gawk - 有条件的（即，取决于正则表达式匹配）查找/替换为某些转换器功能

Posted 2023-03-24

【中文标题】gawk - 有条件的（即，取决于正则表达式匹配）查找/替换为某些转换器功能

【英文标题】：gawk – conditional (that is, depending on regex match) find/replace with some converter function

【发布时间】：2015-01-20 09:59:44

【问题描述】：

我的输入文件是

input.txt：

News A 1 B 2h 0m 1s C text1
100 A 2 B 120m 1s C text2
Show A 3 B 450s C text3
Tom A 4 B 0:30 C text4
Laura A 5 B 20 C text5
Something A 6 B 1h 100m 70s C text6
50 A 7 B 10s C text7

（您在第 6 行看到奇怪的时间格式，但这是故意的，仅用于演示，以简化逻辑而无需额外的 0-59 要求）。

我想对每一行应用以下正则表达式：

^(.*?)\sA\s(.*?)\sB\s(.*?)\sC\s(.*?)$  

注意\3 的语法。有效变体：

\d1,h \d1,m \d1,s \d1,m \d1,s \d1,s \d1, 等于 \d1,s

我需要将其转换为秒，但如果这部分未能通过此验证，请保持原样。无论如何，让我们将结果命名为$sec。

我需要定义以下正则表达式变量：

$price == '\d1, ', $names == 'Bob|Tom|Laura|Sandra', $tags == 'News|Show'（或者(?:regex)语法，这里不知道哪个更好）

然后，将该行替换为以下内容：

如果\1 ~ $price：

"ID: \1; time: $sec seconds; description: \1 – buy for $\1!

如果\1 ~ $names：

description: \4 from @\1; time: $sec seconds

如果\1 ~ $tags：

ID: \2; #\1; time: $sec seconds; description: \4

else（如果\1 不匹配任何预定义的正则表达式变量，或匹配多个变量）：

ID: \2; time: $sec seconds; \1; description: \4

所以输出文件应该是

output.txt：

ID: 1; #News; time: 7201 seconds; description: text1
ID: 2; time: 7201 seconds; description: text2 – buy for $100!
ID: 3; #Show; time: 450 seconds; description: text3
description: text4 from @Tom; time: 0:30
description: text5 from @Laura; time: 20 seconds
ID: 6; time: 9670 seconds; Something; description: text6
ID: 7; time: 10 seconds; description: text7 – buy for $50!

我使用了这个代码：

gawk -F '\\|' 'function _time(str) 
if (str ~ /([[:digit:]]+)h\s([[:digit:]]+)m\s([[:digit:]]+)s/ ) 
match(str, /([[:digit:]]+)h\s([[:digit:]]+)m\s([[:digit:]]+)s/, arr)
return arr[1]*3600+arr[2]*60+arr[3] 
else if (str ~ /([[:digit:]]+)m\s([[:digit:]]+)s/ ) 
match(str, /([[:digit:]]+)m\s([[:digit:]]+)s/, arr)
return arr[1]*60+arr[2] 
else if (str ~ /([[:digit:]]+)s/ || str ~ /([[:digit:]]+)/) 
match(str, /([[:digit:]]+).*?/, arr)
return arr[1] 
else 
return str  
match($0, /^(.*?)\sA\s(.*?)\sB\s(.*?)\sC\s(.*?)$/, _f) 
 if (_f[1] ~ /[[:digit:]]+/) 
printf "ID: %s; time: %s seconds; description: %s – buy for $%s\n", _f[2], _time(_f[3]), _f[4], _f[1] 
else if (_f[1] ~ /Bob|Tom|Laura|Sandra/) 
printf "description: %s from %s; time: %s seconds\n", _f[4], _f[1], _time(_f[3]) 
else if (_f[1] ~ /News|Show/) 
printf "ID: %s; #%s; time: %s seconds; description: %s\n", _f[2], _f[1], _time(_f[3]), _f[4] 
else 
printf "ID: %s; time: %s seconds; %s; description: %s\n", _f[2], _time(_f[3]), _f[1], _f[4]  ' input.txt > output.txt.

有四个问题。

为什么我看到输入行位于输出行之前？我希望用结果行替换输入行！ 为什么我在第 8 个输出行看到0 seconds？我希望看到0:30 seconds。为什么0:30 匹配/([[:digit:]]+)s/ || /([[:digit:]]+)/)？我预计 else return str 会在这里发挥作用（保持 0:30 不变）。 我使用if (_f[1] ~ /regex/) 语法，但我不知道如何将/regex/ 放入变量中。当我将它放入变量时，它不起作用。 我不知道 AWK 的工作原理。它是否测试每个条件？如果是，当_f[1]匹配多个条件（if (_f[1] ~ /X|A/) ... else if (_f[1] ~ /A|B/) ... ）时应该怎么做？我想把这个case放到else 。如果不是，我会选择立即打印第一场比赛的结果，以提高性能。

附加说明：我使用的是 Cygwin 命令行，没有使用单独的 .awk 文件作为代码。

【问题讨论】：

哪个版本的 gawk ？对于 0:30，它与您的最后一个正则表达式 /([[:digit:]]+)/) 匹配，因为 0 是一个数字，您使用 1 个或多个数字进行测试。通过指定正则表达式的开始和结束，您可能会获得更好的结果，例如：/^[[:digit:]]+$/ 创建捕获组的括号在比较中是无用的。剩下的我会做测试，起初它不适用于我的 gawk 版本 3.1.7

只见树木不见森林。我想您的主要问题是如何将人类可读的时间戳转换为秒，不是吗？

而不是/regex/，你可以做match($0, regex)

@Jdamian：实际上，没有。绝对没有。时间转换器只是一个简单的例子，主要问题是如何将任何函数的结果与if/else逻辑结合起来。

【参考方案1】：

尝试设置FS：

awk 'print "timestamp:", $3' FS=' (A|B|C) ' input.txt

【讨论】：

我解决了所有这些问题，除了一个，但我会提出一个明确的单独问题