AWK 正则表达式模式匹配

Question

我有一个文本文件，我需要在一个字段中识别特定模式。我正在使用 AWK，并尝试使用 match() 函数。

要求是我需要查看一串数字中是否存在以下模式

??????1?
??????3?
??????5?
??????7?

也就是说，我只对最后一位数字是 1、3、5 或 7 感兴趣。

我有一个解决方案，看起来像这样；

    b = match($23, "[0-9][0-9][0-9][0-9][0-9][0-9]1[0-9]")
    c = match($23, "[0-9][0-9][0-9][0-9][0-9][0-9]3[0-9]")
    d = match($23, "[0-9][0-9][0-9][0-9][0-9][0-9]5[0-9]")
    e = match($23, "[0-9][0-9][0-9][0-9][0-9][0-9]7[0-9]")

    if (b || c || d || e)
    {
            print "Found a match" $23
    }

我认为虽然我应该能够像这样更简洁地编写正则表达式；

b = match($23, "[0-9]{6}1[0-9]")

但这不起作用。

我是否遗漏了什么，或者我的正则表达式技能（不是很好）真的那么糟糕？

感谢期待

Answer 1

正则表达式分隔符是/.../，而不是"..."。当您在 RE 上下文中使用引号时，您是在告诉 awk 在字符串文字中存储了一个 RE，并且该字符串文字被解析两次，一次是在读取脚本时，然后在执行脚本时再次解析，这使得您的 RE 规范那么多适应这种双重解析更加复杂。

所以，不要写：

b = match($23, "[0-9]{6}1[0-9]")

写：

b = match($23, /[0-9]{6}1[0-9]/)

改为。

不过，这不是你的问题。您最可能遇到的问题是您调用的 awk 版本不支持像 {6} 这样的 RE 间隔。如果您使用的是旧版本的 GNU awk，则可以通过添加 --re-interval 标志来启用该功能：

awk --re-interval '...b = match($23, /[0-9]{6}1[0-9]/)...'

但无论是这样还是您使用的是不支持 RE_intervals 的 awk，最好的办法是获取更新版本的 gawk。

最后，您的整个脚本可以简化为：

awk --re-interval '$23 ~ /[0-9]{6}[1357][0-9]/{print "Found a match", $23}'

如果你愿意，可以将 [0-9] 更改为 [[:digit:]] 以实现语言环境独立性。

直到最近才在 gawk 中默认不支持 RE 间隔的原因是旧 awk 不支持它们，因此在旧 awk 中执行时具有a{2}b 的 RE 的脚本会一直在寻找那些5 chars 和 gawk 不希望旧脚本在 gawk 而不是旧 awk 中执行时安静地中断。为了方便我们向后兼容，一些发布者正确地决定冒险使用默认启用 RE 间隔。

Answer 2

这里有一个awk 解决方案：

awk -v FS="" '$7~/(1|3|5|7)/' file

通过将FS 设置为空，每个字符都成为一个字段。然后我们可以测试字段 #7。

正如汤姆所发布的那样。

awk -v FS="" '$7~/[1357]/' file