awk 中的字段分隔符可以包含多个字符吗？答案

【问题标题】：Can field separator in awk encompass multiple characters?awk 中的字段分隔符可以包含多个字符吗？
【发布时间】：2012-01-05 16:05:19
【问题描述】：

我可以使用由多个字符组成的字段分隔符吗？就像我想分隔它们之间包含引号和逗号的单词。

“学校”、“大学”、“城市”

所以在这里我想将我的 FS 设置为“，”。但是当我这样定义我的 FS 时，我得到了有趣的结果。这是我的代码的 sn-p。

awk -F\",\" '
{
for(i=1;i<=NF;i++)
  {
    if($i~"[a-z0-9],[a-z0-9]") 
    print $i
  }
}' OFS=\",\"  $*

【问题讨论】：

你看到的这些“有趣的结果”是什么？

标签： awk gawk

【解决方案1】：

是的，FS 可以是多字符。用你的例子看下面的测试：

kent$  echo '"School","College","City"'|awk -F'","|^"|"$' '{for(i=1;i<=NF;i++){if($i)print $i}}'
School
College
City

【讨论】：

【解决方案2】：

这里讨论的是字段分隔符不仅限于多个字符，而且实际上可以是一个成熟的正则表达式。

也就是说：这会从 XML 片段中去除标题和周围的标记。请注意，标签格式正确，但不同。

bash-3.2$ more xml_example 
<?xml version="1.0" encoding="UTF-8"?>
<urlset
xmlns="http://www.google.com/schemas/sitemap/0.84"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://www.google.com/schemas/sitemap/0.84
                  http://www.google.com/schemas/sitemap/0.84/sitemap.xsd">
<url>
<loc>http://www.foo.com/about.html</loc>
<lastmod>2006-05-15T13:43:37Z</lastmod>
<priority>0.5000</priority>
</url>
<url>
<loc>http://www.foo.com/articles/articles.html</loc>
<lastmod>2006-06-20T23:03:36Z</lastmod>
<priority>0.5000</priority>
</url>

现在我们应用 awk 脚本打印出中间字段，使用正则表达式作为字段分隔符：

bash-3.2$ awk -F"<(/?)[a-z]+>" '{print $2}' <xml_example




http://www.foo.com/about.html
2006-05-15T13:43:37Z
0.5000


http://www.foo.com/articles/articles.html
2006-06-20T23:03:36Z
0.5000

bash-3.2$

空行是从该行唯一的标签开始的，因此没有 $2 可打印。这实际上非常强大，因为这意味着您不仅可以使用具有多个字符的固定模式，还可以在字段分隔符中使用正则表达式的全部功能。

【讨论】：

可以打印标签吗？你能访问FS匹配的字符串并打印吗？

【解决方案3】：

试试

awk 'BEGIN{FS="[|,:]"}{print $1}' youFile

【讨论】：

【解决方案4】：

使用 GNU awk 4，您甚至可以轻松解析带有嵌入分隔符和引号的 *CSV*s：

% cat infile 
"School",College: "My College","City, I"

% awk '{    
  for (i = 0; ++i <= NF;)
    print i, substr($i, 1, 1) == "\042" ?
      substr($i, 2, length($i) - 2) : $i
  }' FPAT='([^,]+)|(\"[^\"]+\")' infile  
1 School
2 College: "My College"
3 City, I

【讨论】：

【解决方案5】：

是的，-F 参数可以使用多个字符，因为该值可以是正则表达式。例如，您可以执行以下操作：

echo "hello:::my:::friend" | gawk -F':::' '{print $3}'

这将返回friend。

支持正则表达式作为-F 的参数对于nawk 和gawk (GNU awk) 是正确的，原来的awk 不支持它。在 Solaris 上，这种区别很重要，在 Linux 上并不重要，因为awk 实际上是到gawk 的链接。因此，我认为将 awk 调用为 gawk 是最佳实践，因为这样它将跨平台工作。

【讨论】：

【解决方案6】：

要使用 awk 以多个字符分隔并完全以 "," 分隔，您可以在字符前添加 \\：

echo '"School","College","City"'|awk -F'\\\\"\\\\,\\\\"' '{for(i=1;i<=NF;i++){if($i)print $i}}'

https://es.stackoverflow.com/questions/422811/unix-awk-separaci%c3%b3n-de-campos-por-grupo-de-caracteres/423081#423081

【讨论】：