管道符号 |在 AWK 字段分隔符中答案

【问题标题】：Pipe symbol | in AWK field delimiter管道符号 |在 AWK 字段分隔符中
【发布时间】：2017-04-27 00:11:30
【问题描述】：

我有一个文件foo，其中包含以下数据：

A<|>B<|>C<|>D
1<|>2<|>3<|>4

我想使用 awk 正确访问每一列，但它没有正确解释字段分隔符。

当我跑步时：

head foo | \
  awk 'BEGIN {FS="<|>"} {out=""; for(i=1;i<=NF;i++){out=out" "$i}; print out}'

而不是打印

A B C D
1 2 3 4

打印出来

A | B | C | D 
1 | 2 | 3 | 4

这背后的原因是什么？

【问题讨论】：

只是一个提示：你可以在awk 中使用NR<11 而不是head foo。

标签： bash awk

【解决方案1】：

管道是正则表达式中的特殊字符，因此您需要使用反斜杠对其进行转义。但是这个反斜杠也是字符串文字的特殊字符，所以需要再次转义。所以你最终得到以下结果：

awk -F '<\\|>' '{$1=$1}1'

awk 'BEGIN {FS="<\\|>"} {$1=$1}1'

这里很好地解释了这种语法的原因：http://www.gnu.org/software/gawk/manual/gawk.html#Computed-Regexps。简而言之，表达式被解析了两次。

【讨论】：

@EdMorton 您指的是原始修订版，还是 hek2mgl 的编辑？老实说，我只是在三个人要求我之后才发布答案（参见另一个答案的 cmets），但我无法删除它，因为它已被接受。
进行了编辑以澄清这一点。在我看来，这个问题很有趣。

【解决方案2】：

Awk 将您的分隔符读取为正则表达式“< 或 >”。您必须转义管道字符（两次，看到诸如字段分隔符之类的动态正则表达式是scanned twice）："<\\|>"。

您也可以将字段分隔符指定为参数：

awk -F '<\\|>' '{out=""; for(i=1;i<=NF;i++){out=out" "$i}; print out}' <<< 'A<|>B<|>C<|>D'
 A B C D

根据您的 awk 版本，您可能只需要一次转义即可。对我来说，mawk 1.3.3 可以同时使用 -F '<\|>' 和 -F '<\\|>'，而 gawk 4.0.1 需要 -F '<\\|>'。我不完全确定 POSIX awk 的方向，但在 --posix 模式下运行 gawk 也需要双重转义。

【讨论】：

可以这样写：awk 'BEGIN {FS="<\\|>"} {$1=$1}1' 甚至awk -F '<\|>' '{$1=$1}1'
@user000001 为什么不将后者放入答案中？也想回答这个问题：）但应该是awk -F'<\\|>' '$1=$1'
我最初尝试过这个。取消引用 |不能正常工作。它说以下 awk：警告：转义序列\|' treated as plain |'我不太明白
@user000001 公平点。但是你仍然需要-F'<\\|>' 而不是-F'<\|>'
@Andrew 原因是反斜杠 `\` 是字符串文字和正则表达式的特殊字符。所以你需要双重转义它。

【解决方案3】：

顺便说一句，这里也可以使用sed：

sed 's/<|>/ /g' file

如果你想“包含”head 命令：

sed -n '1,10s/<|>/ /gp' file

【讨论】：