awk 不匹配所有匹配我的所有条目

Question

我正在尝试制作“脚本”——本质上是一个 awk 命令——以在 .c 文件中提取 C 代码函数的原型，以自动生成头文件 .h。 我是 awk 的新手，所以我不了解所有详细信息。

这是源 .c 的示例：

dict_t dictup(dict_t d, const char * key, const char * newval)
{

  int i = dictlook(d, key);

  if (i == DICT_NOT_FOUND) {

    fprintf(stderr, "key \"%s\" doesn't exist.\n", key);
    dictdump(d);
  }
  else {

    strncpy(d.entry[i].val, newval, DICTENT_VALLENGTH);
  }

  return d;
}


dict_t* dictrm(dict_t* d, const char * key) {

  int i = dictlook(d, key);

  if (i == DICT_NOT_FOUND) {

    fprintf(stderr, "key \"%s\" doesn't exist.\n", key);
    dictdump(d);
  }
  else {
    d->entry[i] = d->entry[--d.size];
  }
  if ( ((float)d->size)/d.maxsise < 0.25 ) {
    d->maxsize /= 2; 
    d->entry = realloc(d->entry, d->maxsize*sizeof(dictent_t*));
  }

  return d;
}

以及我想要生成的内容：

dict_t dictup(dict_t d, const char * key, const char *newval); 
dict_t* dictrm(dict_t* d, const char * key);

我的带有完整正则表达式的命令如下所示：

 awk '/^[a-zA-Z*_]+[:space:]+[a-zA-Z*_]+[:space:]*\(.*?\)/{ print $0 }' dict3.c 

但我对此一无所知。 所以我试着挤压它，看看我能不能带来一些东西。 我试过这个：

awk '/^[a-zA-Z*_]+[:space:]+[a-zA-Z*_]+/{ print $0 }' dict3.c 

我明白了：

dictent_t* dictentcreate(const char * key, const char * val) 
dict_t* dictcreate() 
dict_t* dictadd(dict_t* d, const char * key, const char * val) 
dict_t dictup(dict_t d, const char * key, const char * newval) 
dict_t* dictrm(dict_t* d, const char * key) {

它是许多奇迹的源泉！

• 为什么第一个正则表达式不起作用？
• 为什么第二个捕获了一些声明，但不是全部？我向你保证，任何声明之前都没有空格。我猜它没有捕捉到代码的其他部分，比如变量声明，因为缩进。
• 第三个问题，为什么它抓住了我只需要表达式的所有行？
• 最后一个，如何在每个正则表达式的末尾添加;？

Answer 1

注意：自从我写下这个答案后，这个问题发生了很大的变化。

将[:space:] 替换为[[:space:]]：

$ awk '/^[a-zA-Z*_]+[[:space:]]+[a-zA-Z*_]+[[:space:]]*[(].*?[)]/{ print $0 }' dict3.c
dictent_t* dictentcreate(const char * key, const char * val)  
dict_t* dictcreate() 
void dictdestroy(*dict_t d) 
void dictdump(dict_t *d) 
int dictlook(dict_t *d, const char * key) 
int dictget(char* s, dict_t *d, const char *key)
dict_t* dictadd(dict_t* d, const char * key, const char * val)
dict_t dictup(dict_t d, const char * key, const char *newval) 
dict_t* dictrm(dict_t* d, const char * key)

原因是[:space:] 将匹配任何字符:、s、p、a、c 或e。这不是你想要的。

你想要[[:space:]]，它将匹配任何空格。

太阳/Solaris

本机 Sun/Solaris awk 是出了名的漏洞百出。如果您在该平台上，请尝试nawk 或/usr/xpg4/bin/awk 或/usr/xpg6/bin/awk。

使用 sed

sed 可以使用非常相似的方法。这使用基于您的正则表达式：

$ sed -n '/^[a-zA-Z_*]\+[ \t]\+[a-zA-Z*]\+ *[(]/p' dict3.c
dictent_t* dictentcreate(const char * key, const char * val)  
dict_t* dictcreate() 
void dictdestroy(*dict_t d) 
void dictdump(dict_t *d) 
int dictlook(dict_t *d, const char * key) 
int dictget(char* s, dict_t *d, const char *key)
dict_t* dictadd(dict_t* d, const char * key, const char * val)
dict_t dictup(dict_t d, const char * key, const char *newval) 
dict_t* dictrm(dict_t* d, const char * key)

-n 选项告诉 sed 不要打印，除非我们明确要求它打印。构造 /.../p 告诉 sed 如果斜线内的正则表达式匹配，则打印该行。

Ed Morton 建议的对正则表达式的所有改进也适用于此。

使用 perl

上面也可以采用perl：

perl -ne  'print if /^[a-zA-Z_*]+[ \t]+[a-zA-Z*]+ *[(]/' dict3.c

Answer 2

您尝试编写的正则表达式是：

$ awk '/^[[:alpha:]_][[:alnum:]_]*\**[[:space:]]+[[:alpha:]_][[:alnum:]_]*[[:space:]]*\([^)]*\)/' file
dictent_t* dictentcreate(const char * key, const char * val)
dict_t* dictcreate()
void dictdestroy(*dict_t d)
void dictdump(dict_t *d)
int dictlook(dict_t *d, const char * key)
int dictget(char* s, dict_t *d, const char *key)
dict_t* dictadd(dict_t* d, const char * key, const char * val)
dict_t dictup(dict_t d, const char * key, const char *newval)
dict_t* dictrm(dict_t* d, const char * key)

在没有字符类的情况下编写并假设您的语言环境将是：

$ awk '/^[a-zA-Z_][a-zA-Z0-9_]*\**[ \t]+[a-zA-Z_][a-zA-Z0-9_]*[ \t]*\([^)]*\)/' file
dictent_t* dictentcreate(const char * key, const char * val)
dict_t* dictcreate()
void dictdestroy(*dict_t d)
void dictdump(dict_t *d)
int dictlook(dict_t *d, const char * key)
int dictget(char* s, dict_t *d, const char *key)
dict_t* dictadd(dict_t* d, const char * key, const char * val)
dict_t dictup(dict_t d, const char * key, const char *newval)
dict_t* dictrm(dict_t* d, const char * key)

但是：

1. 获取/使用具有字符类的 awk，因为如果没有字符类，那么谁知道它还缺少什么？
2. 编写脚本来查找您想要的字符串总是微不足道的，但很难找到您不想要的字符串。例如，上面的内容将匹配 cmets 中的文本，并且在给出类似 int foo(int x /* always > 0 (I hope) */) 的声明时会失败。在提供示例输入/输出时，您应该始终包含一些您认为脚本难以选择的文本，因为它“看起来”很像您想要选择的文本，但在错误的上下文中满足您的需求。李>

请注意，C 符号不能以数字开头，因此匹配数字的正则表达式不是[[:alnum:]_]+，而是[[:alpha:]_][[:alnum:]_]*。函数也可以并且经常返回指向指针的指针，* 可以在函数名称而不是函数返回类型旁边，所以你真的应该使用这样的正则表达式（未经测试，因为你没有提供输入这将匹配的格式）如果您的函数声明可以是任何正常格式：

awk '/^[[:alpha:]_][[:alnum:]_]*((\*[[:space:]]*)*|(\*[[:space:]]*)*|[[:space:]]+)[[:alpha:]_][[:alnum:]_]*[[:space:]]*\([^)]*\)/' file

这当然不会匹配跨行的声明 - 那是完全不同的蠕虫。

一般来说，你不能在没有 C 解析器的情况下解析 C，但如果你想要便宜又愉快的东西，那么至少首先在代码上运行一个 C 美化器，以尝试将所有各种可能的布局变成一种一致的格式（谷歌“ C 美化器”，您还需要去除 cmets（例如参见 https://stackoverflow.com/a/13062682/1745001）。

鉴于您的新要求和新示例输入/输出，这就是您的要求：

$ awk 'match($0,/^[[:alpha:]_][[:alnum:]_]*\**[[:space:]]+[[:alpha:]_][[:alnum:]_]*[[:space:]]*\([^)]*\)/) { print substr($0,RSTART,RLENGTH) ";" }' file
dict_t dictup(dict_t d, const char * key, const char * newval);
dict_t* dictrm(dict_t* d, const char * key);

但是，考虑到 C 代码的一般布局，这绝不是稳健的。你需要一个 C 解析器、一个 C 美化器和/或一个专门的工具来稳健地完成这项工作（例如 googl cscope）。