awk问题，大神速来

423497786

[root@localhost nagios]# awk 'BEGIN{a="the UNIX operating system";match(a, /[[:upper:]]+/);print substr(a,RSTART,RLENGTH)}'      
UNIX
[root@localhost nagios]# awk 'BEGIN{a="the UNIX operating system";match(a, /[A-Z]+/);print substr(a,RSTART,RLENGTH)}'            
the

为啥第2个命令获取的结果是the而不是UNIX？？？

423497786

没人知道么

wp7731695

$ awk 'BEGIN{a="the UNIX operating system";match(a, / [A-Z]+ /);print substr(a,RSTART,RLENGTH)}'
UNIX
匹配式前后加空格

wp7731695

$ echo $LANG
C
$ awk 'BEGIN{a="the UNIX operating system";match(a, /[A-Z]+/);print substr(a,RSTART,RLENGTH)}'
UNIX

sync_1521

好诡异。。
我测试在awk 4.0.2 和awk 3.1.6 均为UNIX
但是awk 3.1.7 为the

jason680

回复 1# 423497786

IGNORECASE

$ awk 'BEGIN{IGNORECASE=1;a="the UNIX operating system";match(a, /[A-Z]+/);print substr(a,RSTART,RLENGTH)}'
the
$ awk 'BEGIN{IGNORECASE=0;a="the UNIX operating system";match(a, /[A-Z]+/);print substr(a,RSTART,RLENGTH)}'
UNIX

   

songyc_2015

回复 1# 423497786

1. export LANG=C;awk 'BEGIN{a="the UNIX operating system";match(a, /[A-Z]+/);print substr(a,RSTART,RLENGTH)}'
   
2. UNIX

复制代码

sync_1521

回复 7# songyc_2015
求解释。。


   

sync_1521

百度到了

我們在第零章計算機概論的文字編碼系統裡面談到，檔案其實記錄的僅有 0 與 1，我們看到的字元文字與數字都是透過編碼表轉換來的。由於不同語系的編碼資料並不相同，所以就會造成資料擷取結果的差異了。 舉例來說，在英文大小寫的編碼順序中，zh_TW.big5 及 C 這兩種語系的輸出結果分別如下：

LANG=C     時：0 1 2 3 4 ... A B C D ... Z a b c d ...z
LANG=zh_TW 時：0 1 2 3 4 ... a A b B c C d D ... z Z
上面的順序是編碼的順序，我們可以很清楚的發現這兩種語系明顯就是不一樣！如果你想要擷取大寫字元而使用 [A-Z] 時， 會發現 LANG=C 確實可以僅捉到大寫字元 (因為是連續的) ，但是如果 LANG=zh_TW.big5 時，就會發現到， 連同小寫的 b-z 也會被擷取出來！因為就編碼的順序來看， big5 語系可以擷取到『 A b B c C ... z Z 』這一堆字元哩！ 所以，使用正規表示法時，需要特別留意當時環境的語系為何， 否則可能會發現與別人不相同的擷取結果喔！

由於一般我們在練習正規表示法時，使用的是相容於 POSIX 的標準，因此就使用『 C 』這個語系(註1)！ 因此，底下的很多練習都是使用『 LANG=C 』這個語系資料來進行的喔！

songyc_2015

回复 9# sync_1521
其实我也不太懂，只知道个大概，学习了!~~~~