☰

使用 awk 中的正则表达式打印第一个字段只有四个字符的行？

tag-icon • tag-icon bash shell-script awk regular-expression
使用 awk 中的正则表达式打印第一个字段只有四个字符的行？ 
John Goldenrod:(916) 348-4278:250:100:175

Chet Main:(510) 548-5258:50:95:135

Tom Savage:(408) 926-3456:250:168:200

Elizabeth Stachelin:(916) 440-1763:175:75:300

输出应包含仅包含四个字符的名称的行（john，chet）：

awk '$1 ~ /[a-zA-Z0-9][a-zA-Z0-9][a-zA-Z0-9][a-zA-Z0-9]" "/ {print}' file

这似乎对我不起作用。我可以在不使用任何 awk 函数的情况下做到这一点吗？

答案1

awk 中的字段默认由“ ”分隔，这意味着$1不包含空格，因此正确的正则表达式$1是：

awk '$1 ~ /^[a-zA-Z0-9]{4}$/ {print}' file

如果你想保留原来的方法，你也可以使用$0，即：

awk '$0 ~ /^[a-zA-Z0-9]{4}\s/ {print}' file

为了简化事情，您还可以使用\w而不是显式定义单词字符，即：

awk '$0 ~ /^\w{4}\s/ {print}' file

如果您只想匹配空格而不是其他内容，TAB则只需替换\s为“ ”（不带引号）。

您原来的方法的另一个问题是缺少锚点。由于您没有指定，您的模式^也$不能出现在任何地方，即模式将Elizabeth Stachelin与 with匹配beth。

答案2

在 AWK 中，您可以使用正则表达式作为图案就像您在 AWK 脚本中经常看到的BEGIN那样。END简化的代码可以是这样的

awk '/^[[:alnum:]]{4}\>/'

这就是满足您的需求所需的一切。您不需要行动,{print}是模式匹配时的默认操作，它打印整个记录，即整行。

[:alnum:]是基本上的同义词[a-zA-Z0-9]，具体取决于区域设置。您还可以使用\w— 只是它还包含下划线_，它是以下划线的简写[[:alnum:]_]：

awk '/^\w{4}\>/'

\>匹配单词的结尾。通过使用它，John:(###)...如果您有不包含全名的记录，您可以正确匹配字符串。

虽然你问的是 AWK，但我建议使用sed，在这种情况下它的运行速度几乎是 AWK 的两倍：

sed -n '/^[[:alnum:]]\{4\}\b/p'

\b是\>或\<在 AWK 中。我在 500K 行上进行了测试，匹配了 100K 行，AWK 花费了大约 1.7 秒，sed 仅花费了 0.9 秒。但测试用例是极端的，这只是一个挑剔的建议。

我还建议您阅读man 7 regex以及man awk和info awk。

答案3

第一个字段是$1，其长度是length($1)，所以：

awk 'length($1) == 4 {print}'

或者更简洁地说

awk 'length($1) == 4'

您写的内容不起作用有两个原因。首先，您" "的正则表达式中有一个额外的内容，因此您要求字段包含双引号、空格、双引号。如果解决这个问题，您会得到/[a-zA-Z0-9][a-zA-Z0-9][a-zA-Z0-9][a-zA-Z0-9]/，它匹配至少包含四个 ASCII 字母或数字的字段，但可能包含更多，因此它会匹配Elizabethas John，但不会匹配Tom。您可以编写/^[a-zA-Z0-9][a-zA-Z0-9][a-zA-Z0-9][a-zA-Z0-9]$/将正则表达式锚定在开始和结束处，但是如果您想要的是长度领域的，就这样写。

相关内容