awk-空记录分离器："RS=“vs”RS=‘AC.26’“和”RS=(X)“

Question

我知道，使用RS=，我们可以将记录分隔器设置为空/空字符串；但是，GNU awk也允许将RS定义为regex，所以我决定使用RS='|'，并且我希望gawk能将它理解为RS=，这意味着“空字符串(或|)空字符串”，但这将它视为文字|字符，而当我做RS='X|Y'时，正确地识别它是一个regex (X或Y)。

请有人解释一下，在RS='|'中发生了什么事情，而awk没有把它作为空字符串得到？

我也尝试过RS='(|)'，但这完全是另一回事，我认为它将整个输入看作一个单一记录。

Answer 1

根据定义，RS='|' 是一个文字|。任何单个字符RS都被视为跨所有awk的可移植性的文字，否则在gawk与POSIX awk之间将有一个RS='|'行为不同的脚本。因此，单个char RS是文字的，而多char字符串作为RS是regexp，如果awk版本支持它，否则它实际上只是字符串的第一个字符(所以RS='.'总是一个文本.，而RS='.x'是任何字符，在某些awk中是x，在另一些方面是文字. )。

顺便说一句，在任何其他regexp上下文中，每个POSIX中的单个|都是未定义的行为，但是许多工具将其视为一个字面|，而*和?这样的regexp重复字符也是如此。

至于RS='(|)' --意思是"null或null“，这与"null”相同，您也可以将其写为()。似乎所有字符都匹配，我不知道为什么不匹配。不同的工具似乎对regexp有不同的认识：

$ printf 'foo\n' | sed -E 's/()/x/g'
xfxoxox
$ printf 'foo\n' | grep -Eo '()'
$
$ printf 'foo\n' | awk '{gsub(/()/,"x")} 1'
xfxoxox
$ printf 'foo\n' | awk -v RS='()' -v ORS='x\n' '1'
foox

我联系了GNU开发人员(请参阅https://lists.gnu.org/archive/html/bug-gawk/2021-01/msg00003.html)，其中有两件事：

1. 不能使用多字符regexp将空字符串与记录分隔器或字段分隔器相匹配。如果您这样做，它将被处理是如果RS或FS不存在，您将结束为整个输入的单个记录(对于RS)或单个字段为整个记录(对于FS)。这将在今后发布的gawk手册中明确说明。
2. gawk 5.1.0中有一个bug (可能更早的时候，我也不知道)，当忽略上面的语句时，会导致终止字符被消耗。现在已经为此编写了一个修复程序，并将在将来的gawk版本中使用。