主页 / unix / 问题 / 483870
Accepted
Zombo
Asked: 2018-11-25 06:41:05 +0800 CST

意外的拆分行为

  • 772

我在这里阅读了有关 Awk 拆分行为的信息：

[...] split函数的fs参数（参见字符串函数）应被解释为扩展的正则表达式。这些可以是ERE标记或任意表达式，并且应以与or运算符 右侧相同的方式进行解释。~!~

和：

如果右侧操作数是词法标记 ERE以外的任何表达式，则表达式的字符串值应解释为扩展的正则表达式，包括上述转义约定。

http://pubs.opengroup.org/onlinepubs/9699919799/utilities/awk.html#tag_20_06_13_04

但是我注意到一个意想不到的结果，使用这段代码：

BEGIN {
  print split("te.st", q, ".")
}

我希望 the.代表任何字符，并且结果为6. 但是我所有的测试都返回了2。运行这段代码给出了预期的6：

BEGIN {
  print split("te.st", q, /./)
}

经测试：

  • 呆呆
  • gawk --posix
  • 1.3.4 版本
  • 1.3.3 版本
  • nawk（原始 awk）

我误解了文档还是这是一个错误？

awk posix

1 个回答

  1. Best Answer

    这不是错误；只是在尝试将现有做法编纂时，标准不够明确。

    mawk(1) 手册更明确：

    split(expr, A, sep)工作原理如下：

    ...

    (2) If sep = " "(单个空格)，<SPACE>则从 的前后裁剪expr，sep成为<SPACE>。mawk 定义 <SPACE>为正则表达式/[ \t\n]+/。否则sep被视为正则表达式，除了对于长度为 1 的字符串忽略元字符，例如， split(x, A, "*")并且split(x, A, /*/)是相同的。

    此外，来自当前来源的 GNU awk 手册：

    split(s, a [, r [, seps] ])

    ...

    如上所述，拆分的行为与字段拆分相同。特别是，如果r是单字符字符串，则该字符串充当分隔符，即使它恰好是正则表达式元字符。

    这是 susv4标准的描述：

    扩展的正则表达式可用于分隔字段，方法是将包含表达式的字符串直接分配给内置变量FS或作为使用该-F sepstring选项的结果。FS变量的默认值应为单个 <space>。下面描述了FS行为：

    1. 如果FS是空字符串，则行为未指定。

    2. 如果FS是单个字符：

      一个。如果FS是 <space>，则跳过前导和尾随 <blank> 和 <newline> 字符；字段应由一组或多组 <blank> 或 <newline> 字符分隔。

      湾。否则，如果FS是任何其他字符 c，则字段应由每次出现的 c 分隔。

    3. 否则，FS的字符串值应被认为是一个扩展的正则表达式。匹配扩展正则表达式的序列的每次出现都应分隔字段。

    您的示例匹配 2.b。

    即使明确提到FS，在所有 awk 实现中使用任何参数代替它作为第三个参数的行为都是相同的split，包括在该参数是空格的情况下。

    行为不太可能改变，因为FS变量只是一个字符串（awk没有正则表达式对象，例如javascriptor perl；您不能将正则表达式分配给变量，如a=/./or $a=qr/./）；它是split函数（隐式或显式调用）确实如上所述解释其参数。

    此行为的起源可能与“旧”awk 兼容，其中FS（或 的第三个参数split）始终被视为单个字符。示例（在 unix v7 上）：

    $ awk 'BEGIN{FS="."; print split("foo.bar.baz", a, "bar"); print a[2] }'
3
ar.
$ awk 'BEGIN{FS="."; print split("foo.bar.baz", a, /bar/); print a[2] }'
awk: syntax error near line 1
awk: illegal statement near line 1
Bus error - core dumped
    • 3

相关问题