regex - AWK 在正则表达式中使用字段值

Question

我正在尝试查找由单词 CONCLUSION 后跟字段 $5 中同一记录中的字段 $2 和字段 $3 的值组成的字符串模式。

例如，my_file.txt 用“|”分隔:

1|substance1|substance2|red|CONCLUSIONS: the effect of SUBSTANCE1 and SUBSTANCE2 in humans...|
2|substance3|substance4|red|Conclusions: Substance4 is not harmful...|
3|substance5|substance6|red|Substance5 interacts with substance6...|

因此，在这个示例中，我只想打印第一条记录，因为它包含单词“CONCLUSIONS”，后跟 substance1，后跟 substance2。

这是我正在尝试的，但它不起作用:

awk 'BEGIN{FS="|";IGNORECASE=1}{if ($5 ~ /CONCLUSIONS.*$2.*$3/) {print $0}}' my_file.txt

非常感谢任何帮助

Answer 1

$ awk 'BEGIN{FS="|";IGNORECASE=1} $5 ~ "conclusions.*" $2 ".*" $3' my_file.txt
1|substance1|substance2|red|CONCLUSIONS: the effect of SUBSTANCE1 and SUBSTANCE2 in humans...|

它是如何工作的

• BEGIN{FS="|";IGNORECASE=1}

  这部分与问题中的代码没有变化。

• $5 ~ "conclusions.*" $2 ".*" $3

  这是一个条件:如果 $5 则为真匹配由四个字符串连接在一起组成的正则表达式:"conclusions.*" ，和$2 ，和".*" ，和$3 .

  我们没有指定针对这种情况采取任何操作。因此，如果条件为真，awk执行默认操作，即打印该行。

更简单的示例

考虑:

$ echo "aa aa" | awk '$2 ~ /$1/'

这一行不打印任何内容，因为 awk不替换正则表达式中的变量。

观察到这里也没有找到匹配项:

$ echo '$1' | awk '$0 ~ /$1/'

这里没有匹配项，因为在正则表达式中，$仅在行尾匹配。所以，/$1/只会匹配行尾后跟 1 。如果我们想在这里获得匹配，我们需要转义美元符号:

$ echo '$1' | awk '$0 ~ /\$1/'
$1

要获得使用 awk 变量的正则表达式，我们可以作为此答案的基础，执行以下操作:

$ echo "aa aa" | awk '$2 ~ $1'
aa aa

这确实成功地产生了匹配。

进一步改进

正如埃德·莫顿(Ed Morton)在评论中建议的那样，坚持这些物质仅在整个单词上匹配可能很重要。在这种情况下，我们可以使用 \\<...\\>将实质匹配限制为整个单词。因此:

awk 'BEGIN{FS="|";IGNORECASE=1} $5 ~ "conclusions.*\\<" $2 "\\>.*\\<" $3 "\\>"' my_file.txt

这样，substance1将不匹配 substance10 .