RS以AWK語言

Question

我正在學習awk編程語言，並且在這里遇到了問題。

我有一個文件（awk.dat），具有以下內容：

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

返回錯誤：

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

同時，如果我使用以下命令： awk 'BEGIN{RS=" *, *";ORS="<<<---\\n"} {print $0}' awk.dat ，它給了我所需的結果。

我需要了解這一部分： RS=" *, *" ，雙引號之間的空間的意義*之前,由於它的投擲的錯誤。

預期產量：

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.
<<<---

謝謝。

Answer 1

"[space1]*,[space2]*"

是一個正則表達式，它與以下字符串匹配：

零個或多個空格（space1），后跟一個逗號，然后是零個或多個空格（space2）

第一個"*,[space]*"是錯誤的，因為*在正則表達式中具有特殊含義。 這意味着將匹配的組/字符重復零次或多次。 您不能一開始就將其放置。

Answer 2

請注意，根據POSIX， RS被定義為單個字符而不是正則表達式。

RS字符串值的第一個字符應為輸入記錄分隔符； 默認情況下為<newline>。 如果RS包含多個字符，則結果不確定。 如果RS為空，則記錄由由<newline>加上一個或多個空行組成的序列分隔，開頭或結尾的空行在輸入的開頭或結尾不應導致空記錄，而<newline>應不管FS的值是多少，始終是字段分隔符。

_{來源： Awk Posix標准}

這意味着RS=" *, *"導致未定義的行為 。

實現POSIX擴展的其他版本的awk，對於RS含義可能有不同的方法。 例如GNU awk和mawk。 兩者都將RS實現為正則表達式，但是兩種實現都略有不同。 <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

上面應該解釋OP的錯誤，因為根據mawk RS="*, *"是無效的正則表達式。

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

GNU awk：GNU awk的手冊規定如下：

使用gawk ， RS的值不限於一個字符的字符串。 它可以是任何正則表達式 （請參閱Regexp ）。 （ce）通常，每條記錄在與正則表達式匹配的下一個字符串處結束； 下一條記錄從匹配字符串的末尾開始。

_{來源： GNU awk手冊}

為了了解<asterisk>在GNU awk中的正則表達式中的用法，我們發現：

<星號> *此符號表示前面的正則表達式應重復多次以找到匹配項。 例如， ph*將*符號應用於前面的h並查找一個p匹配項，后跟任意數量的h s。 如果不存在h則也僅匹配p 。

要了解*工作原理，有兩點要* 。 首先， *僅適用於單個前面的正則表達式分量（例如，在ph* ，它僅適用於h ）。 要使*應用於較大的子表達式，請使用括號： (ph)*匹配ph ， phph ， phphph等。

其次， *查找盡可能多的重復。 如果要匹配的文本是phhhhhhhhhhhhhhooey ，則ph*匹配所有h s。

_{來源： GNU正則表達式運算符}

但必須指出的是：

在POSIX awk和gawk中， * ， +和? 當正則表達式中沒有任何運算符時，運算符將代表自己。 例如， /+/匹配文字加號。 但是，awk的許多其他版本將這種用法視為語法錯誤。

_{來源： GNU正則表達式運算符}

因此，設置RS="*, *"意味着它將與字符串"*," ， "*, " ， "*, " ，...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的手冊規定如下：

12.多行記錄
由於mawk將RS解釋為正則表達式 ，因此多行記錄很容易。

_{資料來源： man mawk}

但

11.分割字符串，記錄和文件
Awk程序使用相同的算法通過split()將字符串拆分為數組，並記錄到FS字段中。 mawk使用基本上相同的算法將文件拆分為RS記錄。

Split(expr,A,sep)工作方式如下：

1. <snip>
2. 如果sep = " " （單個空格），則從expr的前后修剪<SPACE>，並且sep變為<SPACE>。 mawk將<SPACE>定義為正則表達式/[ \\t\\n]+/ 。 否則， sep會被視為正則表達式， 只是對於長度為1的字符串會忽略元字符 ，例如split(x, A, "*")和split(x, A, /\\*/)相同。
3. <snip>

_{資料來源： man mawk}

該手冊未提及應如何解釋以元字符開頭的正則表達式（例如“ * c”）

---

注意：在GNU awk部分中，我介紹了POSIX awk，因為根據POSIX，形式為"*, "的正則表達式會導致未定義的行為。 （這與定義RS無關，因為RS在POSIX awk中始終不是ERE）

awk實用程序應使用擴展的正則表達式符號（請參閱XBD 擴展的正則表達式 ）

_{來源： Awk Posix標准}

和

*+?{除在方括號表達式中使用時，<asterisk>，<加號>，<question-mark>和<left-brace>應該是特殊的（請參閱RE方括號表達式）。 以下任何一種用途都會產生不確定的結果：

• 如果這些字符首先出現在ERE中 ，或者緊隨未轉義的<vertical-line>，<circumflex>，<dollar-sign>或<left-parenthesis>之后出現
• 如果<left-brace>不是有效間隔表達式的一部分（請參閱匹配多個字符的ERE）

_{來源： POSIX擴展正則表達式}

Answer 3

您能否再嘗試一次。

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