awk：如何从一行中提取 2 个模式，然后将它们连接起来？答案

【问题标题】：awk: how to extract 2 patterns from a single line and then concatenate them?awk：如何从一行中提取 2 个模式，然后将它们连接起来？
【发布时间】：2020-03-31 10:21:51
【问题描述】：

我想在每行中找到 2 个模式，然后在它们之间用破折号作为分隔符打印它们。以下是行示例：

20200323: #5357 BEAR_SPX_X15_NORDNET_D1 {CU=DKK, ES=E, II=DK0061205473, IR=NRB, LN=BEAR SPX X15 NORDNET D1, MIC=FNDK, NS=1, PC=C, SE=193133, SG=250, SN=193133, TK="0.01 to 100,0.05 to 500,0.1", TS=BEAR_SPX_X15_NORDNET_D1, TY=W, UQ=1}
20200323: #5358 BULL_SPX_X10_NORDNET_D2 {CU=DKK, ES=E, II=DK0061205556, IR=NRB, LN=BULL SPX X10 NORDNET D2, MIC=FNDK, NS=1, PC=P, SE=193132, SG=250, SN=193132, TK="0.01 to 100,0.05 to 500,0.1", TS=BULL_SPX_X10_NORDNET_D2, TY=W, UQ=1}
20200323: #5359 BULL_SPX_X12_NORDNET_D2 {CU=DKK, ES=E, II=DK0061205630, IR=NRB, LN=BULL SPX X12 NORDNET D2, MIC=FNDK, NS=1, PC=P, SE=193131, SG=250, SN=193131, TK="0.01 to 100,0.05 to 500,0.1", TS=BULL_SPX_X12_NORDNET_D2, TY=W, UQ=1}

鉴于以上几行，运行脚本后我想要的输出应如下所示：

BEAR_SPX_X15_NORDNET_D1 - DK0061205473
BULL_SPX_X10_NORDNET_D2 - DK0061205556
BULL_SPX_X12_NORDNET_D2 - DK0061205630

第一个字母数字值（例如 BULL_SPX_X12_NORDNET_D2）始终位于一行的第三个位置。第二个字母数字值（例如 DK0061205630）可以位于不同的位置，但始终以“II=”开头，并且长度始终为 12 个字符。

我尝试使用以下脚本来实现我的任务：

 13 regex='II=.\{12\}'
 14 while IFS="" read -r line; do
 15     matchedString=`grep -o $regex littletest.txt | tr -d 'II=,'`
 16     awk /II=/'{print $3, " - ", $matchedString}' littletest.txt > temp.txt
 17 done <littletest.txt

我的思考过程和意图/假设：

第 13 行定义了一个正则表达式模式来匹配以“II="

开头的字母数字字符串

在第 15 行中，变量“matchedString”被分配了一个值，该值通过正则表达式从一行中提取，前面的“II=”被删除。

第 16 行使用 awk 表达式检测所有包含“II=”的行，然后打印在每个输入文件的行上找到的第三个字符串，并打印在前一行中定义的匹配字符串模式的值剧本。所以我希望此时应该将一对提取的模式（例如 BEAR_SPX_X15_NORDNET_D1 - DK0061205473）传输到 temp.txt 文件中。

第 17 行正在获取一个输入文件以供脚本使用。

但是，在运行脚本后，我没有得到所需的输出。这是我得到的示例：

BEAR_SPX_X15_NORDNET_D1
20200323: #5357 BEAR_SPX_X15_NORDNET_D1 {CU=DKK, ES=E, II=DK0061205473, IR=NRB, LN=BEAR SPX X15 NORDNET D1, MIC=FNDK, NS=1, PC=C, SE=193133, SG=250, SN=193133, TK="0.01 to 100,0.05 to 500,0.1", TS=BEAR_SPX_X15_NORDNET_D1, TY=W, UQ=1}

我怎样才能实现我之前描述的所需输出？

【问题讨论】：

标签： regex bash awk

【解决方案1】：

$ awk -v OFS=' - ' 'match($0,/II=/){print $3, substr($0,RSTART+3,12)}' file
BEAR_SPX_X15_NORDNET_D1 - DK0061205473
BULL_SPX_X10_NORDNET_D2 - DK0061205556
BULL_SPX_X12_NORDNET_D2 - DK0061205630

【讨论】：

Ed -Awk- Morton rulez！不错的解决方案！

【解决方案2】：

只是尝试 awk。

awk  'BEGIN{ FS="[II=, ]+" ; OFS=" - " } {print $3, $8}' file.txt

【讨论】：

OP 在问题The second alphanumeric value (e.g. DK0061205630) can be at various positions 中说，所以你不能依赖它是$8 或任何其他固定位置。不幸的是，他们发布的示例输入没有反映这一点，

【解决方案3】：

使用支持正则表达式的 gawk (gnu awk) 作为字段分隔符 (FS) ，并考虑到文件中的每一行具有完全相同的格式/相同数量的字段，这在我的测试中可以正常工作：

awk '{print $3,$9}' FS="[ ]|II=" OFS=" - " file1
#or FS="[[:space:]]+|II=|[,]" if you might have more than one space between fields

结果

BEAR_SPX_X15_NORDNET_D1 - DK0061205473
BULL_SPX_X10_NORDNET_D2 - DK0061205556
BULL_SPX_X12_NORDNET_D2 - DK0061205630

由于II= 部分可以在任何地方，这个技巧也可以在解析文件两次的情况下起作用：

paste -d "-" <(awk '{print $3}' file1) <(awk '/II/{print $2}' RS="[ ]" FS="=|," file1)

【讨论】：

OP 确实提到 第二个字母数字值（例如 DK0061205630）可以在不同的位置，但它总是以“II=" 开头。
@blhsing 显然我错过了那部分！
每个 awk 都支持正则表达式作为字段分隔符 (FS)。它使用正则表达式作为需要 gawk 的记录分隔符 (RS)。在 RS="[ ]" 和 FS="[ ]|II=" 中，您不需要将空格放在括号表达式中，它已经像 RS=" " 和 FS=" |II=" 一样直接。