假设我有多行记录,以 =
作为记录分隔符,但前提是 =
是行的开头:
$ cat file
record 1, field 1
record 1, field 2 with a = in it
record 1, field 3
= record 2, field 1
record 2, field 2 also with a = in it
record 2, field 3
= final record 3, field 1
record 3, field 2
我想将与此类似的文件分成由 ^=[\t]
分隔的记录和由 \n
分隔的字段。
我尝试过:
$ gawk -v RS="^=[ \t]" -v FS="\n" '{printf "%s\n--- NF=%s, NR=%s ---\n", $0, NF, FNR}' file
但这会导致:
record 1, field 1
record 1, field 2 with a = in it
record 1, field 3
= record 2, field 1
record 2, field 2 also with a = in it
record 2, field 3
= final record 3, field 1
record 3, field 2
--- NF=9, NR=1 ---
即,^
不能像我期望的那样作为行的开头。
我知道我能做到:
$ gawk -v RS="\n=[ \t]" -v FS="\n" '{printf "%s\nNF=%s, NR=%s\n", $0, NF, FNR}'
但是感觉在 Unix/Windows 中行分隔符会出现问题。它还在最终记录上附加了一个额外的 \n
我可以使用 sed
将 ^=[\t]
替换为额外的 \n
,然后使用 gawk
段落模式:
$ sed 's/^=[ \t]/\
/' file | gawk -v RS="" -v FS="\n" '{printf "%s\n--- NF=%s, NR=%s ---\n", $0, NF, FNR}'
record 1, field 1
record 1, field 2 with a = in it
record 1, field 3
--- NF=3, NR=1 ---
record 2, field 1
record 2, field 2 also with a = in it
record 2, field 3
--- NF=3, NR=2 ---
final record 3, field 1
record 3, field 2
--- NF=2, NR=3 ---
这正是我正在寻找的东西。
问题:有没有办法在 RS
中使用 ^
来指示 gawk 中多行记录的“行的开头”,这样我就不必通过管道传输sed
?我想我正在寻找 gawk
中 PCRE 正则表达式中的 m
标志的等效项。
最佳答案
^
表示字符串开头
,而不是行开头
。没有行首
字符,只有回车符(\r
= 将光标返回到行首)和换行符(\n
= 将光标移至下一行)字符,根据工具/操作系统,这些字符一起或单独用于指示行尾
,也称为换行符
。 Windows 工具倾向于使用 \r\n
来表示 换行
,而 UNIX 单独使用 \n
,这就是为什么 \n
在 UNIX 中通常被称为换行符
。
许多工具,例如sed
和 grep
(默认情况下还有 awk
)一次只读取 1 行,因此它们的输入缓冲区一次只包含一行,因此,在这种情况下,字符串开头
与行开头
相同,这就是为什么您经常听到^
被称为开始行
字符,但通常情况下,它不是。同样,$
是字符串结束
字符,而不是经常提到的行结束
字符,但可用于表示行结束当在字符串输入缓冲区的上下文中使用时,某些工具一次读取/填充一行。
这意味着,如果您的工具不是一次读取一行,那么在 UNIX 文件中匹配行开头字符 X
的正则表达式实际上是:
(^|\n)X
一行的末尾是:
X(\n|$)
但请注意,这也会匹配/消耗换行字符(如果存在)。
在 Windows 中,将 \n
更改为上面的 \r\n
并在两者中工作,您可以使用 \r?\n
除非您的文件是在 Windows 上创建的,可以包含中线换行,例如从 Excel 导出的 CSV 可能类似于
field1,"field2 part a\nfield2 part b",field3\r\n
其中 \n
和 \r
当然是文字。在这种情况下,您不希望独立的 \n
中场被误解为换行符。
试试这个(由于多字符 RS
和 \s
简写为 [[:space:]]
,仅适用于 gawk):
$ awk -v RS='\n(=\\s*|$)' -F'\n' '{printf "%s\n--- NF=%s, NR=%s ---\n", $0, NF, FNR}' file
record 1, field 1
record 1, field 2 with a = in it
record 1, field 3
--- NF=3, NR=1 ---
record 2, field 1
record 2, field 2 also with a = in it
record 2, field 3
--- NF=3, NR=2 ---
final record 3, field 1
record 3, field 2
--- NF=2, NR=3 ---
关于regex - gawk RS 仅在行首带有 ^,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45380211/