AWK: acceder al grupo capturado desde el patrón de línea

Si tengo un comando awk

pattern { ... }

y el patrón usa un grupo de captura, ¿cómo puedo acceder a la cadena capturada en el bloque?

Ese fue un paseo por el carril de la memoria ...

Reemplacé awk por perl hace mucho tiempo.

Aparentemente, el motor de expresión regular AWK no captura sus grupos.

podrías considerar usar algo como:

perl -n -e'/test(\d+)/ && print $1'

la bandera -n hace que perl recorra cada línea como lo hace awk.

Con gawk, puede usar la matchfunción para capturar grupos entre paréntesis.

gawk 'match($0, pattern, ary) {print ary[1]}' 

ejemplo:

echo "abcdef" | gawk 'match($0, /b(.*)e/, a) {print a[1]}' 

salidas cd.

Tenga en cuenta el uso específico de gawk que implementa la función en cuestión.

Para una alternativa portátil, puede lograr resultados similares con match()y substr.

ejemplo:

echo "abcdef" | awk 'match($0, /b[^e]*/) {print substr($0, RSTART+1, RLENGTH-1)}'

salidas cd.

Esto es algo que necesito todo el tiempo, así que creé una función bash para ello. Se basa en la respuesta de Glenn Jackman.

Definición

Agregue esto a su .bash_profile, etc.

function regex { gawk 'match($0,/'$1'/, ary) {print ary['${2:-'0'}']}'; }

Uso

Capture expresiones regulares para cada línea en el archivo

$ cat filename | regex '.*'

Capture el primer grupo de captura de expresiones regulares para cada línea en el archivo

$ cat filename | regex '(.*)' 1

Puedes usar GNU awk:

$ cat hta
RewriteCond %{HTTP_HOST} !^www\.mysite\.net$
RewriteRule (.*) http://www.mysite.net/$1 [R=301,L]

$ gawk 'match($0, /.*(http.*?)\$/, m) { print m[1]; }' < hta
http://www.mysite.net/

También puede simular la captura en vainilla awk, sin extensiones. Sin embargo, no es intuitivo:

paso 1. usa gensub para rodear coincidencias con algún carácter que no aparece en tu cadena. paso 2. Utiliza split contra el personaje. paso 3. Cualquier otro elemento en la matriz dividida es tu grupo de captura.

$ echo 'ab cb ad' | awk '{split (gensub (/ a ./, SUBSEP "y" SUBSEP, "g", $ 0), cap, SUBSEP); gorra de impresión [2] "|" gorra [4]; } '
ab | ad

Me costó un poco encontrar una función bash que envuelva la respuesta de Peter Tillemans, pero esto es lo que se me ocurrió:

función regex {perl -n -e "/ $ 1 / && printf \"% s \ n \ "," '$ 1'}

Encontré que esto funcionó mejor que la función bash basada en awk de opsb para el siguiente argumento de expresión regular, porque no quiero que se imprima el "ms".

'([0-9]*)ms$'