la repetición awk {n} no funciona

Estoy tratando de imprimir las líneas usando el símbolo de repetición {n} pero no funciona. Por. Por ejemplo, quiero imprimir todas las líneas cuya longitud es de 4 caracteres.

 awk '/^.{4}$/' test_data

El código anterior no está imprimiendo eso. ¿Cómo solucionarlo para que pueda usar el símbolo de repetición? Sé la alternativa como awk '/^....$/' test_datayawk 'length ==3 ' test_data

De acuerdo con la Guía del usuario de GNU Awk: Historial de características , se agregó soporte para operadores de rango de expresión regular en la versión 3.0, pero inicialmente requería la opción de línea de comando explícita

Nuevas opciones de línea de comandos:

• Nuevas opciones de línea de comandos:
  • La opción --lint-old para advertir sobre construcciones que no están disponibles en la versión original Unix de la versión 7 de awk (ver V7 / SVR3.1).
  • La opción -m de BWK awk. (Brian todavía estaba en los Laboratorios Bell en ese momento.) Esto fue retirado más tarde de su awk y de su gawk.
  • La opción --re-interval para proporcionar expresiones de intervalo en expresiones regulares (consulte Operadores de expresiones regulares).
  • La opción --tradicional se agregó como un mejor nombre para --compat (ver Opciones).

En gawk4.0

Las expresiones de intervalo se convirtieron en parte de las expresiones regulares predeterminadas

Como está utilizando gawk3.x, deberá usar

awk --re-interval '/^.{4}$/'

o

awk --posix '/^.{4}$/'

o (gracias @ StéphaneChazelas) si desea una solución que sea portátil, use

POSIXLY_CORRECT=anything awk '/^.{4}$/'

(ya que --posixo --re-intervalcausaría un error en otras awkimplementaciones).

ERE ( expresiones regulares extendidas como las utilizadas por awko egrep) inicialmente no tenían {x,y}. Se introdujo por primera vez en BRE (como lo usa grepo sed), pero con la \{x,y\}sintaxis que no rompió la portabilidad hacia atrás.

Pero cuando se agregó a ERE con esa {x,y}sintaxis, rompió la portabilidad hacia atrás ya que un foo{2}RE coincidía con algo diferente antes.

Entonces, algunas implementaciones decidieron no hacerlo. Usted encontrará que /bin/awk, /bin/nawky/bin/egrep en Solaris todavía no lo respeta (debe usar /usr/xpg4/bin/awko /usr/xpg4/bin/grep -E). Lo mismo para awky nawken FreeBSD (basado en el awkmantenido por Brian Kernighan (el ken awk)).

Para GNUawk , hasta hace relativamente poco (versión 4.0), tenía que llamarlo POSIXLY_CORRECT=anything awk '/^.{4}$/'para que lo honrara. mawkTodavía no lo honra .

Tenga en cuenta que ese operador es solo azúcar sintáctico. .{3,5}siempre se puede escribir, ....?.?por ejemplo (aunque, por supuesto, {3,5}es mucho más legible, y el equivalente a (foo.{5,9}bar){123,456}sería mucho peor).

Esto funciona como se esperaba con GNU awk (gawk):

$ printf 'abcd\nabc\nabcde\n' | gawk '/^.{4}$/'
abcd

Pero falla con mawk que está más cerca de POSIX awky, AFAIK, es el predeterminado en los sistemas Ubuntu:

$ printf 'abcd\nabc\nabcde\n' | mawk '/^.{4}$/'
$ ## prints nothing

Entonces, una solución simple sería usar en gawklugar de awk. La {n}notación no es parte de la sintaxis POSIX BRE (expresión regular básica). Es por esogrep también falla aquí:

$ printf 'abcd\nabc\nabcde\n' | grep '^.{4}$'
$

Sin embargo, es parte de ERE (expresiones regulares extendidas):

$ printf 'abcd\nabc\nabcde\n' | grep -E '^.{4}$'
abcd

No sé qué sabor regex utiliza mawkPOSIX awk, pero supongo que es BRE. Usan una versión anterior de ERE según la respuesta de Stéphane . En cualquier caso, aparentemente está utilizando una versión awkque no implementa ERE o su entrada no tiene líneas con exactamente 4 caracteres. Esto podría suceder debido a espacios en blanco que no ve o glifos unicode, por ejemplo.