Sé que los carácteres con tilde y la letra "ñ" no se llevan muy bien con Linux, pero me ha surgido una duda que seguro me aclaráis los cracks que hay de Linux en esta comunidad.
De un conjunto de palabras quiero quedarme con aquellas que contengan una suma de vocales par. Por ejemplo, la palabra "coche" tiene dos vocales, por tanto es válida.
El conjunto de palabras lo generé así:
shuf -n 20 /usr/share/dict/spanish > palabras.txt
Hasta ahí todo bien. Para seleccionar las que contengan un número de vocales par utilicé esta línea:
awk 'gsub(/[aeiouáéíóúAEIOUAÁÉÍÓÚ]/,"&")%2==0' palabras.txt
Y de hecho lo hace bien, salvo que se encuentre con una palabra como "acañutado"(no me juzguéis por esta palabra, la magia del azar). Tiene 5 vocales y sin embargo la deja pasar, cuando debería omitirla.
La varibale LC_ALL está con el valor es_ES.UTF-8, que es el valor por defecto en cualquier distro Ubuntu en español. No obstante con locale -a he podido comprobar que están cargados la mayoría de los locales en español.
Mi pregunta es: ¿por qué contabiliza esa palabra como válida cuando el número de vocales no es par? ¿Quizá la función gsub de awk no funciona bien con este tipo de carácteres?
Que conste que le pregunté a ChatGPT. Tras soltarme la tontería de turno preferí olvidar que estuve allí. Internet tampoco me aclaró gran cosa.
Gracias por adelantado.