匹配 awk/gawk 中的正则表达式 [重复]答案

【问题标题】：matching regex in awk/gawk [duplicate]匹配 awk/gawk 中的正则表达式 [重复]
【发布时间】：2020-02-17 15:18:45
【问题描述】：

请有人让下面的awk 行在 awk 中工作。语法使用标准的 PCRE 正则表达式标准（我需要期望在第一个数字之前有一些非数字字符，即字符串可能看起来像 "++3.59 ± 0.04* "）。（请注意，我尝试了[0-9] 和[:digit:] 而不是\d）还请注意我确实阅读了https://www.gnu.org/software/gawk/manual/gawk.html#Regexp

gawk 'BEGIN{test="3.59 ± 0.04";match(test, /^.*?(\d+?\.\d+?)\s*?±\s*?(\d+?\.\d+?)$/, arr);print arr[1];}'

【问题讨论】：

POSIX 正则表达式引擎不支持惰性量词。继续尝试使用[0-9] 匹配数字，不支持\d。另外，请使用[ \t] 或[[:space:]] 而不是\s。
PCRE 根本不是标准的。最好的办法是改用 Perl。
@WiktorStribiżew 在 POSIX 标准中，* 是贪婪还是懒惰？
它总是贪婪的。

标签： regex awk regex-greedy

【解决方案1】：

您添加到许多?，我认为您需要使用[0-9] 此外，当您以 ^[^0-9] 开头时，只有非数字字符会被“吃掉”。所以总而言之，我认为你想要：

gawk 'BEGIN{test="3.59 ± 0.04";match(test, /^[^0-9.]*([0-9]+\.[0-9]+)\s*±\s*([0-9]+\.[0-9]+)$/, arr);print arr[1];}

匹配任何非数字字符直到第一个数字，然后将第一个数字捕获为组 1。

感谢@Ed Morton 的更正。我确实错过了原始正则表达式中第一个数字之后的+。

【讨论】：

PCRE中*?、+?、??的含义是从贪婪匹配到吝啬匹配。这不能用像 Awk 这样的传统的总是贪婪的正则表达式轻松地重新实现，尽管目前尚不清楚 OP 认为这个构造在这里是如何有用的。