正則表達式疑問

Question

我的CSV數據文件是這樣的

title,name,gender 
MRS.,MADHU,Female 
MRS.,RAJ KUMAR,male 
MR.,N,Male 
MRS.,SHASHI,Female 
MRS.,ALKA,Female 

現在你可以看到我想避免像線2和3的所有數據（即沒有空白空間或數據長度> = 3）

MRS.,RAJ KUMAR,male 
MR.,N,Male 

，並將其放置在一個名爲rejected_list.csv文件，其餘全部走在一個叫clean_list.csv

因此這裏的文件是我的GAWK腳本它

gawk -F ',' '{ 
    if($2 ~ /\S/ && 
     $1 ~ /MRS.|MR.|MS.|MISS.|MASTER.|SMT.|DR.|BABY.|PROF./ && 
     $3 ~ /M|F|Male|Female/) 
    print $1","$2","$3 > "clean_list.csv"; 
    else 
    print $1","$2","$3 > "rejected_list.csv" } ' \ 
< DATA_file.csv 

我的問題是這樣的腳本不能識別「\ S」的字符集（除空間中的所有字母）..它是選擇的所有單詞開始用S或具有S和拒絕其餘

簡單的正則表達式像/（[AZ]）/到位/ s的作品的完美，但正如我放置的{3，...}的腳本失敗的限制..

gawk -F ',' '{ 
     if($2 ~ /([A-Z]){3,}/ && 
      $1 ~ /MRS.|MR.|MS.|MISS.|MASTER.|SMT.|DR.|BABY.|PROF./ && 
      $3 ~ /M|F|Male|Female/) 
     print $1","$2","$3 > "clean_list.csv"; 
     else 
     print $1","$2","$3 > "rejected_list.csv" } ' \ 
< DATA_file.csv 

我已經試過各種正則表達式的組合與「 *'，'+'等，但我不能得到我想要的...

誰能告訴我什麼是問題M＆

Answer 1

我添加了一個拒絕狀態：不完全3字段

gawk -F, ' 
    BEGIN { 
    titles = "MRS.|MR.|MS.|MISS.|MASTER.|SMT.|DR.|BABY.|PROF." 
    genders = "M|F|Male|Female" 
    } 
    $1 !~ titles || $2 ~ /[[:space:]]/ || length($2) < 3 || $3 !~ genders || NF != 3 { 
    print > "rejected_list.csv" 
    next 
    } 
    { print > "clean_list.csv" } 
' < DATA_file.csv 

Answer 2

用[：圖表：]而不是\ S的所有可打印和可見字符。 GAWK不會將\ S識別爲[：graph：]，因此它不起作用。

此外，{3}區間表達式僅適用於posix或re-interval模式。