使用AWK的外部正则表达式库

Question

我的问题的灵感来自http://tex.stackexchange.com上有人提出的有趣问题 ，以及我尝试提供AWK解决方案的灵感。 注意AWK在这里是NAWK，因为我们知道gawk != awk 。 我在这里重现了这个答案。

原始问题：

我有一个很大的文档，带有很多数学符号。 我用过|foo| 始终指示foo的绝对值。 我想替换每个|foo|实例 使用\\abs{foo} ，以便我可以通过定义的abs宏来控制表示法。

我的答案：

这篇文章的灵感来自于cmhughes提出的解决方案。 他的帖子是我读过的有关TeX编辑的最有趣的帖子之一。 我只花了2个小时尝试制作nawk解决方案。 在此过程中，我了解到AWK不仅不支持非贪婪的正则表达式，因为它是sed的表亲，而且更糟糕的是AWK正则表达式无法捕获其组。 一个简单的AWK脚本

#!/usr/bin/awk -f

NR>0{
gsub(/\|([^|]*)\|/,"\\abs{\1}")
print
}

应用于文件

$|abs|$ so on and so fourth
$$|a|+|b|\geq|a+b|$$
who is affraid of wolf $|abs|$

不幸地会产生

$\abs{}$ so on and so fourth
$$\abs{}+\abs{}\geq\abs{}$$
who is affraid of wolf $\abs{}$

上述解决方案的一个明显解决方法是使用gawk代替

awk '{print gensub(/\|([^|]*)\|/, "\\abs{\\1}", "g", $0)}'

但是我想知道是否有一种方法可以使用AWK的外部正则表达式库，例如tre 。 更一般地说，如何将AWK与C代码进行接口（指向文档的指针就可以了）。

Answer 1

对于nawk ，答案是：并非不修改源代码。

两个问题是：

• 正则表达式是语言（ ~和// ）以及定义的语言函数（ match()等）的一部分。
• nawk使用自己的正则表达式代码（在文件bc ），因此与使用一个正则表达式库的程序不同，将另一个库与regcomp() regexec()替代实现一起使用将无济于事。

gawk解决这个问题的一种方法是使用第三个参数扩展match() 。 （您也注意到了gensub() ，但我尝试尽可能避免它。）

gawk还支持可加载扩展 ，这是与PCRE库连接以提供新的“内置”功能（尽管不能替换~或任何内部功能）的一种方式。 该API是新的“ 4.1”扩展方式，以前的版本实现方式大不相同。

最后，一个nawk的方式来实现所需要的替换是：

match($0,/\|[^|]*\|/) {
    do {
        sub(/\|[^|]*\|/,"\\abs{" substr($0,RSTART+1,RLENGTH-2) "}",$0)
    } while (match($0,/\|[^|]*\|/))
}
{ print }

Answer 2

这是我使用拆分功能的基于nawk的解决方案：

awk '{
   split($0, arr, "|");
   for (i=1; i<=length(arr); i++) {
      if (i%2)
         printf("%s", arr[i]);
      else
         printf("\\abs{%s}", arr[i]);
   }
   printf("%s", ORS)
}' file

输出：

$\abs{abs}$ so on and so fourth
$$\abs{a}+\abs{b}\geq\abs{a+b}$$
who is affraid of wolf $\abs{abs}$

现场演示： http ： //ideone.com/lMf2hL