ]
awk -F "," '{print ($2 !~ /[[:alnum:]@.]]/)}' <<< 'abc,ab@email.com'
1
# correct regex
awk -F "," '{print ($2 !~ /[[:alnum:]@.]/)}' <<< 'abc,ab@email.com'
0
【讨论】：
awk -F "," ' $2 !~ /[[:alnum:]@.]/ { print "has invalid chars" }' <<< 'abc,ab@email.com' 将输出该消息。但是第一个带有额外的] 将不起作用。
]
您真的关心字符串是否包含有效字符吗？如果没有（而且您似乎没有），简单的解决方案是
$2 ~ /[^[:alnum:]@.]/{ print "has invalid chars" }
这不会在空字符串上触发，因此您可能需要为这种情况添加测试。
【讨论】：
您的问题将真正受益于一些简洁、可测试的样本输入和预期输出，因为现在我们都在猜测您想要什么，但也许这样做呢？
awk -F, '{r=$2} gsub(/[[:alnum:]@.]/,"",r) && (r!="") { print "has invalid chars" }' emails.csv
例如使用您提供的 2 个输入示例：
$ cat file
_-()&(()%
abc-123@xyz,com
$ awk '{r=$0} gsub(/[[:alnum:]@.]/,"",r) && (r!="") { print $0, "has invalid chars" }' file
abc-123@xyz,com has invalid chars
顺便说一句，还有更准确的电子邮件正则表达式，例如：
\<[[:alnum:]._%+-]+@[[:alnum:]_.-]+\.[[:alpha:]]{2,}\>
在更新为使用 POSIX 字符类之后，这是对 http://www.regular-expressions.info/email.html 中描述的修改的一种特定于 gawk 的（用于单词分隔符 \< 和 \>）。
如果您尝试验证电子邮件地址，请不要使用您开始使用的正则表达式，因为它将声明 @ 和 7 都是有效的电子邮件地址。
另请参阅How to validate an email address using a regular expression? 了解更多电子邮件正则表达式详细信息。
【讨论】：