Gawk regexp选择序列

Question

很抱歉在regexp上出现了第n个简单的问题，但是如果没有一个在我看来太复杂的解决方案，我就不能得到我需要的东西。我正在解析一个只包含3个字母A、E、D的文件，如下所示

AADDEEDDA

EEEEEEEE

AEEEDEEA

AEEEDDAAA

我只想识别那些以E开头，以D结尾的序列，序列中只有一个变化，例如

EDDDDDDDD

EEEDDDDDD

EEEEEEEED

我正在使用适当的regexp来实现这一点。这是我的最后一次尝试

echo "1,AAEDDEED,1\n2,EEEEDDDD,2\n3,EDEDEDED" | gawk -F, '{if($2 ~ /^E[(ED){1,1}]*D$/ && $2 !~ /^E[(ED){2,}]*D$/) print $0}'

这不起作用。有什么帮助吗？

提前谢谢。

Answer 1

如果我没理解错的话，你的要求很简单

awk '/^E+D+$/' file.input

就能达到目的。

UPDATE：如果行格式包含pre/post数字( post可选)，如后面的示例所示，这可能是一种纯粹的正则表达式调整(替代使用字段开关-F,)：

awk '/^[0-9]+,E+D+(,[0-9]+)?$/' input.test

Answer 2

首先，您需要正则表达式：

^E+[^ED]*D+$

这将匹配开头的一个或多个E，中间既不是E也不是D的零个或多个字符，以及结尾的一个或多个D。

然后你的AWK程序看起来就像

$2 ~ /^E+[^ED]*D+$/

$2是指当前记录的第二个字段，~是正则表达式匹配操作符，/是正则表达式的分隔符。这些组件共同构成了AWK术语中所说的“模式”，相当于输入记录的布尔过滤器。请注意，这里没有指定“操作”({中的一系列语句)。这是因为当没有指定操作时，AWK假设操作应该是{ print $0 }，它会打印整行。

Answer 3

如果我理解正确的话，您希望匹配的模式以至少一个E开头，然后以至少一个D开头，直到最后。

echo "1,AAEDDEED,1\n2,EEEEDDDD,2\n3,EDEDEDED" | gawk -F, '{if($2 ~ /^E+D+$) print $0}'