awk：如何从一行中提取 2 个模式，然后将它们连接起来？

Question

我想在每行中找到 2 个模式，然后在它们之间用破折号作为分隔符打印它们。 以下是行的示例：

20200323: #5357 BEAR_SPX_X15_NORDNET_D1 {CU=DKK, ES=E, II=DK0061205473, IR=NRB, LN=BEAR SPX X15 NORDNET D1, MIC=FNDK, NS=1, PC=C, SE=193133, SG=250, SN=193133, TK="0.01 to 100,0.05 to 500,0.1", TS=BEAR_SPX_X15_NORDNET_D1, TY=W, UQ=1}
20200323: #5358 BULL_SPX_X10_NORDNET_D2 {CU=DKK, ES=E, II=DK0061205556, IR=NRB, LN=BULL SPX X10 NORDNET D2, MIC=FNDK, NS=1, PC=P, SE=193132, SG=250, SN=193132, TK="0.01 to 100,0.05 to 500,0.1", TS=BULL_SPX_X10_NORDNET_D2, TY=W, UQ=1}
20200323: #5359 BULL_SPX_X12_NORDNET_D2 {CU=DKK, ES=E, II=DK0061205630, IR=NRB, LN=BULL SPX X12 NORDNET D2, MIC=FNDK, NS=1, PC=P, SE=193131, SG=250, SN=193131, TK="0.01 to 100,0.05 to 500,0.1", TS=BULL_SPX_X12_NORDNET_D2, TY=W, UQ=1}

鉴于以上几行，我运行脚本后所需的输出应如下所示：

BEAR_SPX_X15_NORDNET_D1 - DK0061205473
BULL_SPX_X10_NORDNET_D2 - DK0061205556
BULL_SPX_X12_NORDNET_D2 - DK0061205630

第一个字母数字值（例如 BULL_SPX_X12_NORDNET_D2）始终位于行的第三个位置。 第二个字母数字值（例如 DK0061205630）可以在不同的位置，但它总是以“II=”开头，并且总是正好是 12 个字符的长度。

我尝试使用以下脚本来实现我的任务：

 13 regex='II=.\{12\}'
 14 while IFS="" read -r line; do
 15     matchedString=`grep -o $regex littletest.txt | tr -d 'II=,'`
 16     awk /II=/'{print $3, " - ", $matchedString}' littletest.txt > temp.txt
 17 done <littletest.txt

我的思考过程和意图/假设：

第 13 行定义了一个正则表达式模式来匹配以“II=”开头的字母数字字符串

在第 15 行变量“matchedString”被分配了一个值，该值是通过正则表达式从一行中提取的，前面的“II=”被删除。

第 16 行使用 awk 表达式来检测所有包含“II=”的行，然后打印在每个输入文件的行中找到的第三个字符串，并打印在脚本的前一行中定义的匹配字符串模式的值。 所以我希望此时应该将一对提取的模式（例如 BEAR_SPX_X15_NORDNET_D1 - DK0061205473）传输到 temp.txt 文件。

第 17 行获取输入文件以供脚本使用。

但是，运行脚本后，我没有得到所需的输出。 这是我得到的样本：

BEAR_SPX_X15_NORDNET_D1
20200323: #5357 BEAR_SPX_X15_NORDNET_D1 {CU=DKK, ES=E, II=DK0061205473, IR=NRB, LN=BEAR SPX X15 NORDNET D1, MIC=FNDK, NS=1, PC=C, SE=193133, SG=250, SN=193133, TK="0.01 to 100,0.05 to 500,0.1", TS=BEAR_SPX_X15_NORDNET_D1, TY=W, UQ=1}

我怎样才能达到我之前描述的想要的输出？

Answer 1

$ awk -v OFS=' - ' 'match($0,/II=/){print $3, substr($0,RSTART+3,12)}' file
BEAR_SPX_X15_NORDNET_D1 - DK0061205473
BULL_SPX_X10_NORDNET_D2 - DK0061205556
BULL_SPX_X12_NORDNET_D2 - DK0061205630

Answer 2

只是在尝试 awk。

awk  'BEGIN{ FS="[II=, ]+" ; OFS=" - " } {print $3, $8}' file.txt

Answer 3

使用支持正则表达式的gawk (gnu awk) 作为字段分隔符 (FS) ，并考虑到文件中的每一行都具有完全相同的格式/相同数量的字段，这在我的测试中工作正常：

awk '{print $3,$9}' FS="[ ]|II=" OFS=" - " file1
#or FS="[[:space:]]+|II=|[,]" if you might have more than one space between fields

结果

BEAR_SPX_X15_NORDNET_D1 - DK0061205473
BULL_SPX_X10_NORDNET_D2 - DK0061205556
BULL_SPX_X12_NORDNET_D2 - DK0061205630

由于II=部分可以在任何地方，这个技巧也可以与解析文件两次的惩罚一起使用：

paste -d "-" <(awk '{print $3}' file1) <(awk '/II/{print $2}' RS="[ ]" FS="=|," file1)