删除具有给定模式的特殊字符的行答案

【问题标题】：remove a line with special character with given pattern删除具有给定模式的特殊字符的行
【发布时间】：2013-12-17 11:50:40
【问题描述】：

我正在尝试获取带有不以\ 为前缀的特殊字符的行。以下是特殊字符：

^$%.*+?!(){}[]|\

我需要检查上述所有在第二列中没有以\ 为前缀的特殊字符。我正在尝试使用 awk 来完成此操作，但没有运气。我想要如下输出。

输入.txt

1,ap^ple
2,o$range
3,bu+tter
4,gr(ape
5,sm\(ok\e
6,ra\in
7,p+la\\y
8,wor\+k

输出.txt

1,ap^ple
2,o$range
3,bu+tter
4,gr(ape
5,sm\(ok\e
6,ra\in
7,p+la\\y

第 7 行和第 5 行在 output.txt 中，因为有 2 个特殊字符（一个带反斜杠，另一个不带反斜杠）

【问题讨论】：

是否应该输出包含“\\\”的行？为什么？

标签： linux shell unix sed awk

【解决方案1】：

“final”最终编辑：我想允许“\x”无论 x 是什么，但 OP 似乎不希望这样，所以我也修复了它。

在尝试找到一个“聪明”的正则表达式后（它在“\\”或任何有缺陷的“\”上阻塞，但显然对其余部分有效......）

我在 awk 中重新编写了它，以“状态自动机”的方式进行：

想法：

如果在“正常模式”下，我们会遇到“\”以外的特殊字符？ : 我们打印线！如果在“正常模式”，我们会遇到一个“\”？：我们进入“转义模式”，在该模式下，忽略下一个字符（但如果我们没有下一个字符，我们也需要打印该行！）

脚本：

awk -F"," '
  {
    IN_ESCAPED_MODE=0 ;
    for (i=1 ; i<=length($2) ; i++)
     {  char=substr($2,i,1)

        if ( IN_ESCAPED_MODE == 0)
     {  if ( index(".^$%*+?!(){}[]|",char) > 0 )
             {  print $0 ; break ;
             }

            if ( index("\\" , char ) > 0 )
             {  IN_ESCAPED_MODE=1 ; continue ;
             }
         }

        if ( IN_ESCAPED_MODE == 1)
     {   if ( index(".^$%*+?!(){}[]|\\",char) > 0 )
           {  IN_ESCAPED_MODE=0 ; continue ;
               }
             else
               {  IN_ESCAPED_MODE=0 ; print $0; break;
               }
         }
     }

    if (IN_ESCAPED_MODE == 1)
     {
        print $0 ; break ;
     }

  }
'  input.txt > output.txt

通过此更改，您将获得与 OP 相同的输出，例如，当它包含“\e”时会打印一行...我觉得很奇怪：对我来说“\e”很好，我们可以“逃”什么？

使用该输入：

1,ap^ple
2,o$range
3,bu+tter
4,gr(ape
5,sm\(ok\e
6,ra\in
7,p+la\\y
8,wor\+k

10,\
11,\\
12,\\\
13,.
14,\.
15,..
16,^
17,\^
18,$
19,\$
20,%
21,\%
22,*
23,\*
24,+
25,\+
26,?
27,\?
28,!
29,\!
30,(
31,\(
32,)
33,\)
34,{
35,\{
36,}
37,\}
38,[
39,\[
40,]
41,\]
42,|
43,\|

它输出：

1,ap^ple
2,o$range
3,bu+tter
4,gr(ape
5,sm\(ok\e
6,ra\in
7,p+la\\y
10,\
12,\\\
13,.
15,..
16,^
18,$
20,%
22,*
24,+
26,?
28,!
30,(
32,)
34,{
36,}
38,[
40,]
42,|

（看来这次真的有效！）

如果您更愿意允许 any "\x" 而不仅仅是 "x" 是一个特殊字符：

改变“中间线”：

        if ( IN_ESCAPED_MODE == 1)
         {  if ( index(".^$%*+?!(){}[]|\\",char) > 0 )
             {  IN_ESCAPED_MODE=0 ; continue ;
             }
            else
             {  IN_ESCAPED_MODE=0 ; print $0; break;
             }
         }

进入：

        if ( IN_ESCAPED_MODE == 1)
         {  IN_ESCAPED_MODE=0 ; continue ;
         }

由于历史原因：正则表达式（在“大多数”情况下有效，但在某些情况下会阻塞，例如如果有“\\”）：

 egrep '[^\][].^$%*+?!(){}[|]|[^\][\][^].^$%*+?!(){}[|\]'   input.txt > output.txt

但是那个不会显示第 12 行，例如...

很好读：http://www.regular-expressions.info/charclass.html .... 和 http://www.gnu.org/software/gawk/manual/html_node/Gory-Details.html（可怕...）

【讨论】：

sed输出和input.txt一样
仍然没有区别，我可以在 output.txt 中看到 8,wor\+k 行
啊，是的，我没有考虑到：“\”后跟一个特殊的字符！（因此，我的版本看到“\”并认为它是一个“\”，在它之前没有适当的“\”......所以它打印出该行）。谢谢，很好的收获。我会努力解决的。
已修复。我希望...（可能有特殊情况，可能会出现奇怪的“\”）
嗯，案例“d”是错误的......有趣。我需要弄清楚如何在“[]”中添加“]”来修复它

【解决方案2】：

您可以尝试以下方法：

awk '
{
    line=$0
    sub(/\\[\^$%.*+?!(){}\[\]|\\]/,"")
    if(/[\^$%.*+?!(){}\[\]|\\]/)
        print line
}' input.txt

【讨论】：

【解决方案3】：

sed '/[]\\^$%.*+?!(){}[|]/ {
  h
  s/\\[]\\^$%.*+?!(){}[|]/_/g
  /[]\\^$%.*+?!(){}[|]/ {
    x
    p
    }
  }' YourFile

根据 shell 和 sed 的不同，可能会有不同的解释（尤其是 \）。在我的 AIX/KSH 上工作

【讨论】：