Regex [[用AWK编码]]

第一个：

这是我第一次写一个只有AWK的代码

我的背景是BASH思维

我的目标是找出AWK思维，开始写下我自己的AWK代码

因此，我想知道如何编写一个AWK代码：

用

替换
\n_u_u
_（每个
\u
都是空白）

查找图案并仅打印具有该图案的所有行

将每个分号替换为

\nC1\[

，并在换行前一行的末尾，用

]

将其关闭

用下一行补充信息更新前一行

将每行最后一个字的模式与包含国家名称列表的外部文件进行比较

到目前为止，我所做的是（这只涵盖到第三行）：

---

首先，正常的awk代码假定逐行处理。实际上，如果没有其他命令行选项，awk将删除所有

“\n”

。因此，尝试将

“\n”

替换为

”；“

没有多大意义，因为您的代码永远不会看到“\n”

要将多行合并为一行，可以使用

printf

而不是

print

：

/^[AC]\w/ {
            printf "\n%s",$0
            next
        }
/^\s/ {
            printf " %s",$0
            next
        }

上面的代码表示，当它遇到以

a

或

C

开头的行，后跟一个单词字符（例如

U

或

1

或

i

）时，然后打印一个新行，后跟该行。当遇到以空格字符（空格或制表符）开头的行时，打印该行而不换行

当然，这也有一些小问题。例如，它在输出的开头打印一个换行符，而在结尾不打印任何换行符。而且它也不会为以空格开头的行去除前导空格。但我们现在就到此为止

这回答了您的第一步问题

但那不是你想要的。您需要的是规范化

C1

值。因此，首先让我们编写一段代码，该代码将忽略除

C1

值以外的所有内容：

/^C1/ {print}

好了，现在我们需要处理属于

C1

的所有选项卡行，因此我们需要稍微修改一下代码：

BEGIN {c1_found=0}

/^C1/ {
        c1_found=1
        print
        next
    }

/^\s/ {
        if (c1_found == 1) {
            print "C1 " $0
        }
        next
    }

    {
        c1_found = 0
    }

所以。我们创建一个变量

c1\u found

来标记我们在

c1

块中。我们在BEGIN块中将其初始化为0，并在遇到C1块时将其设置为1。现在，每当我们看到一行以空格开头时，我们检查是否在

C1

块中，并通过在前面添加

“C1”

来打印该行

现在我们要处理规范化。这是困难的一点。让我们为此编写一个函数，因为它将在两个地方被调用：

function normalize (c1_line) {
    split(c1_line,a,"[[]]")
    c1 = a[1]
    names = a[2]
    location = a[3]

    split(names,b,";")

    for (nam in b) {
        print c1 b[nam] location
    }
}

此函数首先通过

[

或

]

将其输入拆分为三个组成部分。然后它将第二部分拆分为

。最后，它对名称进行迭代，并为每个名称打印一行

现在，让我们将其包含到我们的代码中：

function normalize (c1_line) {
    split(c1_line,a,"[[]]")
    c1 = a[1]
    names = a[2]
    location = a[3]

    split(names,b,";")

    for (nam in b) {
        print c1 b[nam] location
    }
}

BEGIN {c1_found=0}

/^C1/ {
        c1_found=1
        normalize($0)
        next
    }

/^\s/ {
        if (c1_found == 1) {
            normalize("C1 " $0)
        }
        next
    }

    {
        c1_found = 0
    }

上面的代码生成file1。现在，要生成文件2，最简单的方法是编写另一个脚本，只打印国家名称，然后通过管道将它们传送到
sort
和
uniq
（或者
sort-u
，如果您的sort可以做到这一点）。然而，如果你坚持用awk来做，你可以（事实上它很简单，可读性也很强）。首先，我们使用关联数组跟踪出现的所有国家：

function normalize (c1_line) {
    split(c1_line,a,"[[]]")
    c1 = a[1]
    names = a[2]
    location = a[3]

    split(names,b,";")

    for (nam in b) {
        print c1 b[nam] location
    }
    countries[$NF] = 1
}

然后我们只需将countries数组打印到一个文件中：

END {
    for (c in countries) {
        print c >> file2.txt
    }
}

我会让你来组装完整的程序。但正如您所看到的，awk编程与C或perl或assembly的bash或pascal相比有很大的不同。这更像是在regexp中编程——因为awk有一个内置循环，当找到匹配项时，它会不断扫描输入并执行代码

例如，以下程序：

BEGIN {print "starting"}
/^mango/ {print "ha"}
/^monkey/ {print $0}
END {print "done"}

与以下内容完全相同：

/^monkey/ {print $0}
END {print "done"}
BEGIN {print "starting"}
/^mango/ {print "ha"}

当匹配项是彼此的子字符串时，会有细微的差别。例如，当您想分别从
/^HELLO/
触发
/^HEL/
时。但一般来说，执行不是自上而下的线性读取

另外，请注意，awk只有全局变量。因此，请使用好的变量名，以避免在其他地方覆盖其他变量。
首先，正常的awk代码假定逐行处理。实际上，如果没有其他命令行选项，awk将删除所有
“\n”
。因此，尝试将
“\n”
替换为
”；“
没有多大意义，因为您的代码永远不会看到“\n”

要将多行合并为一行，可以使用
printf
而不是
print
：

/^[AC]\w/ {
            printf "\n%s",$0
            next
        }
/^\s/ {
            printf " %s",$0
            next
        }

上面的代码表示，当它遇到以
a
或
C
开头的行，后跟一个单词字符（例如
U
或
1
或
i
）时，然后打印一个新行，后跟该行。当遇到以空格字符（空格或制表符）开头的行时，打印该行而不换行

当然，这也有一些小问题。例如，它在输出的开头打印一个换行符，而在结尾不打印任何换行符。而且它也不会为以空格开头的行去除前导空格。但我们现在就到此为止

这回答了您的第一步问题

但那不是你想要的。您需要的是规范化
C1
值。因此，首先让我们编写一段代码，该代码将忽略除
C1
值以外的所有内容：

/^C1/ {print}

好了，现在我们需要处理属于
C1
的所有选项卡行，因此我们需要稍微修改一下代码：

BEGIN {c1_found=0}

/^C1/ {
        c1_found=1
        print
        next
    }

/^\s/ {
        if (c1_found == 1) {
            print "C1 " $0
        }
        next
    }

    {
        c1_found = 0
    }

所以。我们创建一个变量
c1\u found
来标记我们在
c1
块中。我们在BEGIN块中将其初始化为0，并在遇到C1块时将其设置为1。现在，每当我们看到以空格开头的行时，我们检查是否在
C1
块中，并打印它