Question

如何使用单awk行首先知道哪个分隔符已经发生。

假设我有一个包含内容的文件：

AB BC DE
BC DE AB
DE BC AB

我想知道在每一行中首先发生了三个DE，AB，BC中的哪一个。

我认为我可以使用分隔符BC然后使用第一个字段然后BC，然后取AB的第一个字段。

这可以通过以下方式完成：

$ awk -F'AB' '{print $1}' <file>   \
  | awk -F'BC' '{print $1}' <file> \
  | awk -F'DE' '{print $1}' <file>

但是，有没有其他方法可以动态更改awk行中的分隔符，并且只使用awk一次完成上述操作？

编辑：纠正了之前的错误。

Answer 1

如果这不是您想要的：

awk 'match($0,/AB|BC|DE/){print substr($0,RSTART,RLENGTH)}' file

然后编辑您的问题以阐明您的要求，并提供简明，可测试的样本输入和预期输出。

Answer 2

首先，如果您的文件仅包含AB，BC或DE与newline的组合，那么答案很简单：

awk '{print $1}' file

这符合你的榜样。尽管如此，我不相信这种情况。按理说，Ed Morton的解决方案显然是前进的方式！它干净，简单，最重要的是单线。

然而，从纯粹的教育角度来看，这里提出了一种不同的awk方法。

如果要在一行中找到“第一个”分隔符，可以从另一个角度解决问题。您可以将其理解为一组记录，而不是将该行解释为一组列。这带来的问题是“首先找到了哪个记录分隔符：

RT（gawk extention） 与RS表示的文本匹配的输入文本，记录分隔器。每次读取记录时都会设置它。

对于单行字符，您可以执行以下操作：

$ echo "AB BC DE BC DE AB DE BC AB" \
   | awk 'BEGIN{RS="DE|AB|BC"}{print RT;exit }' 
AB

现在可以更多地使用这个想法了。不断在换行符和请求的集之间切换RS。这只是为了表明awk的灵活性。

$ awk 'BEGIN{RSSET="DE|AB|BC";RS=RSSET}
       (RS=="\n"){RS=RSSET;next}
       {print RT; RS="\n"; next}' file

如果文件是

AB BC DE BC DE AB DE BC AB
BC DE AB DE BC AB
DE AB DE BC AB

输出

AB
BC
DE

Answer 3

标记为sed的解决方案。 sed的贪婪本性让这更令人困惑，但我认为以下是有效的。

#!/usr/bin/sed -rnf

# This presumes you only want to print matching rows.
/(AB|CD|EF)/ {
    # add a line number
    =;
    # find first match, then remove rest of line
    s/(AB|CD|EF).*$/\1/;
    # this only leaves one possible match, so the greedy match all 
    # at the start doesnt match what we want.
    s/^.*(AB|CD|EF)/\1/; 
    # so print.
    p 
}

举个例子，我已经更改了'代码'来检查它是第一个匹配的代码：

~$> printf "%b\n" "$letters"
ABa BBa ABb BBb ABc BBc
BBc ABc BBb ABb BBa ABa
ABb ABc BBa BBc
not right

~$> echo "$letters" | sed -rn '/(AB.|BB.)/ {=; s/(AB.|BB.).*$/\1/; s/^.*(AB.|BB.)/ \1/; p }'
1
 ABa
2
 BBc
3
 ABb

我怎么知道在bash中首先使用awk发生了哪个分隔符？

3 个答案: