主页 / computer / 问题 / 1869093
Accepted
Zsar
Asked: 2025-01-04 00:33:28 +0800 CST

GNU Awk 如何匹配表达式与捕获组？

  • 772

我正在一个相当老的 Debian 10 系统上测试这个

GNU Awk 4.2.1, API: 2.0 (GNU MPFR 4.0.2, GNU MP 6.1.2)

在

GNU bash, version 5.0.3(1)-release (x86_64-pc-linux-gnu)

awk和命令都gawk调用相同的 GNU Awk 版本。

使用这些答案[1] [2] [3]我尝试编写一个脚本来检测 msgcat 发出的 gettext 合并冲突。

明文测试输入，下文称为merged_file.po：

"#-#-#-#-#  de.po (Application Library)  #-#-#-#-#\n"
"#-#-#-#-#  de.po (Middleware Library)  #-#-#-#-#\n"
"#-#-#-#-#  de.po  #-#-#-#-#\n"

我选择 awk 而不是 grep 和 sed 来跳过标题NR > <line number>。由于这没有问题，为了简洁起见，我在这里省略了它。

行语法：

  1. "#-#-#-#-#
  2. 源文件名
  3. ()如果在源文件中设置，则Project-Id-Version
  4. #-#-#-#-#\n"

使用RegExr构建的正则表达式，并在regex101支持的所有形式中得到验证：（#-#-#-#-#\s+\S+\s+(?:\(([^()]+)\)\s+)?#-#-#-#-#
请注意，这假定文件名不包含空格 - 目前我不介意。）

预期效果有两方面：

  1. 查找输出 .po 文件中出现的所有情况以发出错误消息
  2. 在捕获组 1 中捕获库名称，使错误消息更易于阅读（特别是对于不太熟悉 gettext 的人）

这些是我尝试过的调用：

  • 工作基线awk '/#-#-#-#-#\s+\S+\s+(?:\(([^()]+)\)\s+)?/ { print NR, $0 }' merged_file.po查找所有出现的情况并打印整行。
  • awk '/#-#-#-#-#\s+\S+\s+(?:\(([^()]+)\)\s+)?#/ { print NR, $0 }' merged_file.po删除所有与 Project-Id-Version 相关的条目
  • awk 'match($0, /#-#-#-#-#\s+\S+\s+(?:\(([^()]+)\)\s+)?/, library_name) { print NR, "from library \047"library_name[1]"\047" }' merged_file.po打印空字符串，而不是<Project-Id-Version>
    • library_name[0]包含直到非捕获组的行，因此显然match根本不会发出捕获组 - 如果有的话，library_name[0]则会包含整行。
  • awk '/#-#-#-#-#\s+\S+\s+(?:\(([^()]+)\)\s+)?/ { library_name = gensub(/#-#-#-#-#\s+\S+\s+(?:\(([^()]+)\)\s+)?/, "\\1", "g"); print NR, "from library \047"library_name"\047" }' merged_file.po打印"(<Project-Id-Version>) #-#-#-#-#\n"而不是<Project-Id-Version>
    • \\0确实包含了整行。
    • \\2包含与虽然相同的字符串\\1。（预期：空）

相关工具（例如 grep 或 sed）对 RegEx 的支持通常令人惊讶地不尽如人意，因此，与其询问为什么我的特定调用不起作用，我宁愿更笼统地问：

GNU Awks 的正则表达式匹配与“常态”有何不同？

（绝对）有效的 X/Y 答案：

  • 我使用的版本太旧了。（如果是，我至少需要哪一个？）
  • 我瞎了，我的 RegEx 也坏了。（如果是这样：怎么办？）
  • 应该怪罪 Bash，我需要一些神秘的逃脱方法。（如果是的话：哪些方法以及为什么？）
  • Baeldung 有一次是错的，毕竟，还有一个更简单的解决方案，而不是使用 Awk。（如果有：哪一个？）
    • 为了避免将来再次遇到同样的问题，我只希望除了 之外还能收到这封邮件，而不是代替问题本身的答案。我真的想更好地了解我对 Awk 有什么期望，以及什么不是。
regex

1 个回答

  1. Best Answer

    看起来[ 1 ][ 2 ]，任何以未转义的括号（例如捕获组）开头并以问号（例如非捕获组）结尾的表达式在 Posix 扩展正则表达式中都是未定义的行为，尤其是 gawk 认为适合……放纵。

    仅使用普通捕获组，表达式#-#-#-#-#\s+\S+\s+(\(([^()]+)\)\s+)?#-#-#-#-#即可按预期匹配，并match($0, <expression>, library_name)正确捕获内部组library_name[2]。

    ...即使使用定义明确的表达式，的行为gensub也没有发生有意义的变化，但只要其中一个命令有效，我想这就“足够好了”。
    （建议，如何使其工作，欢迎进一步改进答案。）

    我被要求包括结果调用和输出，因此它在这里（考虑转义字符后）：

    CONFLICT_MARKER='#-#-#-#-#\s+\S+\s+(\(([^()]+)\)\s+)?#-#-#-#-#'
METADATA_LINE_NUMBER=$(sed -n '/^$/{=;q}' "$PO")
CONFLICTS=$(awk "NR > $METADATA_LINE_NUMBER && /$CONFLICT_MARKER/ && match(\$0, /$CONFLICT_MARKER/, library_name) { print NR, \"from library \047\"library_name[2]\"\047\" }" "$PO")
if [ "$CONFLICTS" ]; then
    printf "Merge conflicts found in '%s':\n%s\n" "$PO" "$CONFLICTS"
    EXIT_STATUS=3
fi

    （其中$PO是从 msgcat 输出的完全限定文件名 / 传递到 msgfmt 的）

    输出（符合 OP 的命名约定）

    Merge conflicts found in '<full path>/merged_file.po':
3785 from library 'Middleware Library'
3790 from library 'Application Library'

    与视觉上繁忙但无用的基础输出相比，它在日志文件中看起来不错，信息丰富且无威胁性

    Merge conflicts found in '<full path>/merged_file.po':
3785 #-#-#-#-#  pt.po (Middleware Library)  #-#-#-#-#
3790 #-#-#-#-#  pt.po (Application Library)  #-#-#-#-#
    • 0

相关问题