在文件 (grep/awk) 中搜索 2 个回车符/换行符

Question

我正在尝试编写一个脚本来简单地计算文件中 \r\n\r\n 的出现次数。 （以 vim 二进制模式打开示例文件会在正确的位置显示 ^M 字符，并且换行符仍被读取为换行符。

无论如何，我知道有很多解决方案，但它们似乎无法满足我的需求。

例如awk -e '/\r/,/\r/!d' 或使用 $'\n' 作为 grep 语句的一部分。

但是，这些似乎都不能产生我需要的东西。我找不到带有 grep 的“技巧”的\r\n\r\n 模式，因为它只是扩展了一个变量。 awk 解决方案是贪婪的，因此得到的行数比我想要/需要的多。

切换 grep 到 binary/Perl/no-newline 模式似乎更接近我想要的， 例如grep -UPzo '\x0D'，但我真正想要的是grep -UPzo '\x0D\x00\x0D\x00'，它不会产生我想要的输出。

这似乎是一个如此简单的任务。

Answer 1

默认情况下，awk 将\n 视为记录分隔符。这使得计算\r\n\r\n 变得非常困难。如果我们选择其他一些记录分隔符，比如一个字母，那么我们可以很容易地统计这个组合的出现。因此：

awk '{n+=gsub("\r\n\r\n", "")} END{print n}' RS='a' file

这里，gsub 返回替换的次数。这些相加，在达到file 的末尾后，我们打印总数。

示例

在这里，我们使用 bash 的 $'...' 构造来显式添加换行符和换行符：

$ echo -n $'\r\n\r\n\r\n\r\na' | awk '{n+=gsub("\r\n\r\n", "")} END{print n}' RS='a' 
2

替代解决方案 (GNU awk)

我们可以告诉它把\r\n\r\n当作记录分隔符，然后返回记录数的计数（减1）：

 cat file <(echo 1) | awk 'END{print NR-1;}' RS='\r\n\r\n'

在 awk 中，RS 是记录分隔符，NR 是记录数的计数。由于我们使用的是多字符记录分隔符，因此这需要 GNU awk。

如果文件以\r\n\r\n 结尾，则上述内容将减一。为避免这种情况，echo -n 1 语句用于确保文件中最后一个 \r\n\r\n 之后始终至少有一个字符。

示例

在这里，我们使用 bash 的 $'...' 构造来显式添加换行符和换行符：

$ echo -n $'abc\r\n\r\n' | cat - <(echo 1) | awk 'END{print NR-1;}' RS='\r\n\r\n'
1
$ echo -n $'abc\r\n\r\ndef' | cat - <(echo 1) | awk 'END{print NR-1;}' RS='\r\n\r\n'
1
$ echo -n $'\r\n\r\n\r\n\r\n' | cat - <(echo 1) | awk 'END{print NR-1;}' RS='\r\n\r\n'
2
$ echo -n $'1\r\n\r\n2\r\n\r\n3' | cat - <(echo 1) | awk 'END{print NR-1;}' RS='\r\n\r\n'
2