awk: erro: tenda de \{\}

Responda:

echo "[email protected]" | awk '/^([-a-zA-Z0-9_.\+]+)@([-a-zA-Z0-9_.]+).([a-zA-Z]{2,5})$/ {print $0}'
[email protected]

Explicação: O caractere -é ambíguo na posição em que você o coloca, pois pode representar um intervalo. Movê-lo para o início do regexp, ou escapá-lo, funciona muito bem.

Mais informações: Verifique seus regexes neste site útil quando estiver em dúvida.

Conforme apontado corretamente por Isaac , o último ponto na expressão não faz o que você provavelmente pensa que faz: .representa qualquer caractere, e você deve escapar se quiser que signifique um ponto literal\.

Outras otimizações incluem não escapar caracteres entre colchetes, pois isso é desnecessário. Estou apontando para \+o primeiro conjunto de caracteres, e tenho que agradecer a Isaac novamente por detectar isso!

Mais uma coisa que está além de mim é por que você usaria todos esses colchetes ().

Além de corrigir o uso -e sugerir algumas pequenas melhorias, o tema subjacente aqui é a oportunidade amplamente discutida de empregar expressões regulares para validar endereços de e-mail. A correspondência correta de qualquer endereço de e-mail é uma tarefa difícil que requer uma expressão muito mais complexa do que se poderia imaginar inicialmente. Uma opção razoável, geralmente encontrada neste e em fóruns semelhantes, é usar o regex mais simples que, espera-se, funcionará com seu conjunto de dados.

Versão curta, use isto:

$ echo "[email protected]" | 
>    gawk '/^([-a-zA-Z0-9_.+]+)@([-a-zA-Z0-9_.]+)\.([a-zA-Z]{2,5})$/'

Supondo que a mensagem de erro real seja algo como:

awk: cmd. line:1: error: Invalid range end: …

Então, há 4 problemas em sua linha:

1. O traço ( -) significa "intervalo de caracteres" e não um traço explícito.

   O motivo da mensagem de erro é que os dois caracteres ao redor do traço ( -) dentro do intervalo de caracteres ( _e .) não estão em ordem (ASCII). O intervalo de caracteres .-_não gera nenhum erro. Mas estou certo de que você não quer dizer "intervalo de caracteres" (todos os caracteres entre um ponto .e um sublinhado _), mas para corresponder a um traço explícito ( -).

   Para corresponder a um traço explícito dentro de uma "expressão de colchete", você precisa torná-lo o primeiro ou o último caractere do intervalo. Ou [-…], […-]. Ou, desanimado, fuja dele \-. Ou seja, ambos funcionam:

   [-a-zA-Z0-9_.+]
    [a-zA-Z0-9_.+-]
   

   Mas não, uma barra invertida não é uma solução geral para tornar um traço explícito. Tentar:

   $ echo 'ab-cd' | grep -Eo '[a\-c]+'
   ab
   c
   

   A regex grep (mesmo se estendida: -E) não corresponde ao traço.

2. O +não é especial dentro de uma "expressão de colchetes", portanto, não precisa escapar (e escapar dentro de "expressões de colchetes" é um mau hábito). Usa isto:

   ^([-a-zA-Z0-9_.+]+)@
   

3. Um ponto .é um caractere especial que "corresponde a qualquer caractere, exceto nova linha".
   Como tal, você precisa escapar \.ou usar uma "expressão de colchete" [.]para corresponder explicitamente a um caractere de ponto, use isto:

   ^([-a-zA-Z0-9_.+]+)@([-a-zA-Z0-9_.]+)\.
   

4. E, finalmente, a "expressão de intervalo" é uma extensão sobre implementações históricas de awk, pode não funcionar em todos os awk's. Isso geralmente "não é um problema", mas se for, você precisará usar:

   ([a-zA-Z][a-zA-Z][a-zA-Z]?[a-zA-Z]?[a-zA-Z]?)$
   

Mas você provavelmente está usando GNU awk, e a sintaxe correta deve ser:

$ echo "[email protected]" | 
>    gawk '/^([-a-zA-Z0-9_.+]+)@([-a-zA-Z0-9_.]+)\.([a-zA-Z]{2,5})$/'

O hífen -é um caractere especial na classe de caracteres ( Bracket Expression ) que especifica o intervalo de caracteres. Se você quiser adicionar literal -à sua classe de caractere, precisará escapá-lo ou movê-lo para o final ou início (após o ^, se houver) de sua classe de caractere.

[a-z-]
[-a-z]
[a-z\-A-Z]

7.[...]

O caractere < hífen-menos > deve ser tratado como ele mesmo se ocorrer primeiro (após uma inicial ^, se houver) ou por último na lista, ou como um ponto final de intervalo em uma expressão de intervalo. Como exemplos, as expressões [-ac]e [ac-]são equivalentes e correspondem a qualquer um dos caracteres 'a', 'c' ou '-'; [^-ac]e [^ac-]são equivalentes e correspondem a quaisquer caracteres, exceto 'a', 'c' ou '-'; [...]

Se uma expressão de colchetes especificar '-' e ']', o ']' deve ser colocado primeiro (após o '^', se houver) e o '-' por último dentro da expressão de colchetes.

Qual versão awkvocê está usando?

Este comando não dá erro quando eu uso GNU awk, embora não produza nenhuma saída.

Usá solaris awk-lo produz este erro:

awk: syntax error near line 1
awk: bailing out near line 1

Lendo seu regex, ele nunca corresponderá a um endereço de e-mail...