使用grep匹配具有固定数量字符的字符串

我正在尝试使用查找所有6字母词grep。我目前有这个：

grep "^.\{6\}$" myfile.txt 

但是，我发现我也得到了如下结果：étuis，étude。

我怀疑这与e以上文字中的符号有关。

我有什么办法可以确保不会发生这种情况？

谢谢你的帮助！

grep角色的观念是与地区有关的。如果您位于非Unicode语言环境中，并且从其中包含Unicode字符的文件进行grep操作，则字符计数将不匹配。如果echo $LANG这样，您将看到您所在的语言环境。

如果将LC_CTYPEand和/或LANG环境变量设置为以“ .UTF-8”结尾的值，则将获得正确的行为：

$ cat data
étuis
letter
éééééé
$ LANG=C grep -E '^.{6}$' data
étuis
letter
$ LANG=en_US.UTF_8 grep -E '^.{6}$' data
letter
éééééé
$

通过在与命令相同的行上分配变量，可以仅更改单个命令的语言环境。

使用此配置，多字节字符被视为单个字符。如果要完全排除非ASCII字符，则其他一些答案也可为您提供解决方案。

请注意，在存在组合字符的情况下，事情仍然有可能破裂，或者至少不能完全按照您的预期进行。您grep可能对拉丁文小写字母E +合并字符急性的处理方式与拉丁文小写字母E与急性处理方式不同。

尝试这个：

LC_ALL=C.UTF-8 grep -x '[_[:alnum:]]\{6\}' file

-x用于匹配整行，并由POSIX定义（请参见grep）。

请参见此处，以了解有关功能的详细说明LC_ALL。您可以设置LANG或LC_CTYPE使用utf-8来获得相同的行为。影响顺序为LC_ALL=> LANG=> LC_CTYPE。

随着GNU grep当PCRE支持，那么你可以这样做：

grep -Px '\X{6}'

虽然.比赛的字符，\X匹配表意文字/ graphem。

在UTF-8语言环境中：

$ locale charmap
UTF-8
$ printf '\u00e9tuis\n\u00e9tudes\n' | grep -Px '\X{6}'
études
$ printf 'e\u0301tuis\ne\u0301tudes\n' | grep -Px '\X{6}'
études

在后者中études，有7个字符，8个字节和6个字素。

您可以尝试类似：

grep "^[A-Za-z]\{6\}$" myfile.txt

或者如果单词也可能包含数字，则：

grep "^[A-Za-z0-9]\{6\}$" myfile.txt

除了这些字符外，只需将任何其他字符添加到所需的方括号中即可。