动机
其实对我而言,平时在工作和学习的过程中,不在awk中使用正则表达式就已经能解决大多数问题了,但例外总是存在,今天就记录一下在awk中使用正则表达式的过程。
awk的命令格式
首先需要明确awk的命令格式,这样才能知道正则表达式应该放在哪里。
三种格式分别是:
$ awk 'pattern' filename
$ awk '{action}' filename
$ awk 'pattern {action}' filename
正则表达式放在哪?
根据上面的命令格式可知,正则表达式应该放在‘patten’这个位置。
awk如何处理正则表达式
对awk而言,正则表达式是置于两个正斜杠之间、由字符组成的模式。如果输入行中的某个字符串与正则表达式相匹配,则最终条件为真,于是执行与该表达式关联的所有操作。如果没有指定操作,则打印与正则表达式匹配的记录。
匹配整行
如果没有指定操作,则单个正则表达式将对整行进行模式匹配,并打印出所匹配的行。例如,可以使用元字符^来表示需要进行行首匹配的正则表达式:
$ ls -l | awk '/^d/'
找出当前目录下的所有目录文件。
匹配操作符
匹配操作符(~) 用于对记录或字段的表达式进行匹配。
示例1,找出当前目录下文件所有者为root的文件:
$ ls -l | awk '$3 ~/root/ {print $9}'
示例2,简化git status的输出,只看代码文件的变更情况:
# Linux下
$ git status | awk '$NF ~/.*\..*[^/]$/ {print $0}'
# Mac下,需要对'/'进行转义:'\/'
$ git status | awk '$NF ~/.*\..*[^\/]$/ {print $0}'
示例3,现在有两个文件a.txt和b.txt,其中a.txt是由每行一列的索引组成的,b.txt由多行多列组成,其中某一列是索引列,现在要查找a.txt中的索引是否在b.txt中出现,若出现则输出b.txt中对应的那一行。
$ cat ./a.txt
aa
bb
cc
dd
ee
ff
$ cat ./b.txt
aa 1 2 3 4
bb 2 3 4 6
dd 2 3 5 7
ef 1 3 4 5
fg 1 3 4 5
$ cat ./a.txt | awk '{print($1)}' | xargs -I{} grep {} ./b.txt
aa 1 2 3 4
bb 2 3 4 6
dd 2 3 5 7
示例4,将当前目录下所有文件中的字符串 helle 替换成 hello:
$ grep -rn helle
a.txt:1:helle, word
a.txt:2:helle, world
b.txt:2:dfaf, helle
b.txt:3:helle, hello
c.txt:4:helle, world
$ grep -rn helle |awk -F: '{print $1}' |xargs sed -i 's/helle/hello/g'
$ grep -rn helle
$ grep -rn hello
a.txt:1:hello, word
a.txt:2:hello, world
b.txt:2:dfaf, hello
b.txt:3:hello, hello
c.txt:4:hello, world
awk所支持的正则表达式元字符
注意问题
正则表达式与通配符是完全不一样的东西!通配符代表的是bash操作接口的一个功能,但正则表达式是一种字符串处理的表达方式!这两者要分清才行。
参考文献
1.《UNIX Shell范例精解》,Ellie Quigley, 清华大学出版社 ,2007.
2.《鸟哥的linux私房菜(第三版)》。