RS以AWK语言

Question

我正在学习awk编程语言，并且在这里遇到了问题。

我有一个文件（awk.dat），具有以下内容：

Lorem ipsum dolor sit amet, consectetur adipiscing elit.
Maecenas pellentesque erat vel tortor consectetur condimentum.
Nunc enim orci, euismod id nisi eget, interdum cursus ex.
Curabitur a dapibus tellus.
Lorem ipsum dolor sit amet, consectetur adipiscing elit.
Aliquam interdum mauris volutpat nisl placerat, et facilisis.

我正在使用以下命令：

awk 'BEGIN{RS="*, *";ORS="<<<---\n"} {print $0}' awk.dat

返回错误：

awk: run time error: regular expression compile failed (missing operand)
*, *
    FILENAME="" FNR=0 NR=0

同时，如果我使用以下命令： awk 'BEGIN{RS=" *, *";ORS="<<<---\\n"} {print $0}' awk.dat ，它给了我所需的结果。

我需要了解这一部分： RS=" *, *" ，双引号之间的空间的意义*之前,由于它的投掷的错误。

预期产量：

Lorem ipsum dolor sit amet<<<---
consectetur adipiscing elit.
Maecenas pellentesque erat vel tortor consectetur condimentum.
Nunc enim orci<<<---
euismod id nisi eget<<<---
interdum cursus ex.
Curabitur a dapibus tellus.
Lorem ipsum dolor sit amet<<<---
consectetur adipiscing elit.
Aliquam interdum mauris volutpat nisl placerat<<<---
et facilisis.
<<<---

谢谢。

Answer 1

"[space1]*,[space2]*"

是一个正则表达式，它与以下字符串匹配：

零个或多个空格（space1），后跟一个逗号，然后是零个或多个空格（space2）

第一个"*,[space]*"是错误的，因为*在正则表达式中具有特殊含义。 这意味着将匹配的组/字符重复零次或多次。 您不能一开始就将其放置。

Answer 2

请注意，根据POSIX， RS被定义为单个字符而不是正则表达式。

RS字符串值的第一个字符应为输入记录分隔符； 默认情况下为<newline>。 如果RS包含多个字符，则结果不确定。 如果RS为空，则记录由由<newline>加上一个或多个空行组成的序列分隔，开头或结尾的空行在输入的开头或结尾不应导致空记录，而<newline>应不管FS的值是多少，始终是字段分隔符。

_{来源： Awk Posix标准}

这意味着RS=" *, *"导致未定义的行为 。

实现POSIX扩展的其他版本的awk，对于RS含义可能有不同的方法。 例如GNU awk和mawk。 两者都将RS实现为正则表达式，但是两种实现都略有不同。 <asterisk>用法的摘要如下：

| RS   | awk (posix)  | gawk             | mawk             |
|------+--------------+------------------+------------------|
| "*"  | "<asterisk>" | "<asterisk>"     | "<asterisk>"     |
| "*c" | undefined    | "<asterisk>c"    | undefined        |
| "c*" | undefined    | "","c","ccc",... | "","c","ccc",... |

c is any character

上面应该解释OP的错误，因为根据mawk RS="*, *"是无效的正则表达式。

$ echo "abc" | ./mawk '/*c/'
mawk: line 1: regular expression compile failed (missing operand)

GNU awk：GNU awk的手册规定如下：

使用gawk ， RS的值不限于一个字符的字符串。 它可以是任何正则表达式 （请参阅Regexp ）。 （ce）通常，每条记录在与正则表达式匹配的下一个字符串处结束； 下一条记录从匹配字符串的末尾开始。

_{来源： GNU awk手册}

为了了解<asterisk>在GNU awk中的正则表达式中的用法，我们发现：

<星号> *此符号表示前面的正则表达式应重复多次以找到匹配项。 例如， ph*将*符号应用于前面的h并查找一个p匹配项，后跟任意数量的h s。 如果不存在h则也仅匹配p 。

要了解*工作原理，有两点要* 。 首先， *仅适用于单个前面的正则表达式分量（例如，在ph* ，它仅适用于h ）。 要使*应用于较大的子表达式，请使用括号： (ph)*匹配ph ， phph ， phphph等。

其次， *查找尽可能多的重复。 如果要匹配的文本是phhhhhhhhhhhhhhooey ，则ph*匹配所有h s。

_{来源： GNU正则表达式运算符}

但必须指出的是：

在POSIX awk和gawk中， * ， +和? 当正则表达式中没有任何运算符时，运算符将代表自己。 例如， /+/匹配文字加号。 但是，awk的许多其他版本将这种用法视为语法错误。

_{来源： GNU正则表达式运算符}

因此，设置RS="*, *"意味着它将与字符串"*," ， "*, " ， "*, " ，...相匹配。

$ echo "a,b, c" | awk 'BEGIN{RS="*, *"}1'
a,b, c
$ echo "a*,b, c" | awk 'BEGIN{RS="*, *"}1'
a
b, c

mawk： GNU awk的手册规定如下：

12.多行记录
由于mawk将RS解释为正则表达式 ，因此多行记录很容易。

_{资料来源： man mawk}

但

11.分割字符串，记录和文件
Awk程序使用相同的算法通过split()将字符串拆分为数组，并记录到FS字段中。 mawk使用基本上相同的算法将文件拆分为RS记录。

Split(expr,A,sep)工作方式如下：

1. <snip>
2. 如果sep = " " （单个空格），则从expr的前后修剪<SPACE>，并且sep变为<SPACE>。 mawk将<SPACE>定义为正则表达式/[ \\t\\n]+/ 。 否则， sep会被视为正则表达式， 只是对于长度为1的字符串会忽略元字符 ，例如split(x, A, "*")和split(x, A, /\\*/)相同。
3. <snip>

_{资料来源： man mawk}

该手册未提及应如何解释以元字符开头的正则表达式（例如“ * c”）

---

注意：在GNU awk部分中，我介绍了POSIX awk，因为根据POSIX，形式为"*, "的正则表达式会导致未定义的行为。 （这与定义RS无关，因为RS在POSIX awk中始终不是ERE）

awk实用程序应使用扩展的正则表达式符号（请参阅XBD 扩展的正则表达式 ）

_{来源： Awk Posix标准}

和

*+?{除在方括号表达式中使用时，<asterisk>，<加号>，<question-mark>和<left-brace>应该是特殊的（请参阅RE方括号表达式）。 以下任何一种用途都会产生不确定的结果：

• 如果这些字符首先出现在ERE中 ，或者紧随未转义的<vertical-line>，<circumflex>，<dollar-sign>或<left-parenthesis>之后出现
• 如果<left-brace>不是有效间隔表达式的一部分（请参阅匹配多个字符的ERE）

_{来源： POSIX扩展正则表达式}

Answer 3

您能否再尝试一次。

awk '{gsub(", ","<<<---" ORS)} 1;END{print "<<<---"}'   Input_file