AWK: acessar o grupo capturado a partir do padrão de linha

Se eu tiver um comando awk

pattern { ... }

e pattern usa um grupo de captura, como posso acessar a string capturada no bloco?

Esse foi um passeio pela estrada da memória ...

Substituí awk por perl há muito tempo.

Aparentemente, o mecanismo de expressão regular do AWK não captura seus grupos.

você pode considerar usar algo como:

perl -n -e'/test(\d+)/ && print $1'

o sinalizador -n faz com que o perl faça um loop sobre todas as linhas, como o awk.

Com o gawk, você pode usar a matchfunção para capturar grupos entre parênteses.

gawk 'match($0, pattern, ary) {print ary[1]}' 

exemplo:

echo "abcdef" | gawk 'match($0, /b(.*)e/, a) {print a[1]}' 

saídas cd.

Observe o uso específico do gawk que implementa o recurso em questão.

Para uma alternativa portátil, você pode obter resultados semelhantes com match()e substr.

exemplo:

echo "abcdef" | awk 'match($0, /b[^e]*/) {print substr($0, RSTART+1, RLENGTH-1)}'

saídas cd.

Isso é algo que eu preciso o tempo todo, então criei uma função bash para isso. É baseado na resposta de Glenn Jackman.

Definição

Adicione isso ao seu .bash_profile etc.

function regex { gawk 'match($0,/'$1'/, ary) {print ary['${2:-'0'}']}'; }

Uso

Capturar regex para cada linha no arquivo

$ cat filename | regex '.*'

Capturar o primeiro grupo de captura de regex para cada linha no arquivo

$ cat filename | regex '(.*)' 1

Você pode usar o GNU awk:

$ cat hta
RewriteCond %{HTTP_HOST} !^www\.mysite\.net$
RewriteRule (.*) http://www.mysite.net/$1 [R=301,L]

$ gawk 'match($0, /.*(http.*?)\$/, m) { print m[1]; }' < hta
http://www.mysite.net/

Você também pode simular a captura no vanilla awk, sem extensões. Não é intuitivo:

Etapa 1. Use o gensub para localizar correspondências com algum caractere que não apareça na sua string. passo 2. Use divisão contra o personagem. Etapa 3. Todos os outros elementos da matriz dividida são o seu grupo de captura.

$ echo 'ab cb ad' | awk '{split (gensub (/ a ./, SUBSEP "e" SUBSEP ", g", US $ 0), cap, SUBSEP); tampa de impressão [2] "|" tampa [4]; } '
ab | ad

Eu lutei um pouco com a criação de uma função bash que envolva a resposta de Peter Tillemans, mas aqui está o que eu vim com:

função regex {perl -n -e "/ $ 1 / && printf \"% s \ n \ "," '$ 1'}

Achei que isso funcionou melhor do que a função bash do opsb para o seguinte argumento de expressão regular, porque não quero que o "ms" seja impresso.

'([0-9]*)ms$'