Ubuntu-fr

claudius01

[Résolu] [gawk + regex] Comportement différent de [A-Z] et [[:upper:]]

Bonjour,

Je soumets à votre sagacité ce comportement différent.

Le fichier de données à traiter :

$ cat regex.txt
012abcABC
012aAbBcC

Le script qui réalise une extraction à partir de la 1ère lettre majuscule :

$ cat regex.sh
echo "Extract with the regex '[:upper:]'"
gawk '{n = match($0, /[[:upper:]]/); printf("\"%s\" => n = %s extract = \"%s\"\n", $0, n, substr($0, n));}' regex.txt

echo
echo "Extract with the regex 'A-Z'"
gawk '{n = match($0, /[A-Z]/); printf("\"%s\" => n = %s extract = \"%s\"\n", $0, n, substr($0, n));}' regex.txt

Le résultat  des 2 comportements :

$ ./regex.sh
Extract with the regex '[:upper:]'
"012abcABC" => n = 7 extract = "ABC"
"012aAbBcC" => n = 5 extract = "AbBcC"

Extract with the regex 'A-Z'
"012abcABC" => n = 5 extract = "bcABC"            <= Mauvaise extraction ;-(
"012aAbBcC" => n = 5 extract = "AbBcC"

Version de gawk : GNU Awk 3.1.8 / Ubuntu 12.04 LTS

Cordialement, A+
--
Claudius

Dernière modification par claudius01 (Le 10/04/2014, à 12:16)

---

micros informations
- Enregistreur de traces GPS sur Clé USB
- Boussole GPS à Guidage Vocal
- Coprocesseur flottant uM-FPU et PIC16

credenhill

Re : [Résolu] [gawk + regex] Comportement différent de [A-Z] et [[:upper:]]

hello
pas de problème

$ ./regex.sh
Extract with the regex '[:upper:]'
"012abcABC" => n = 7 extract = "ABC"
"012aAbBcC" => n = 5 extract = "AbBcC"

Extract with the regex 'A-Z'
"012abcABC" => n = 7 extract = "ABC"
"012aAbBcC" => n = 5 extract = "AbBcC"
$ 
$ awk --version | head -1
GNU Awk 3.1.6

pingouinux

Re : [Résolu] [gawk + regex] Comportement différent de [A-Z] et [[:upper:]]

Bonjour,
C'est un problème de "collating sequence". Pour avoir le bon comportement dans les deux cas :

LC_COLLATE="C" ./regex.sh

Ajouté : Tu peux aussi faire ceci

grep -o '[A-Z].*' regex.txt

Dernière modification par pingouinux (Le 10/04/2014, à 11:14)

claudius01

Re : [Résolu] [gawk + regex] Comportement différent de [A-Z] et [[:upper:]]

Merci à tous les 2,

Effectivement 'LC_COLLATE="C" ./regex.sh' réalise correctement l'extraction.
En //, j'ai cherché et trouvé cela : Regexp Ranges and Locales: A Long Sad Story qui explique le pourquoi du comment.

Merci encore, A+
--
Claudius

---

micros informations
- Enregistreur de traces GPS sur Clé USB
- Boussole GPS à Guidage Vocal
- Coprocesseur flottant uM-FPU et PIC16