我想使用 awk 正则表达式对文件中的匹配项进行计数和求和。
该文件file包含：
Gra pes
gra ndma
straw berry
blue Berry
banana
peanut
school
我需要为模式匹配创建一个正则表达式，但我不确定如何实现和/或在正则表达式中，尽管它们具有相同的优先级。
我努力了：
awk 'tolower($1) ~ /(gra|straw) (pes|berry)|banana|peanut/ {sum+=1} END {print sum+0}' file
所以它应该是其中之一(gra pes, gra berry, straw pes, straw berry) OR banana, peanut并返回 4，因为有 4 个匹配项。
我假设我的语法出了问题或者香蕉|花生，但我不知道如何解决它。
关于出了什么问题有什么想法吗？谢谢
答案1
你的正则表达式没问题。你的问题是你正在匹配tolower($1)它第一个字段（以空格分隔，默认值为FS）转换为小写。
例如，在第一行 ( Gra pes) 上，它将与正则表达式匹配gra并失败。
对于整个记录，您需要$0：
awk 'tolower($0) ~ /regexp/ ...'
另请注意，默认情况下，正则表达式并未锚定，因此，它将匹配peanutbutter例如peanut在其中找到的实例。如果您希望输入记录通过正则表达式作为一个整体进行匹配，您需要：
awk 'tolower($0) ~ /^(foo|bar)$/'
哪个匹配主题的开头( ^) 后跟任一foo或bar后跟主题结束( $)。请注意，括号在这里很重要。^foo|bar$可能是^foo(foo在开始处 ) 或bar$(bar在结束处 )，所以会匹配fooX或Ybar例如。
答案2
作为替代方案awk，您可以使用grep：
grep -Eixc '(gra|straw) (pes|berry)|banana|peanut' file
-E使用扩展正则表达式-i不区分大小写的匹配-x仅匹配整行-c计算匹配行数