Awk入门
模式匹配（Pattern Matching）
正如你已经知道的，Awk 逐行扫描文件，对于匹配搜索模式的行，执行对应的语句块。到目前为止，我们使用的搜索模式非常简单，例如 /gold/，但接下来，你将学习高级搜索模式。
本章介绍的搜索模式是 正则表达式（Regular Expressions），它们是一组规则，用于匹配特定的字符序列。
1. 简单模式
最简单的搜索模式是 一个字符串，用斜杠 / 括起来：
/The/
这个模式会匹配 任何包含 "The" 的行，但不会匹配 "the"，因为 Awk 区分大小写。它也会匹配 "There" 和 "Them"，因为这些单词包含 "The"。
1.1 匹配行首
使用 ^（脱字符） 匹配 以特定字符串开头 的行：
/^The/
示例（匹配所有以 "The" 开头的行）：
The quick brown fox ✅ 匹配
There is a house ✅ 匹配
My name is Thelma ❌ 不匹配
1.2 匹配行尾
使用 $（美元符号） 匹配 以特定字符串结尾 的行：
/The$/
示例（匹配所有以 "The" 结尾的行）：
That is The ✅ 匹配
The book is mine ❌ 不匹配
1.3 匹配特殊字符
如果要匹配特殊字符（如 ^ 或 $），需要使用 \（反斜杠） 进行转义：
/\$/
这将匹配包含 $ 符号 的行。
2. 字符集匹配
2.1 匹配多个字符
使用 方括号 [] 指定多个可选字符：
/[Tt]he/
这将匹配 "The" 或 "the"，但不会匹配 "There"。
也可以使用 字符范围：
/[a-z]/
匹配任何小写字母。
/[a-zA-Z0-9]/
匹配 字母（大小写）或数字。
2.2 取反匹配
如果 方括号内的第一个字符是 ^，则匹配不包含这些字符的内容：
/^[^a-zA-Z0-9]/
这将匹配 不以字母或数字开头的行。
3. 逻辑或（Alternation）
使用 |（竖线） 进行逻辑 OR（或） 操作：
/(^Germany)|(^Netherlands)/
匹配：
Germany won the match ✅ 匹配
Netherlands is beautiful ✅ 匹配
Italy is great ❌ 不匹配
4. 通配符（Wildcard）
.（点号）匹配 任何单个字符：
/f.n/
匹配：
fan ✅ 匹配
fun ✅ 匹配
fin ✅ 匹配
fxn ✅ 匹配
但不匹配 "faun" 或 "foin"（因为 . 只能匹配 一个 字符）。
5. 重复匹配
在 Awk 中，*、+ 和 ? 控制前一个字符的重复次数：
| 符号 | 作用 | 示例 | 匹配内容 |
|---|---|---|---|
* |
0 或 多次 | /a*/ |
"", "a", "aa", "aaa" |
+ |
至少 1 次 | /a+/ |
"a", "aa", "aaa"（但不匹配 ""） |
? |
0 或 1 次 | /a?/ |
"", "a" |
示例：
/(ab|c)*/
匹配：
ab ✅ 匹配
abab ✅ 匹配
ababab ✅ 匹配
c ✅ 匹配
cc ✅ 匹配
ccc ✅ 匹配
abc ✅ 匹配
ababc ✅ 匹配
6. 精确匹配重复次数
使用 {}（大括号） 指定重复次数：
/f[eo]{2}t/
匹配：
foot ✅ 匹配
feet ✅ 匹配
fot ❌ 不匹配
匹配至少 3 位数字：
/[0-9]{3,}/
等价于：
/[0-9][0-9][0-9]+/
匹配 4 到 7 位数字：
/^[0-9]{4,7}$/
匹配：
1234 ✅ 匹配
567890 ✅ 匹配
1 ❌ 不匹配（太短）
12345678 ❌ 不匹配（太长）
7. 练习
如果你不熟悉正则表达式，请尝试编写一些表达式并测试它们。
-
匹配美国 ZIP 代码
5 位数字，或 5 位数字+连字符+4 位数字（如 12345 或 12345-6789）/^[0-9]{5}(-[0-9]{4})?$/ -
匹配数字（包括小数）
允许整数或带小数点的数（如 123、45.6、0.78）/^[+-]?[0-9]+(\.[0-9]+)?$/ -
匹配电子邮件地址
电子邮件格式：xxx@yyy.zzz（如 user_123@example.com）/^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/ -
匹配电话号码
允许 (123) 456-7890、123-456-7890、1234567890/^(\([0-9]{3}\)|[0-9]{3})[- ]?[0-9]{3}[- ]?[0-9]{4}$/
在下一章，你将学习更多 高级搜索模式 以及如何在 Awk 中结合模式匹配和数据处理。