grep要注意部分匹配的問題

在使用grep用關鍵字抓文本資料的時候，要注意到部分匹配的問題，舉下面的例子：

1. grep --color -f patterns.txt file.txt
2. grep --color -xf patterns.txt file.txt
3. grep --color -wf patterns.txt file.txt

此三個指令說明如下：

1. 一般抓文本資料的方法，只要列在patterns.txt裡面每一行的式樣（pattern）有匹配到file.txt那一行裡面隨便哪個部分，就會把結果印出來
2. -x, --line-regexp：必須要file.txt裡面整行都完全與式樣有匹配才印出結果
3. -w, --word-regexp：file.txt裡面看起來像一個字（word）的與式樣有匹配才會印出結果。一個字的定義是被`[[:<:]]'與`[[:>:]]'包含一群字元

以下範例，首先是式樣（pattern）存成一個叫做patterns.txt的檔案

sample1
sample3

再來就是要被這些式樣匹配的文本資料file.txt的檔案

sample1
sample2
sample3
sample3
testsample1
test.sample1
sample1.test
sample11
sample12
sample20
sample1-2
sample4,9
sample5
sample6

測試 1：grep --color -f patterns.txt file.txt

sample1
sample3
sample3
testsample1
test.sample1
sample1.test
sample11
sample12
sample1-2

可以看到只要每一行裡面有部分匹配到，結果就會印出來，紅色是匹配到的部分。
在這裡面通常sample11, sample12並不是一般希望抓出來的結果

測試 2：grep --color -xf patterns.txt file.txt
-x, --line-regexp又可以稱為完全匹配（exact match），整行都必須要跟式樣一樣

sample1
sample3
sample3

測試 3：grep --color -wf patterns.txt file.txt
-w, --word-regexp比較是一般想要抓出來的資料，就是某些字對了就印出來

sample1
sample3
sample3
test.sample1
sample1.test
sample1-2

參考資料

• Exact grep -f command in Linux
• Match exact string using grep
• 使用 grep 過濾兩個檔案(不)重複的內容
• man 7 regex：Linux下面查詢regular expression的方法
• man -a re_format：Mac下查詢regular expression的方法

_EOF_