awk：如何從一行中提取 2 個模式，然后將它們連接起來？

Question

我想在每行中找到 2 個模式，然后在它們之間用破折號作為分隔符打印它們。 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}

鑒於以上幾行，我運行腳本后所需的輸出應如下所示：

BEAR_SPX_X15_NORDNET_D1 - DK0061205473
BULL_SPX_X10_NORDNET_D2 - DK0061205556
BULL_SPX_X12_NORDNET_D2 - DK0061205630

第一個字母數字值（例如 BULL_SPX_X12_NORDNET_D2）始終位於行的第三個位置。 第二個字母數字值（例如 DK0061205630）可以在不同的位置，但它總是以“II=”開頭，並且總是正好是 12 個字符的長度。

我嘗試使用以下腳本來實現我的任務：

 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

我的思考過程和意圖/假設：

第 13 行定義了一個正則表達式模式來匹配以“II=”開頭的字母數字字符串

在第 15 行變量“matchedString”被分配了一個值，該值是通過正則表達式從一行中提取的，前面的“II=”被刪除。

第 16 行使用 awk 表達式來檢測所有包含“II=”的行，然后打印在每個輸入文件的行中找到的第三個字符串，並打印在腳本的前一行中定義的匹配字符串模式的值。 所以我希望此時應該將一對提取的模式（例如 BEAR_SPX_X15_NORDNET_D1 - DK0061205473）傳輸到 temp.txt 文件。

第 17 行獲取輸入文件以供腳本使用。

但是，運行腳本后，我沒有得到所需的輸出。 這是我得到的樣本：

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}

我怎樣才能達到我之前描述的想要的輸出？

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

只是在嘗試 awk。

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

Answer 3

使用支持正則表達式的gawk (gnu awk) 作為字段分隔符 (FS) ，並考慮到文件中的每一行都具有完全相同的格式/相同數量的字段，這在我的測試中工作正常：

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

結果

BEAR_SPX_X15_NORDNET_D1 - DK0061205473
BULL_SPX_X10_NORDNET_D2 - DK0061205556
BULL_SPX_X12_NORDNET_D2 - DK0061205630

由於II=部分可以在任何地方，這個技巧也可以與解析文件兩次的懲罰一起使用：

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