grep 仅由大写字母组成的整个单词

Question

看起来这很简单，但我遇到了麻烦。

我有一个文本文档，例如，看起来像这样：

This is a
TEXT DOCUMENT with
SOME capitalized words
BUT NOT all of them are
ALL CAPS
iPhone

我想要的是解析此文档并仅匹配仅由大写字母组成的整个单词，如下所示：

TEXT DOCUMENT
SOME
BUT NOT
ALL CAPS

我写了这个：

grep -o "\w[[:upper:]]\w" Untitled.txt

这已经很接近了，但是，唉，returns 这个：

TEX
DOC
UME
SOM
BUT
NOT
ALL
CAP
iPh

...坦率地说，我不明白。

那么：我可能遗漏了什么？ egrep 在 OS X 下工作得不是很好，因为我受到 FreeBSD 的 grep (grep (BSD grep) 2.5.1-FreeBSD) 的限制，我猜，我为 egrep 找到的很多解决方案似乎他们会工作不按预期工作。

Answer 1

你错过了 * 而且 \w 是任何单词字符。正确的正则表达式是：

\<[[:upper:]][[:upper:]]*\>

\< \> 匹配单词边界

Answer 2

示例输出在同一行显示多个 space 分隔的大写单词，这可以通过

实现

$ grep -ow '[[:upper:]][[:upper:][:space:]]*[[:upper:]]' infile
TEXT DOCUMENT
SOME
BUT NOT
ALL CAPS

任何以大写字符开始和结束的序列，它们之间有大写字符或白色space。 -o returns 仅匹配，-w 确保我们不匹配 WORDlowercase.

Answer 3

你可以使用这个命令：

grep -o -E "\<[[:upper:]]+\>" Untitled.txt

你原来的正则表达式给了你三个字母匹配，因为 \w 代表 [_[:alnum:]]，所以你指示 grep 匹配由三个字符组成的东西：

Answer 4

补充:

grep 的 -E 选项允许使用 扩展的 正则表达式，其中包括量词 + 来表示 一个或多个，这简化了解决方案：

 grep -Eo '\<[[:upper:]]+\>' Untitled.txt

此外，如中所述，-w 可用于匹配单词边界，而无需将其指定为正则表达式的一部分：

 grep -Ewo '[[:upper:]]+' Untitled.txt

但是请注意，-w 是一个 非标准 选项（但 BSD/OSX 和 GNU grep 都实现了它）。

至于egrep：它只不过是grep -E的一个（有效的）别名，如前所述，它激活了对extended regular的支持表达式，但确切的功能集是 平台相关的。

此外，只有 GNU grep 支持 -P 选项来支持 PCRE（Perl 兼容的正则表达式），它提供了更多的特性和灵活性。

Answer 5

"old school" RE 的字符数会更少：

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

它使用 -o 选项仅打印匹配的单词并匹配大写字母 A 到 Z。

添加 -w 来搜索词和 -E 来调用扩展的正则表达式允许这个更短：

grep -woE '[A-Z]+\>' Untitled.txt

grep whole words made of only uppercase letters