使用 awk 將第 2 列的子字符串與第 1 列匹配

Question

如何檢查第 1 列中記錄開頭的 2 個字符是否與第 2 列中字符串的第 5 和第 6 個字符匹配？ 我嘗試了一種使用 substr 的方法，但是由於我是 bash 腳本的新手，所以我不確定如何提取中間字符。

我的代碼

awk 'BEGIN{OFS=FS="|"} { $2!="" str=substr($2, length($2) -7,9) 
if ( $1 ~ /^str/) print}' file 

貓文件

CZ987876654534|HDFCCZPXXXX|Czech Republic|1243765
9785764654|HDFCCZPXXXX|United Kingdom|84320
LU987876986576|BSUILUPXXXX|Australia|8765
YZ654S|BSUIDEPXXXX|Germany|98744
QA76465346||Qatar|9877654
GB875765||Europe|98679867

預期輸出：

CZ987876654534|HDFCCZPXXXX|Czech Republic|1243765
LU987876986576|BSUILUPXXXX|Australia|8765

注意 - $2 列的長度始終為 11，因為它是 BIC。

Answer 1

假設/理解：

• 第一列永遠不會為空/null
• 第二列（又名BIC ）可以是 a）為空/null 或 b）正好包含 11 個字符

一個awk的想法：

$ awk -F'|' 'substr($1,1,2) == substr($2,5,2)' file
CZ987876654534|HDFCCZPXXXX|Czech Republic|1243765
LU987876986576|BSUILUPXXXX|Australia|8765

如果兩個substr()調用生成相同的模式，則測試評估為“真”，並將當前輸入行傳遞給標准輸出（即，打印當前輸入行）。

Answer 2

使用sed

$ sed -n '/\(..\)[^|]*|....\1/p' input_file
CZ987876654534|HDFCCZPXXXX|Czech Republic|1243765
LU987876986576|BSUILUPXXXX|Australia|8765

Answer 3

在 GNU awk中使用match函數。

awk 'match($0,/^(..)[^|]*\|.{4}(..)/,arr) && arr[1] == arr[2]' Input_file

說明：簡單的解釋是，使用awk的match函數，其中匹配正則表達式^(..)[^|]*\|.{4}(..) （下面將完全解釋並在數組 arr 中創建 2 個捕獲組; 創建 2 個 arr 元素）。 如果 arr 的第一個元素等於 arr 的第二個元素，則檢查條件（帶有&&條件）然后打印該行（實際上沒有提到打印，因為awk處理條件/正則表達式和操作的方法以及滿足條件時並且沒有提及任何操作，然后將發生打印當前操作）。

正則表達式的解釋：

^(..)       ##From starting of line matching any 2 characters and keeping then in 1st capturing group.
[^|]*\|.{4} ##Matching everything before 1st occurrence of | followed by | and 4 any characters.
(..)        ##Creating 2nd capturing group which captures any 2 characters in it.