Question

我有以下文本文件，我想从中提取＆＃34; NAME =＆＃34;以及第一个＆＃34;，＆＃34;或＆＃34;）＆＃34;字符。

  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

角色范围和懒惰的选择然而在gensub不会像nedit那样工作。在下面的awk-script文件中，您可以找到我尝试的不同行

#! /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＆＃34;）＆＃34;的名称。我的懒惰限定符本应该阻止这个。使用相同选择/替换的Nedit只给出了名称。看看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。也无法让这个在Nedit中发挥作用。（似乎没有支持，那没关系）

Line3应该取零以降低ascii表的z。这对我来说是最奇怪的失败。因为我加载了更多的行，只有在名称中有Z时才会失败。即使在像我的角色范围中的终止角色这样的低级别上也没有。

第4行我添加了空格和Z（实际上不需要空格）以查看角色范围是否由于某种未知原因而错过了它。似乎有一个，因为它现在再次起作用。忘记第5行：）

在第一行的情况下，是否有人可以解释这种捕获的工作原理？我不明白为什么它会推动第一个括号。其次，为什么我的角色范围不包括＆＃34; Z＆＃34;？

干杯，Robbert

PS这个问题似乎是两个折叠。所以我改变了这篇文章的标题，关于什么是答案。

Answer 1

您可能使用了否定的字符类，而不是尝试使用延迟量词。话说：

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

会为您的输入产生以下内容：

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

从行的开头到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（是没有意义），然后是a，或）后跟任何重复0次或更多次的字符。因此，()中的部分将与NAME=之后的字符匹配到该行的最后,或)之前的字符。

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

从行的开头到NAME =后跟0到z范围内的任何字符（无论你的语言环境是什么意思 - 它可能是也可能不是Glenn Jackman给出的列表在他的评论中，但它会是类似的东西）或空白的字母重复0次或更多次，然后重复0次或更多次（是没有意义），然后是a，或）后跟任何重复0次或更多次的字符。因此，()中的部分将匹配NAME=之后的字符与最后,或)之前的字符或第一次出现的字符不匹配在线上指定范围。

哦，至于为什么Z未包含在您的范围0-z中 - 该范围内的字符取决于您的语言区域。 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来实现可移植性，例如： [[:lower:]]，[[:upper:]]，[[:alpha:]]等

AWK中的正则表达式不接受懒惰选择

2 个答案: