awk正则匹配中文

kittig

一个大约100万行的文件，
向找出那些不包含中文的行。
grep '^[a-zA-Z0-9]+$' file.list
结果匹配出很多中文行。
比如
张
用awk结果也是一样的。
linux 7.*
怎么回事？

davi

awk  '/^[a-z0-9[:space:]]+$/{ print $0 }' file.list

linux_now

1. '/^[a-zA-Z0-9~!@#$%^&*()_+`;":<>,./?|\\      ]+$/{ print $0 }'

复制代码

kittig

Post by linux_now

1. '/^[a-zA-Z0-9~!@#$%^&*()_+`;":<>,./?|\\      ]+$/{ print $0 }'

复制代码

用这个可以吗？我试过了，在我的机器上不行，还是会出来汉字。
我看了一下ｌｏｃａｌｅ，是 en_US
会不会和这个有关系阿？把ＬＡＮＧ改成zh_CN.gb2312还是不行。

linux_now

[HTML]
'/^[a-zA-Z0-9[:space:][:cntrl:][:punct:]]+$/{ print $0 }'
[/HTML]

贴个小文件上来，看看是哪里不行。

kittig

呵呵，该才换了台机器试了一下，可以的。
可能是locale的问题。
测试通过的那台机器
LANG=POSIX
LC_CTYPE="OSIX"
LC_NUMERIC="OSIX"
LC_TIME="OSIX"
LC_COLLATE="OSIX"
LC_MONETARY="OSIX"
LC_MESSAGES="OSIX"
LC_PAPER="OSIX"
LC_NAME="OSIX"
LC_ADDRESS="OSIX"
LC_TELEPHONE="OSIX"
LC_MEASUREMENT="POSIX"
LC_IDENTIFICATION="POSIX"
LC_ALL=

jiazhengw

难道就没有匹配中文的正则吗？郁闷。。。。。。。

webyuhang

'/^[a-zA-Z0-9~!@#$%^&*()_+`;":<>,./?|\\      ]+$/
请老大分析一下这些匹配关系
^[]是以[]内的匹配开头的，并且+来匹配一次或者多次来结尾$
[]内的a-zA-Z0-9是匹配大小写字符和数字
~!@#$%^&*()_+`;":<>,./?|\\ 这就开始晕了，请解释一下。谢谢~！

linux_now

那是标点符号，用这个也行[:punct:]