使用 awk 提取模式之间的文件路径的一部分

Question

我正在尝试从文件路径列表中提取数据，因为我正在寻找已完成加载的文件日志。问题是每个文件路径不一致，所以我需要在两个正则表达式模式之间查找文件路径的一部分。

例如说我要提取两条信息...假设/system/.../之间的数据和/data/.../sales/之间的另一条数据

/user/project-x/system/ibm/nyc/data/customers/sales/yyyymmdd
/user/project-x/system/mysql/data/regional/sales/yyyymmdd
/user/project-x/system/mysql/london/data/customers/sales/yyyymmdd
/user/project-x/system/oracle/data/tokyo-customers/Sales/yyyymmdd

所以当我运行 awk 脚本时，我会留下...

ibm      customers
mysql    regional
mysql    customers
oracle   tokyo-customers

有没有办法进行那种类型的文件路径拆分？

Answer 1

我看到你的路径部分是固定的，所以不需要使用正则表达式。 字段分离可以解决问题：

awk -F/ '{print $4,$7}' test.txt

（其中test.txt 是您的输入文件）

基本上，您是在告诉 awk 将斜杠视为字段分隔符，并打印字段 #4 和 #7。

但是要通过字段查找来回答您的问题，请执行此操作（虽然更复杂）

awk -F/ '{a="???";b="???";for (i=0;i<NF;i++) {if (tolower($i)=="system") a= $(i+1); if (($i=="data") && (tolower($(i+2))=="sales")) b = $(i+1)}; print a,b}' test.txt

这将像以前一样拆分字段，但会查找上一个/下一个字段值并打印下一个/上一个字段。即使这些字段不在可以工作的固定位置。 如果找不到模式，则会显示???。

我已经包含了小写转换，因为Sales 混合大小写。

Answer 2

与sed:

sed -E 's_.*/system/([^/]+).*/data/([^/]+)/[Ss]ales/.*_\1 \2_'

• .*/system/([^/]+).*匹配/system/之后的部分，直到下一个/，并放入捕获的组1

• /data/([^/]+)/[Ss]ales/ 匹配/data/ 和/sales/（或/Sales/）之间的部分并放入第二个捕获组

• 在替换中使用捕获的组，以空格分隔

示例：

$ cat file.txt
/user/project-x/system/ibm/nyc/data/customers/sales/yyyymmdd
/user/project-x/system/mysql/data/regional/sales/yyyymmdd
/user/project-x/system/mysql/london/data/customers/sales/yyyymmdd
/user/project-x/system/oracle/data/tokyo-customers/Sales/yyyymmdd

$ sed -E 's_.*/system/([^/]+).*/data/([^/]+)/[Ss]ales/.*_\1 \2_' file.txt
ibm customers
mysql regional
mysql customers
oracle tokyo-customers