在 gawk 中通过空格、引号或括号定义字段

Question

我有一个格式如下的文本文件：

RANDOM-WORD1 ==> "string with whitespaces" (string with whitespaces)
RANDOM-WORD2 ==> "another string" (and another)
RANDOM-WORD3 ==> "yet another string" (and another)

我想通过以下方式定义 gawk 个分隔符：

空格
引用
括号

例如，第 1 行：

: RANDOM-WORD1
: ==>
: "string with whitespaces"
: (string with whitespaces)

我读过 gawk 的 FPAT manual 我写了这个：

FPAT = "([^[:blank:]]*)|(\"[^\"]+\")|(\([^)]+\))"

但是，它对括号不起作用，因为我得到：

: RANDOM-WORD1
: ==>
: "string with whitespaces"
: (string

我试过转义第三个子句中的括号，但它也不起作用。我想忽略一对 ( ... ) 中的任何不是 ) 的字符。我知道不会有任何嵌套括号的事实。

注意：我怎样才能同时忽略 quotes/parentheses 作为字段数据？例如：

: RANDOM-WORD1
: ==>
: string with whitespaces
: string with whitespaces

Answer 1

这个 FPAT = "([^ ]+)|([(][^)]+[)])|(\"[^\"]+\")" 适合我。它使用 [ ] 内部 ( 和 ) 不需要引号的技巧。

关于你关于去除引号或括号的第二个问题，我没有比添加这样的操作更好的主意了：

{ for( i=1; i<= NF; i++ ) {
    b = substr( $i, 1, 1 );
    e = substr( $i, length( $i ), 1 );
    if( ( b == "\"" || b == "(" ) && (b == e) ) {
      $i = substr( $i,2 , length( $i ) - 2 )
    }
  }
}

Answer 2

至于括号，需要转义两次:

FPAT = "([^[:blank:]]*)|(\"[^\"]+\")|(\([^\)]+\))"

要删除括号和引号，请使用 substr:

 = substr(, 2, length() - 2);
 = substr(, 2, length() - 2);

Answer 3

我不会为此使用 FPAT，因为您的字段有顺序，而不仅仅是模式。我会使用第三个参数来匹配（），因为它更简单、更健壮：

match([=10=],/(\S+)\s(\S+)\s"([^"]+)"\s\(([^)]+).*/,a)

例如：

$ awk 'match([=11=],/(\S+)\s(\S+)\s"([^"]+)"\s\(([^)]+).*/,a) { print; for (i=1; i in a; i++) printf "a[%d]: %s\n", i, a[i] }' file
RANDOM-WORD1 ==> "string with whitespaces" (string with whitespaces)
a[1]: RANDOM-WORD1
a[2]: ==>
a[3]: string with whitespaces
a[4]: string with whitespaces
RANDOM-WORD2 ==> "another string" (and another)
a[1]: RANDOM-WORD2
a[2]: ==>
a[3]: another string
a[4]: and another
RANDOM-WORD3 ==> "yet another string" (and another)
a[1]: RANDOM-WORD3
a[2]: ==>
a[3]: yet another string
a[4]: and another

在 gawk 中通过空格、引号或括号定义字段

Define fields by whitespace, quotes or parentheses in gawk

regex

awk

gawk