AWK正则表达式中的字段使用值

Question

我正在尝试从字段$ 5的同一条记录中找到由单词CONCLUSION和字段$ 2和$ 3组成的字符串模式。

例如， my_file.txt用“ |”分隔：

1|substance1|substance2|red|CONCLUSIONS: the effect of SUBSTANCE1 and SUBSTANCE2 in humans...|
2|substance3|substance4|red|Conclusions: Substance4 is not harmful...|
3|substance5|substance6|red|Substance5 interacts with substance6...|

因此，在此示例中，我只希望打印第一条记录，因为它的单词为“ CONCLUSIONS”，其后是substance1然后是substance2 。

这是我正在尝试的方法，但是不起作用：

awk 'BEGIN{FS="|";IGNORECASE=1}{if ($5 ~ /CONCLUSIONS.*$2.*$3/) {print $0}}' my_file.txt

任何帮助深表感谢

Answer 1

$ awk 'BEGIN{FS="|";IGNORECASE=1} $5 ~ "conclusions.*" $2 ".*" $3' my_file.txt
1|substance1|substance2|red|CONCLUSIONS: the effect of SUBSTANCE1 and SUBSTANCE2 in humans...|

怎么运行的

• BEGIN{FS="|";IGNORECASE=1}

  这部分与问题代码保持不变。

• $5 ~ "conclusions.*" $2 ".*" $3

  这是一个条件：如果$5匹配由四个串联在一起的正则表达式组成的正则表达式： "conclusions.*"和$2以及".*"和$3 。

  我们没有为此情况指定任何操作。 因此，如果条件为true， awk执行默认操作，即打印行。

更简单的例子

考虑：

$ echo "aa aa" | awk '$2 ~ /$1/'

该行不输出任何内容，因为awk不能替代正则表达式中的变量。

请注意，在这里也找不到匹配项：

$ echo '$1' | awk '$0 ~ /$1/'

这里没有匹配项，因为在正则表达式中， $仅在行尾匹配。 因此， /$1/仅匹配行尾，然后是1 。 如果要在此处匹配，则需要转义美元符号：

$ echo '$1' | awk '$0 ~ /\$1/'
$1

为了获得使用awk变量的正则表达式，我们可以做以下事情作为该答案的基础：

$ echo "aa aa" | awk '$2 ~ $1'
aa aa

这确实成功产生了一个匹配项。

进一步的改进

正如埃德·莫顿（Ed Morton）在评论中所建议的那样，可能重要的是要坚持只在整个单词上匹配这些物质。 在这种情况下，我们可以使用\\\\<...\\\\>将实物匹配限制为整个单词。 从而：

awk 'BEGIN{FS="|";IGNORECASE=1} $5 ~ "conclusions.*\\<" $2 "\\>.*\\<" $3 "\\>"' my_file.txt

这样， substance1将与substance10不匹配。