Discussion :

[Postmortem]

Bonjour,

Est-il possible de modifier les "locale" à l'intérieur d'un programme gawk ?

Ce que je voudrais faire, c'est tester si un champ ne contient que des majuscules non accentuées.
Alors, j'y arrive comme ça :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
$ LC_COLLATE=C gawk '/^[A-Z]$/' <<<"É"
$ LC_CTYPE=C gawk '/^[[:upper:]]$/' <<<"É"
$

Mais est-il possible de le faire dans le programme gawk ? J'ai essayé ceci, mais ça ne fonctionne pas, du moins, ça ne fonctionne pas comme je voudrais :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
$ gawk 'BEGIN{ENVIRON["LC_COLLATE"]="C"} /^[A-Z]$/' <<<"É"
É
$ gawk 'BEGIN{LC_COLLATE="C"} /^[A-Z]$/' <<<"É"
É
$ gawk 'BEGIN{ENVIRON["LC_CTYPE"]="C"}/^[[:upper:]]$/' <<<"É"
É
$ gawk 'BEGIN{LC_CTYPE="C"}/^[[:upper:]]$/' <<<"É"
É
$

[disedorgue]

Bonjour,

On ne peut pas, même si on redéfini les valeurs des locales dans le awk, c'est trop tard, car elles ont déjà été initialisées en interne.

Perso, mon LC_COLLATE est en fr_FR.utf-8 et il ne pose pas de souci avec la regex '[A-Z]'...

Sinon, tu as essayé en passant par:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

gawk '/^[\x41-\x5a]$/' <<<"É"

Une autre alternative, c'est de ce créer un petit script qui configure les locale et lance le awk.

Ou alors ton awk pipe ou fork (system) un autre awk avec une locale différente.

[Postmortem]

Bonjour,

Merci pour ta réponse disedorgue.

En fait, ça doit venir de la version de gawk sur le serveur ou des "locales" en elles-mêmes ??

Sur mon PC perso, ça fonctionne comme chez toi :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
$ gawk --version | head -2
GNU Awk 4.1.4, API: 1.1 (GNU MPFR 4.0.1, GNU MP 6.1.2)
Copyright © 1998, 1991-2016 Free Software Foundation.
$ LC_COLLATE="fr_FR.utf8" gawk '/^[A-Z]$/' <<<"É"
$ LC_COLLATE="en_US.UTF-8" gawk '/^[A-Z]$/' <<<"É"
$ LC_COLLATE="C" gawk '/^[A-Z]$/' <<<"É"
$

Alors que sur le serveur où mon script tourne :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
$ gawk --version | head -2
GNU Awk 3.1.7
Copyright (C) 1989, 1991-2009 Free Software Foundation.
$ LC_COLLATE="fr_FR.utf8" gawk '/^[A-Z]$/' <<<"É"
É
$ LC_COLLATE="en_US.UTF-8" gawk '/^[A-Z]$/' <<<"É"
É
$ LC_COLLATE="C" gawk '/^[A-Z]$/' <<<"É"
$

L'utilisation de [\x41-\x5a] ne résout pas le souci sur le serveur :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
$ LC_COLLATE="fr_FR.utf8" gawk '/^[\x41-\x5a]$/' <<<"É"
É
$ LC_COLLATE="en_US.UTF-8" gawk '/^[\x41-\x5a]$/' <<<"É"
É
$ LC_COLLATE="C" gawk '/^[\x41-\x5a]$/' <<<"É"
$

Mais si on est en LC_COLLATE="fr_FR.utf8", le « É » devrait sortir, non ? Ou ce n'est pas LC_COLLATE qui sert pour "trier" ??

Edit :
Voilà l'explication de la différence de fonctionnement entre la version 3 et la version 4 de gawk :
Regexp Ranges and Locales: A Long Sad Story

Re-edit :
Et du coup, j'ai rajouté un petit avertissement au début de mon script gawk comme ceci :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
#!/usr/bin/gawk -f
BEGIN {
    if ( ENVIRON["LC_COLLATE"] != "C" ) { printf "Lancer le script comme ceci :\n\tLC_COLLATE=C ./extract.awk fichiers\n"; exit 1;}
}

[disedorgue]

Je ne sais pas ce que fait la globalité de ton script awk, mais voici un petit trick qui peut s'interfacer selon le besoin...

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
$ gawk "{\"LC_CTYPE=C awk '/[[:lower:]]/' <<<\"\$0 | getline result}result" <<<"é"
$ gawk "{\"LC_CTYPE=fr_FR.UTF-8 awk '/[[:lower:]]/' <<<\"\$0 | getline result}result" <<<"é"
é

Ici, je suis obligé de protéger les guillemets et le $ car je suis en ligne de commande, dans un script awk, ce n'est pas la peine.

[Postmortem]

Merci pour le petit trick !

Et à propos de trick, en aurais tu un pour que je n'ai pas besoin de passer les fichiers en arguments au script awk ?

Quand j'ai 2-3 fichiers, ça va, je fais comme ça :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
#!/usr/bin/gawk -f
BEGIN {
    ARGV[1]="/chemin/fichier1"
    ARGV[2]="/chemin/fichier2"
    ARGC=3
}

Ça me permet d'appeler le script en faisant simplement ./script.awk, pas besoin de faire ./script.awk "/chemin/fichier1" "/chemin/fichier2"

Mais si par exemple je veux traiter tous les fichiers *.txt d'un répertoire, on peut éviter ./script.awk "/chemin/"*.txt ?

[disedorgue]

un truc comme ça ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$ gawk 'BEGIN{"echo *.txt" | getline result ; split(result,ARGV) ; ARGC=length(ARGV)+1}'