Início / coding / Perguntas / 78430333
Accepted
merlin2011
Asked: 2024-05-05 04:41:57 +0800 CST

Qual é a maneira correta de usar um pipe regex em um separador de campo awk?

  • 772

Considere a sequência hello(world).

Eu queria usar uma awkinvocação para extrair arquivos world.

Esta foi minha primeira tentativa e a saída foi uma string vazia, sem erros.

echo 'hello(world)' | awk -F'(|)'  '{print $2}'

Minha segunda tentativa foi usar classes de caracteres, que produziram o comportamento esperado:

echo 'hello(world)' | awk -F'[()]' '{print $2}'

No entanto, dado que a documentação do awk afirma que o separador de campos pode ser uma expressão regular, eu esperava que a primeira tentativa funcionasse.

Aqui está minha versão awk:

$ awk --version
GNU Awk 5.0.1, API: 2.0 (GNU MPFR 4.0.2, GNU MP 6.2.0)
Copyright (C) 1989, 1991-2019 Free Software Foundation.

Por que a expressão (|)não alcança o resultado desejado?

awk

3 respostas

  1. Best Answer

    O regexp (|)significa o mesmo que |, the (e )apenas coloque-o em um grupo desnecessariamente. Os metachares de agrupamento (e )regexp são úteis para escrever regexps, como (a|b)cdizer, que cpodem ser precedidos por aou b, ou para casos em que você precisa de grupos de captura para referência posterior posteriormente, mas não aqui.

    Se você não deseja (ser )tratado como metachars regexp, então você precisa escapar da abertura (, e apenas da abertura (, porque o fechamento )é apenas um metachar regexp se seguir uma abertura sem escape (, assim como ]é apenas um metachar regexp se for segue uma abertura sem escape [. Se você optar por escapar também do )comportamento ]tecnicamente indefinido por POSIX, assim como escapar de qualquer outro caractere literal, embora eu nunca tenha encontrado pessoalmente uma variante awk que não o tratasse apenas como um caractere literal.

    Assim como quando você escreve um regexp dinâmico , quando você escreve uma string Field Separator, ela passa por 2 fases de análise, primeiro quando a string é convertida em um regexp/separador de campo onde você a define, e novamente quando é usada como tal durante execução do código. Dado que, se você quiser \escapar dos metachares em um FS, você precisa escapá-los duas vezes, ou seja \\, . Alternativamente, em vez de colocar 2 barras invertidas antes do metachar, você poderia colocá-lo dentro de uma expressão de colchetes [...]e isso também o tornaria literal. A IMO faz o último torna seu código mais claro do que duplicar escapes e [)]não tem o pequeno problema que \\)é um comportamento tecnicamente indefinido se você decidir "escapar" de ambos os caracteres.

    Então, para fazer (e )literal você pode escrever qualquer um destes em qualquer awk:

    1. awk -F'\\(|)' '{print $2}'
    2. awk -F'[(]|)' '{print $2}'
    3. awk -F'[()]' '{print $2}'

    com minha preferência FWIW sendo o número 3, mesmo que )seja literal dentro ou fora da expressão entre colchetes, pois é mais conciso que as 2 primeiras alternativas.

    • 3

  2. Depois de brincar com a apresentação \de vários personagens, finalmente percebi que o problema era com o personagem ()e não com o |personagem. Além disso, era ()necessário escapar duas vezes.

    A seguinte expressão alcança o resultado desejado:

    echo 'hello(world)' | awk -F'\\(|\\)'  '{print $2}'
world

    Curiosamente, omitir o escape no parêntese de fechamento também parece funcionar corretamente:

    echo 'hello(world)' | awk -F'\\(|)'  '{print $2}'
world
    • 0

  3. Por que a expressão (|)não alcança o resultado desejado?

    Dos operadores Regexp emawk

    O parêntese esquerdo ou de abertura é sempre um metacaractere; para corresponder a um literalmente, preceda-o com uma barra invertida. No entanto, o parêntese direito ou de fechamento só é especial quando combinado com um parêntese esquerdo; um parêntese direito não pareado é (silenciosamente) tratado como um caractere regular.

    levando isso em consideração, você pode obter o efeito desejado escrevendo

    echo 'hello(world)' | awk -F')|\\('  '{print $2}'
    • 0

relate perguntas