如何使用egrep实现CSV同一列多区间及并列条件筛选需求

实现命令 #

方式一：管道叠加egrep实现AND逻辑（兼容性最强，无额外依赖） #

将多个需要同时满足的条件拆分为独立的egrep匹配，管道串联即可实现AND逻辑：

egrep '^([^,]*,){2}(2[0-9]|4[0-9]),' titanic-passengers.csv | egrep '^([^,]*,){7}[^,]*(eng.*fra|fra.*eng)[^,]*'

方式二：单条egrep命令实现（需支持PCRE正则，加-P参数即可） #

egrep -P '^(?=([^,]*,){2}(2[0-9]|4[0-9]),)(?=([^,]*,){7}[^,]*(eng.*fra|fra.*eng)[^,]*)' titanic-passengers.csv

语法说明 #

• 定位列位置：([^,]*,){N} 代表匹配连续N个以逗号结尾的列，^([^,]*,){2} 匹配前两列，后面紧跟的就是第三列（年龄列），^([^,]*,){7} 匹配前七列，后面紧跟的就是第八列（语言列），避免匹配到其他列的符合条件的字符
• 年龄条件：(2[0-9]|4[0-9]) 匹配20-29或40-49的两位数年龄
• 语言条件：(eng.*fra|fra.*eng) 覆盖英语、法语的两种先后顺序，保证第八列同时存在两种语言标识

原有命令的问题修正 #

• 年龄部分的[2-0][0-9]写法错误：字符类范围必须从小到大，2-0是无效范围，且未固定第三列位置，会错误匹配其他列的数字
• 语言部分的[eng.*]是字符类语法，仅匹配e、n、g、.、*单个字符，无法匹配完整的语言标识，也未固定第八列位置

内容的提问来源于stack exchange，提问作者Xams