使用awk在多个字段中基于模式匹配打印行

Question

假设我有一个像

这样的html输入

<li>this is a html input line</li>

我想从以<li>开头并以</li>结尾的文件中过滤所有此类输入行。现在我的想法是在第一个字段中搜索模式<li>，并使用下面的awk命令在最后一个字段中模式</li>

awk '$1 ~ /\<li\>/ ; $NF ~ /\</li\>/ {print $0}'

但看起来没有规定一次匹配两个字段，或者我犯了一些语法错误。你能帮帮我吗？

PS：我正在使用Solaris SunOS机器。

Answer 1

Solaris上的脚本出现了很多问题：

awk '$1 ~ /\<li\>/ ; $NF ~ /\</li\>/ {print $0}'

1. Solaris上的默认awk（因此我们必须假设您正在使用的那个，因为您没有另外说明）是旧的，破坏的awk，绝不能使用。在Solaris上使用/usr/xpg4/bin/awk。还有nawk，但它的POSIX功能较少（例如，不支持字符类）。
2. \<...\>是特定于gawk的单词边界。 Solaris上没有awk可以识别它们。如果你只是想获得文字字符，那么就没有必要逃避它们，因为它们不是regexp元字符。
3. 如果你想测试条件1和条件2，你可以在它们之间添加&&，而不是;，它只是语句终结符而不是换行符。
4. 给定真实条件的默认操作是{print $0}，因此您无需显式编写该代码。
5. /是awk regexp分隔符，所以你需要在regexp中间转义它。
6. 默认字段分隔符为空格，因此在您发布的示例输入$1和$NF中将为<li>this和line</li>，而不是<li>和{{ 1}}。

因此，如果你出于某种原因对DID进行比较，你可以比较多个字段：

</li>

但这可能是你真正想要的：

awk '($1 ~ /^<li>.*/) && ($NF ~ /.*<\/li>$/)'

在这种情况下你可以使用grep：

awk '/^<li>.*<\/li>/'

Answer 2

为什么不使用正则表达式匹配行的开头和结尾，如

awk '/^[[:space:]]*<li>.*<\/li>[[:space:]]*$/ {print}'

虽然一般情况下如果您正在尝试处理HTML，但您最好使用真正设计用来处理HTML的工具。