用于匹配 awk 中整行 $0 的正则表达式

Question

awk我需要一些关于正则表达式的帮助或建议。我有一个结构不规则的数据输入文件。为了正确解析该文件，我需要识别以下形式的行：

@ 8/1/17, 10:04 PM  

具有此模式的线条标志着完整交易的结束。它只是一个日期和时间戳，前面有一个空格和字符@。

我拼凑了一个似乎与“大多数”用法匹配的正则表达式：

\W\@\W[0-9]{1,2}\/[0-9]{1,2}\/[0-9]{1,2}\,\W[0-9]{1,2}\:[0-9]{2}\W[AP]M  

然而，当用在下面的语句中时，它似乎不匹配awk：

$ awk 'match($0, /\W\@\W[0-9]{1,2}\/[0-9]{1,2}\/[0-9]{1,2}\,\W[0-9]{1,2}\:[0-9]{2}\W[AP]M/) {print $0}' testfile2.txt

我的系统（莫哈韦Macos) 有一个旧版本awk awk version 20070501。

我还发现：

• grep -e无法将此模式与 中的任何行匹配testfile2.txt，但egrep和grep -E确实匹配我期望它们匹配的行。

• awk 'match($0, /\@/) {print $0}' testfile2.txt确实匹配（并打印）预期的行，但我不能依赖单个字符！

这是 testfile2.txt：

[phone]：将数据转发到主存储库
@ 1/7/18，下午 4:21
[phone]：使用此 URL：https://www.repo-prime.ga/
@ 1/7/18，下午 4:22
[phone]：可以。密码可以吗？
@ 1/7/18，下午 6:12
[phone]：不，对所有交易使用 2FA
@ 1/7/18，晚上 8:56
[phone]：使用 Google 的身份验证器？

如果是这样，将需要更多信息。
@ 1/7/18, 9:36 PM
[phone]：尽快回复，我有需要上传的交易。
@ 2018 年 1 月 7 日，晚上 9:46

我的正则表达式在使用中无法匹配是awk由于我在语句中看不到的错误awk，还是由于正则表达式本身、两者的组合等？

Answer 1

似乎非常旧的 awk 版本没有{…}能力。

这个旧的正则表达式语法应该在任何 awk 中匹配：

awk '/@ [0-9][0-9]?\/[0-9][0-9]?\/[0-9][0-9]?, [1-2]?[0-9]:[0-6][0-9] [AP]M/' file

如果您的 awk 可以匹配像 之类的括号表达式[[:blank:]]，则可以使正则表达式更加灵活：

awk '/@[[:blank:]][0-9][0-9]?\/[0-9][0-9]?\/[0-9][0-9]?,[[:blank:]][1-2]?[0-9]:[0-6][0-9][[:blank:]][AP]M/' file

如果匹配一个（或多个）数字就足够了（我不明白为什么不可以），您可以使用更短的正则表达式：

awk '/@ [0-9]+\/[0-9]+\/[0-9]+, [1-2]?[0-9]:[0-6][0-9] [AP]M/' file

如果需要，您可以添加开始^和结束$以使正则表达式更具限制性。

我没有使用match这样简单的行匹配，但相同的正则表达式可以与该函数完美配合。

Answer 2

• 为什么之前严格匹配/\W（非单词字符）@？就像你的文本文件@位于行的开头一样
• 不需要将字符转义为\@, \,, :（它们不是特殊字符）
• match()如果只需要匹配模式，调用是多余的

---

$ awk '/^@ [0-9]{1,2}\/[0-9]{1,2}\/[0-9]{1,2}, [0-9]{1,2}:[0-9]{2} [AP]M/' file
@ 1/7/18, 4:21 PM
@ 1/7/18, 4:22 PM
@ 1/7/18, 6:12 PM
@ 1/7/18, 8:56 PM
@ 1/7/18, 9:36 PM
@ 1/7/18, 9:46 PM