匹配模式中线并在 awk 中插入换行符

Question

一直在尝试使用awk 及其gensub() 来匹配不在行首的模式，并在第一部分和匹配项之间插入换行符。

模式是匹配 MM/DD HH:MM:SS。

我的脚本splitatdate.awk：

#!/usr/bin/awk -f
{
  if ( /.+[0-9][0-9][/][0-9][0-9] [0-9][0-9]:[0-9][0-9]:[0-9][0-9] / ) {
    print gensub(/^\(.+\)\([0-9][0-9][/][0-9][0-9] [0-9][0-9]:[0-9][0-9]:[0-9][0-9] \)/,"\\1\n\\2", "g")
  }
}

我的测试输入break-me.txt，其中包含我拥有的线型样本：

11/25 08:06:30 good text follows here
rs = ['yada yada11/25 08:07:41 more interesting stuff
rs = ['things with data: tag value
rs = ['yada yada data: 11/25 08:07:43 even more interesting stuff

我在 bash 中运行时得到的结果：splitatdate.awk break-me.txt 是：

rs = ['yada yada11/25 08:07:41 more interesting stuff
rs = ['yada yada data: 11/25 08:07:41 even more interesting stuff

匹配正确的行（那些不以日期开头的行）但没有插入新行，或者据我所知，做任何替换。

我想我会得到什么：

rs = ['yada yada
11/25 08:07:41 more interesting stuff
rs = ['yada yada data: 
11/25 08:07:41 even more interesting stuff

完整的任务是按原样回显每一行，但用换行符分割那些日期字符串不在开头的行。但我需要了解为什么这部分不起作用。如果有人有更好的工具，我不会挂断使用 awk，但想知道我做错了什么。

这是在带有 GNU awk 3.1.7 的 RHEL 6 上。

编辑：此脚本的答案：在 gensub() 内的捕获分组括号之前去掉反斜杠。

Answer 1

去掉捕获组括号前的反斜杠 - 只需使用 (..)，而不是 \(..\)，因为后者是文字括号。

您可能想改用它，这样您就不必指定正则表达式两次：

$ awk 'match($0,/(.+)([0-9][0-9][/][0-9][0-9] [0-9][0-9](:[0-9][0-9]){2}.*)/,a) { print a[1] "\n" a[2]  }' file
rs = ['yada yada
11/25 08:07:41 more interesting stuff
rs = ['yada yada data:
11/25 08:07:43 even more interesting stuff

它的 GNU awk 用于第三个参数 match() 但你还是在使用 gawk。

Answer 2

使用 GNU sed：

$ sed -r 's|^(.+)([0-9]{2}/[0-9]{2} ([0-9]{2}:){2}[0-9]{2}.*)$|\1\n\2|' infile
11/25 08:06:30 good text follows here
rs = ['yada yada
11/25 08:07:41 more interesting stuff
rs = ['things with data: tag value
rs = ['yada yada data: 
11/25 08:07:43 even more interesting stuff

这将捕获第一个捕获组中日期字符串之前的所有内容以及第二个捕获组中以日期字符串开头的所有内容，然后插入换行符。

为保证一行不以日期字符串开头，我们要求在其前至少有一个字符 .+（“一个或多个任意”）。