AWK:如何在gensub()函数的regex字段中有backreference \1？

Question

我有以下模式：

$ echo -e "1>1>659,659>659>660\n1>1>683,683>683>684\n1>1>712,712>712>713\n1>1>1080648,1>1>1080660\n1>1>1081100,1>1>1081114"
1>1>659,659>659>660
1>1>683,683>683>684
1>1>712,712>712>713
1>1>1080648,1>1>1080660
1>1>1081100,1>1>1081114

我想替换在逗号和大于号(>)之间顺序出现相同数字的模式。因此，为了认同grep，我会这样做：

$ echo -e "1>1>659,659>659>660\n1>1>683,683>683>684\n1>1>712,712>712>713\n1>1>1080648,1>1>1080660\n1>1>1081100,1>1>1081114" |
grep -Eo "([0-9]+),\1>\1"

659,659>659
683,683>683
712,712>712

这是对同一组的两个反向引用。

我知道在awk中使用gensub()可以在替换字段中有反向引用。但是我怎么能把它放在regexp字段中呢？如下所示：

result = gensub(/([0-9]+),\\1>\\1/,"my replaced string", "g", string)

我怎样才能做到这一点呢？

Answer 1

Awk不支持正则表达式中的反向引用，因为这样做需要比awk使用的正则表达式引擎慢得多的正则表达式引擎(参见https://swtch.com/~rsc/regexp/regexp1.html)，而且这是不必要的，也很少需要。这可能就是您想要做的，使用GNU awk for the This来匹配()：

$ awk 'match($0,/([0-9]+),/,a){ sub(a[1]","a[1]">"a[1],"my replaced string") } 1' file
1>1>my replaced string>660
1>1>my replaced string>684
1>1>my replaced string>713
1>1>1080648,1>1>1080660
1>1>1081100,1>1>1081114

或者使用任何awk：

$ awk 'match($0,/([0-9]+),/){ a=substr($0,RSTART,RLENGTH-1); sub(a","a">"a,"my replaced string") } 1' file
1>1>my replaced string>660
1>1>my replaced string>684
1>1>my replaced string>713
1>1>1080648,1>1>1080660
1>1>1081100,1>1>1081114

Answer 2

这里有一个sed解决方案可以做到这一点。

sed 's|\([0-9]\+\),\1>\1|Replaced string|g'

echo -e "1>1>659,659>659>660\n1>1>683,683>683>684\n1>1>712,712>712>713\n1>1>1080648,1>1>1080660\n1>1>1081100,1>1>1081114" | sed 's|\([0-9]\+\),\1>\1|Replaced string|g'
1>1>Replaced string>660
1>1>Replaced string>684
1>1>Replaced string>713
1>1>1080648,1>1>1080660
1>1>1081100,1>1>1081114

我希望你能用sed代替awk

但是如果awk是强制的，那么这里有一个笨拙的awk脚本。

awk -F "[>,]" '{sub($3","$3">"$3,"Replaced string")}1'

echo -e "1>1>659,659>659>660\n1>1>683,683>683>684\n1>1>712,712>712>713\n1>1>1080648,1>1>1080660\n1>1>1081100,1>1>1081114" | awk -F "[>,]" '{sub($3","$3">"$3,"Replaced string")}1'
1>1>Replaced string>660
1>1>Replaced string>684
1>1>Replaced string>713
1>1>1080648,1>1>1080660
1>1>1081100,1>1>1081114

如果要验证第三个字段始终是数字，请执行以下操作。添加以下条件：

awk -F "[>,]" '$3 ~ "^[0-9]+$"{sub($3","$3">"$3,"Replaced string")}1'