Como imprimir o padrão regex correspondente usando awk?

Usando awk, preciso encontrar uma palavra em um arquivo que corresponda a um padrão regex.

Desejo apenas imprimir a palavra que corresponde ao padrão.

Então, se estiver na linha, tenho:

xxx yyy zzz

E padrão:

/yyy/

Eu quero apenas obter:

yyy

EDIT: graças ao kurumi consegui escrever algo assim:

awk '{
        for(i=1; i<=NF; i++) {
                tmp=match($i, /[0-9]..?.?[^A-Za-z0-9]/)
                if(tmp) {
                        print $i
                }
        }
}' $1

e isso é o que eu precisava :) muito obrigado!

Este é o básico

awk '/pattern/{ print $0 }' file

peça awkpara pesquisar patternusando e //, em seguida, imprima a linha, que por padrão é chamada de registro, denotada por $ 0. Pelo menos leia a documentação .

Se você deseja apenas imprimir a palavra correspondente.

awk '{for(i=1;i<=NF;i++){ if($i=="yyy"){print $i} } }' file

Parece que você está tentando emular o grep -ocomportamento do GNU . Isso fará isso, desde que você queira apenas a primeira correspondência em cada linha:

awk 'match($0, /regex/) {
    print substr($0, RSTART, RLENGTH)
}
' file

Aqui está um exemplo, usando a awkimplementação GNU (pasmo):

awk 'match($0, /a.t/) {
    print substr($0, RSTART, RLENGTH)
}
' /usr/share/dict/words | head
act
act
act
act
aft
ant
apt
art
art
art

Leia sobre match, substr, RSTARTe RLENGTHno awkmanual.

Depois disso, você pode desejar estender isso para lidar com várias correspondências na mesma linha.

gawk pode obter a parte correspondente de cada linha usando isso como ação:

{ if (match($0,/your regexp/,m)) print m[0] }

match (string, regexp [, array]) Se array estiver presente, ele é apagado e, em seguida, o elemento zero do array é definido para toda a porção da string correspondida por regexp. Se regexp contém parênteses, os elementos indexados por inteiro da matriz são configurados para conter a parte da string que corresponde à subexpressão entre parênteses correspondente. http://www.gnu.org/software/gawk/manual/gawk.html#String-Functions

Se você está interessado apenas na última linha de entrada e espera encontrar apenas uma correspondência (por exemplo, uma parte da linha de resumo de um comando shell), você também pode tentar este código muito compacto, adotado de Como imprimir correspondências de regexp usando `awk`? :

$ echo "xxx yyy zzz" | awk '{match($0,"yyy",a)}END{print a[0]}'
yyy

Ou a versão mais complexa com um resultado parcial:

$ echo "xxx=a yyy=b zzz=c" | awk '{match($0,"yyy=([^ ]+)",a)}END{print a[1]}'
b

Aviso: a awk match()função com três argumentos só existe em gawk, não emmawk

Aqui está outra boa solução usando um regex lookbehind em grepvez de awk. Esta solução tem requisitos mais baixos para sua instalação:

$ echo "xxx=a yyy=b zzz=c" | grep -Po '(?<=yyy=)[^ ]+'
b

Se Perl for uma opção, você pode tentar o seguinte:

perl -lne 'print $1 if /(regex)/' file

Para implementar a correspondência que não diferencia maiúsculas de minúsculas, adicione o imodificador

perl -lne 'print $1 if /(regex)/i' file

Para imprimir tudo APÓS a partida:

perl -lne 'if ($found){print} else{if (/regex(.*)/){print $1; $found++}}' textfile

Para imprimir a partida e tudo depois da partida:

perl -lne 'if ($found){print} else{if (/(regex.*)/){print $1; $found++}}' textfile

Usar o sed também pode ser elegante nessa situação. Exemplo (substitua a linha pelo grupo correspondente "yyy" da linha):

$ cat testfile
xxx yyy zzz
yyy xxx zzz
$ cat testfile | sed -r 's#^.*(yyy).*$#\1#g'
yyy
yyy

Página do manual relevante: https://www.gnu.org/software/sed/manual/sed.html#Back_002dreferences-and-Subexpressions

Fora do tópico, isso também pode ser feito usando o grep, apenas postando aqui caso alguém esteja procurando por uma solução grep

echo 'xxx yyy zzze ' | grep -oE 'yyy'

Se você souber em qual coluna está o texto / padrão que está procurando (por exemplo, "yyy"), você pode apenas verificar essa coluna específica para ver se corresponde e imprimi-la.

Por exemplo, dado um arquivo com o seguinte conteúdo, (chamado asdf.txt )

xxx yyy zzz

para imprimir apenas a segunda coluna se ela corresponder ao padrão "yyy", você pode fazer algo assim:

awk '$2 ~ /yyy/ {print $2}' asdf.txt

Observe que isso também corresponderá basicamente a qualquer linha em que a segunda coluna contenha um "yyy", como estes:

xxx yyyz zzz
xxx zyyyz