AWK 中的正则表达式不接受惰性选择

Question

我有以下文本文件，我想从中提取“NAME=”和后面的第一个“，”或“)”字符之间的内容。

  AZTBCM         = (CURVE=(NAME=AZTBCM), -SOME TEXT
  B08M           = (CURVE=(NAME=B08M), -  SOME TEXT
  YMOD         = (CURVE=(NAME=YMOD), - SOME TEXT
  ZCCP         = (CURVE=(NAME=ZCCP, CURVE TYPE= GAMMA), - SOME TEXT

gensub 中的字符范围和惰性选择不像在 nedit 中那样工作。在以下 awk-script 文件中，您可以找到我尝试过的不同行

#! /bin/awk -f
{name=gensub(/.*NAME=(.*?)[,)].*/,"\\1","g",$0); print "line1 "name}        #line1
{name=gensub(/.*NAME=([:alnum:]*?)[,)].*/,"\\1","g",$0); print "line2 "name}    #line2
{name=gensub(/.*NAME=([0-z ]*?)[,)].*/,"\\1","g",$0); "line3 "print name}   #line3
{name=gensub(/.*NAME=([0-z Z]*?)[,)].*/,"\\1","g",$0); "line4 "print name}  #line4
{name=gensub(/.*NAME=([0-Z0-9]*?)[,)].*/,"\\1","g",$0); "line5 "print name} #line5

这会产生以下结果：

line1 AZTBCM)
line2       AZTBCM         = (CURVE=(NAME=AZTBCM), -SOME TEXT
line3       AZTBCM         = (CURVE=(NAME=AZTBCM), -SOME TEXT
line4 AZTBCM
line5 AZTBCM
line1 B08M)
line2       B08M           = (CURVE=(NAME=B08M), -  SOME TEXT
line3 B08M
line4 B08M
line5 B08M
line1 YMOD)
line2       YMOD         = (CURVE=(NAME=YMOD), - SOME TEXT
line3 YMOD
line4 YMOD
line5 YMOD
line1 ZCCP, CURVE TYPE= GAMMA)
line2       ZCCP         = (CURVE=(NAME=ZCCP, CURVE TYPE= GAMMA), - SOME TEXT
line3       ZCCP         = (CURVE=(NAME=ZCCP, CURVE TYPE= GAMMA), - SOME TEXT
line4 ZCCP
line5 ZCCP

第 1 行只返回包含“)”的名称。我的懒惰限定符应该防止这种情况发生。 Nedit 使用相同的选择/替换只给出名称。查看 ZCCP 案例，它甚至似乎继续捕获并包括最后一个括号。

Line2 不返回匹配项，因此返回 $0。也无法在 Nedit 中使用它。（似乎不受支持，没关系）

Line3 应取零以降低 ascii 表的 z。这对我来说是最奇怪的失败。由于我加载了更多行，因此只有在名称中有 Z 时才会失败。甚至在我的字符范围内的终止字符之类的小写字母中也不行。

第 4 行我添加了空格和 Z（实际上不需要空格）以查看字符范围是否由于某些未知原因而错过了它。似乎有一个，因为它现在又可以工作了。 忘记第 5 行 :)

任何人都可以主要阐明这种捕获在第一行的情况下是如何工作的吗？我不明白为什么它会推动第一个括号。其次，为什么我的字符范围不包括“Z”？

干杯，罗伯特

PS 这个问题似乎是两个折叠的。所以我把这篇文章的标题改成了aqtually回答的问题。

Answer 1

您可能使用了否定字符类，而不是尝试使用惰性量词。说：

awk '{name=gensub(/.*NAME=([^,)]*).*/,"\\1","g",$0); print "line1 "name}' filename

将为您的输入生成以下内容：

line1 AZTBCM
line1 B08M
line1 YMOD
line1 ZCCP

Answer 2

鉴于此评论： My question is more academic as to why it does not work for awk lines 1 and 3. I just can't find any logic to it.

以下是这些行中使用的 RE 的含义：

.*NAME=(.*?)[,)].*

从行首到 NAME= 后跟任何重复 0 次或更多次的字符，然后重复 0 次或更多次（是的，这没有意义），然后是 a 或 )，然后是重复 0 次或更多次的任何字符。因此，() 内的部分将从NAME= 之后的字符匹配到最后一个, 或) 之前的字符。

.*NAME=([0-z ]*?)[,)].*

从行首到 NAME= 后跟从 0 到 z 范围内的任何字符（无论这在您的语言环境中意味着什么 - 它可能与 Glenn Jackman 在评论中给出的列表完全相同，但它会是这样的）或一个空白字符重复 0 次或更多次，然后重复 0 次或更多次（是的，这没有意义），然后是 a 或 )，然后是重复 0 次或更多次的任何字符。因此，() 内的部分将从NAME= 之后的字符匹配到最后一个, 或) 之前的字符或第一次出现不在指定范围内的任何字符。

哦，至于为什么 Z 不包含在您的范围 0-z 中 - 该范围内的字符取决于您的语言环境。 a-z，例如可以是abc...z，也可以是aAbBcC...z（即不包括Z）。使用 POSIX 字符类而不是显式范围以实现可移植性，例如[[:lower:]]、[[:upper:]]、[[:alpha:]]等