Awk 在多行上设置字符串常量的格式，以提高可读性

出于学习目的，我正在为电话号码实现一个小的regexp匹配器。我的目标是可读性，而不是最短的gawk程序：

# should match
#1234567890
#123-456-7890
#123.456.7890
#(123)456-7890
#(123) 456-7890 

BEGIN{
    regexp="[0-9]{10},[0-9]{3}[-.][0-9]{3}[.-][0-9]{4},\\([0-9]{3}\\) ?[0-9]{3}-[0-9]{4}"
    len=split(regexp,regs,/,/)
}
{for (i=1;i<=len;i++)
    if ($0 ~ regs[i]) print $0
}

---

在awk中有没有一种简单的方法可以做到这一点？

您可以将regexp存储在变量中，然后将它们连接起来，例如：

awk '{
       COUNTRYCODE="WHATEVER_YOUR_CONTRY_CODE_REGEXP"
       CITY="CITY_REGEXP"
       PHONENR="PHONENR_REGEX"
       THE_WHOLE_THING=COUNTRYCODE CITY PHONENR
       if ($0 ~ THE_WHOLE_THING) { print "BINGO" }
     }'

HTH

开始{
regs[1]=“[0-9]{10}”
regs[2]=“[0-9]{3}[-.][0-9]{3}[.-][0-9]{4}”
regs[3]=“\\（[0-9]{3}\\）？[0-9]{3}-[0-9]{4}”
c=3
}
{
对于（i=1；i大家的共识似乎是，没有简单的方法可以在不干扰awk的情况下分割多行字符串？感谢其他的想法，但是让我作为程序员做我不喜欢的工作。因此我提出了这个解决方案，在我看来，它非常接近于一种可执行规范。我使用了d此处记录并处理重新更正以动态创建awk文件：

#!/bin/bash

# numbers that should be matched
read -r -d '' VALID <<'valid'
1234567890
123-456-7890
123.456.7890
(123)456-7890
(123) 456-7890 
valid
# regexp patterns that should match
read -r -d '' PATTERNS <<'patterns'
[0-9]{10}
[0-9]{3}\.[0-9]{3}\.[0-9]{4}
[0-9]{3}-[0-9]{3}-[0-9]{4}
\([0-9]{3}\) ?[0-9]{3}-[0-9]{4}
patterns

gawk --re-interval 'NR==FNR{reg[FNR]=$0;next}
  {for (i in reg) 
    if ($0 ~ reg[i]) print $0}' <(echo "$PATTERNS") <(echo "$VALID")

！/bin/bash
#应该匹配的数字
read-r-d“”有效以下链接可能包含您正在寻找的答案：


它表示，在awk脚本文件或某些Shell的命令行中，awk命令可以与makefile命令相同的方式拆分为几行。只需以反斜杠（
\
）结束该行，awk将在解析时丢弃换行符。将其与字符串的隐式连接（类似于C）结合使用解决办法可能是

BEGIN {
    regexp = "[0-9]{10}," \
             "[0-9]{3}[-.][0-9]{3}[.-][0-9]{4}," \
             "\\([0-9]{3}\\)?[0-9]{3}-[0-9]{4}"
    len = split(regexp, regs, /,/)
}

尽管如此，我还是倾向于将正则表达式直接存储在数组中的解决方案：它更好地反映了语句的意图，并且不会强迫程序员做超出要求的任何工作。此外，不需要
length
函数，因为可以使用foreach语法。应该注意，awk中的数组类似于Java中的映射或Python中的字典，因为它们不将一系列整数索引与值关联。相反，它们将字符串键映射到值。即使使用整数作为键，它们也会隐式转换为字符串。因此，
length
函数并不总是提供的，因为它具有误导性

BEGIN {
    regs[1] = "[0-9]{10}"
    regs[2] = "[0-9]{3}[-.][0-9]{3}[.-][0-9]{4}"
    regs[3] = "\\([0-9]{3}\\)?[0-9]{3}-[0-9]{4}"
}

{
    for (i in regs) {        # i recieves each key added to the regs array
        if ($0 ~ regs[i]) {
            print            # by default `print' prints the whole record
            break            # we can stop finding a regexp
        }
    }
}

请注意，
break
命令过早退出
for
循环。如果每条记录只能打印一次，即使几个正则表达式可以匹配，这是必要的。
我想介绍我最喜欢的这个问题，因为它还没有被提到。我喜欢使用awk的简单字符串附加操作at只是两个术语之间的默认运算符，如典型数学符号中的乘法：

x = x"more stuff"

将
“更多内容”
附加到
x
并再次将新值设置为
x
。这样您就可以编写

regexp = ""
regexp = regexp"[0-9]{10}"
regexp = regexp"[0-9]{3}[-.][0-9]{3}[.-][0-9]{4}"
regexp = regexp"\\([0-9]{3}\\) ?[0-9]{3}-[0-9]{4}"

要控制代码段之间的其他拆分字符，如我所知的大多数语言和awk之间的换行符，可以使用数组连接和拆分方法从数组生成字符串，并将字符串转换回数组，而不丢失数组的原始结构（例如换行符标记）：

使用
regstr=join（regexp，“，”）
添加您使用的拆分。
当然，awk中没有连接函数，但我想它非常简单
要实现，请了解上面的字符串追加操作

我的方法看起来更详细，但有一个优点，即原始数据（本部分中的regexp字符串片段）在每个片段前面都有一个字符串常量。这意味着代码可以通过一个非常简单的算法（甚至一些编辑器快捷方式）生成。
我认为从regs[]数组并将每个模式放入其自己的单元格将更加自我记录，即，
regs[1]=“[0-9]{10}”
…我不确定像
（$0~/regex/）和（$0~regs[i]）
这样的东西会有什么区别。另外，随着regex越来越大，您打算如何管理对它的更改，（很难看到更改的位置，可能在最右边，更重要的是，如果需要逗号字符'，'，则必须更改分隔符！；-）！祝您好运。您的正则表达式不正确。123.456-789或123-456.789将匹配。但它们不在您的列表中。您可能需要分组。嗨，肯特，谢谢您的关注。我可以使用带有“$0~regs[i]”表单的分组吗？还是我需要使用gensub？+1…尽管我会更改
i Hi@JaypalSingh，很好！值得注意的是长度（数组）是一个扩展（即，它不是在所有现代awk实现中都可用）。
BEGIN {
    regs[1] = "[0-9]{10}"
    regs[2] = "[0-9]{3}[-.][0-9]{3}[.-][0-9]{4}"
    regs[3] = "\\([0-9]{3}\\)?[0-9]{3}-[0-9]{4}"
}

{
    for (i in regs) {        # i recieves each key added to the regs array
        if ($0 ~ regs[i]) {
            print            # by default `print' prints the whole record
            break            # we can stop finding a regexp
        }
    }
}

x = x"more stuff"

regexp = ""
regexp = regexp"[0-9]{10}"
regexp = regexp"[0-9]{3}[-.][0-9]{3}[.-][0-9]{4}"
regexp = regexp"\\([0-9]{3}\\) ?[0-9]{3}-[0-9]{4}"

i = 0
regexp[i++] = "[0-9]{10}"
regexp[i++] = "[0-9]{3}[-.][0-9]{3}[.-][0-9]{4}"
regexp[i++] = "\\([0-9]{3}\\) ?[0-9]{3}-[0-9]{4}"