regex - awk 匹配它不应该匹配的正则表达式字符

Question

我的 awk 程序做了一些奇怪的字符匹配。您能否解释一下发生了什么或将我指向相关文档。

输入文件

| 29900 | St. James | ...
| 33010 | Boole / Kirk | ...

awk

awk '/\| ([0-9]{5}) \| ([^\|]*)/{print $2 $4}' input-file.txt

结果

29900St.
33010Boole

• 为什么第一个捕获组 $1 领先|？通常 $0 是整场比赛，$1 是第一组。
• 为什么([^\|]*)停在.而/不是继续阅读？我基本上告诉它“所有不是|的字符” 毕竟。

Answer 1

默认情况下，awk 用空格分隔列，所以对于记录

| 29900 | St. James | ...

我们有 $1="|", $2="29900", $3="|", $4="St.", $5="James", $6="|" 和 $7="..."

此外，与 Perl 不同，awk 不会将捕获括号的内容存储在任何地方（但gawk 会）

看到您想使用管道作为分隔符，我建议：

awk -F '[[:blank:]]*\\|[[:blank:]]*' -v OFS=, '$2 ~ /[0-9]{5}/ {print $2,$3}'

29900,St. James
33010,Boole / Kirk

如果您对在其中看到 $2 和 $3 而不是 $1 和 $2 感到困惑，请考虑字段分隔符，根据定义，分隔两个字段并且必须在其前后有一个字段。第一个字段分隔符出现在每行的开头，因此在它之前必须有一个由空字符串组成的字段：$1 将是空字符串。

Answer 2

awk不提供访问捕获组的方法，它用于$<number>访问输入文件的字段。看起来你可以这样做：

awk -F' *\| *' '{print $2 $3;}' input-file.txt