在第一次匹配时删除第 N 列中特定数字之前的所有字符而不是最后一个答案

【问题标题】：Remove all characters before specific number in Nth column at first match NOT last在第一次匹配时删除第 N 列中特定数字之前的所有字符而不是最后一个
【发布时间】：2021-09-08 14:18:36
【问题描述】：

我正在尝试从数据集中的第 5 列中删除一个随机字符块。

样本数据：

A | 12 | AA | 24 | Test to go and keep 192.168.1.1 > 192.168.2.1 | B

结果应如下所示：

A | 12 | AA | 24 | 192.168.1.1 > 192.168.2.1 | B

到目前为止我有这个：

awk 'BEGIN{FS=OFS="|"} {gsub(".*? 192","", $5 )} 1' file.txt

但是，这会删除最后一场比赛前第 5 列中的所有内容。

代码现在做了什么：

.168.2.11

我需要在第一个匹配之前删除所有内容，而不是最后一个

【问题讨论】：

当前 *awk 不支持非贪婪 (.*?) 匹配，如果您愿意，您可以使用一些内置函数（例如使用 match() 函数）编写自己的 awk 函数匹配其参数中最短的正则表达式，并对 RSTART 和 RLENGTH 进行一些后处理，并与 substr() 结合以删除所需的部分。

标签： linux awk gsub less-unix

【解决方案1】：

使用您展示的示例，请尝试遵循awk 代码。简单的解释是：对于 Input_file 的所有行，将字段分隔符和输出字段分隔符设置为 |。然后在第 5 个字段中用 NULL 全局替换空格和字母。在第 5 个字段之前和之后按照所示示例添加空格，最后打印已编辑/未编辑的当前行。

awk 'BEGIN{FS=OFS="|"} {gsub(/[[:alpha:]]+|[[:space:]]+/,"",$5);$5=" "$5" "} 1' Input_file

编辑：如果您想在第 5 个字段中始终匹配 IP 地址 > IP 地址形式，那么只需尝试以下操作。

awk 'BEGIN{FS=OFS="|"} match($0,/([0-9]+\.){3}[0-9]+ > ([0-9]+\.){3}[0-9]+/){$5=substr($0,RSTART,RLENGTH)} 1' Input_file

【讨论】：

@AUSBRIS88，根据您显示的示例，此代码可以正常工作，您能否告诉我它在哪里不工作？
几乎，但是总和仍然缺失。为了简单起见，我简化了数据代码，但我要优化的实际数据集是：A | 12 |机管局 | 24 | Ipv4Header (tos 0x0 DSCP Default ECN Not-ECT ttl 64 id 0 protocol 6 offset (bytes) 0 flags [none] length: 56 192.168.1.1 > 192.168.2.1 | BI 只需要第 5 列显示：192.168.1.1 > 192.168 .2.1
@AUSBRIS88，能否请您在问题中提供这些示例，然后让我知道。
@AUSBRIS88，我相信我的 EDIT 解决方案对您有用，请检查一次，然后告诉我？
这个答案对我有用！！ awk 'BEGIN{FS=OFS="|"} 匹配($0,/([0-9]+\.){3}[0-9]+ > ([0-9]+\.){3} [0-9]+/){$5=substr($0,RSTART,RLENGTH)} 1' Input_file 非常感谢您的分享！我尝试了几个小时才能让它工作

【解决方案2】：

如果文件第 5 列中的 IP 地址总是以某些特定数字开头，例如“192.168.”，那么，您可以使用：awk 'BEGIN{FS=OFS="|"}{$5=substr($5, index($5, " 192.168."))}1' file.txt

【讨论】：

你确定这有效吗？ awk: fatal: 1 is invalid as number of arguments for index
@tink 谢谢你的指出。我已经修复了错误。