意外的拆分行为

debugcn 发表于 Dev

史蒂文·彭尼（Steven Penny）

我在这里阅读有关Awk拆分行为的信息：

拆分函数的fs参数（请参见字符串函数）应解释为扩展的正则表达式。这些可以是ERE令牌，也可以是任意表达式，并且应以与or运算符右侧相同的方式进行解释。~!~

和：

如果右侧操作数是除词法标记ERE之外的任何表达式，则该表达式的字符串值应解释为扩展的正则表达式，包括上述转义约定。

http://pubs.opengroup.org/onlinepubs/9699919799/utilities/awk.html#tag_20_06_13_04

但是，我注意到使用此代码出现了意外的结果：

BEGIN {
  print split("te.st", q, ".")
}

我希望.代表任何字符，结果是6。但是我所有的测试都回来了2。运行此代码可以得到预期的结果6：

BEGIN {
  print split("te.st", q, /./)
}

经过测试：

高克
gawk --posix
花胶1.3.4
mawk 1.3.3
nawk（原始awk）

我是否误解了文档，或者这是一个错误？

满天星

这不是错误；只是在尝试整理现有做法时，该标准还不够清楚。

mawk（1）手册更为明确：

split(expr, A, sep) 的工作方式如下：

...

（2）如sep = " "（一个空格），然后<SPACE>从前面修剪和背部的expr，并sep成为<SPACE>。mawk定义<SPACE>为正则表达式/[ \t\n]+/。否则sep，将其视为正则表达式，但对于长度为1的字符串，例如，元字符将被忽略，split(x, A, "*")并且split(x, A, /*/)它们相同。

另外，来自当前资源的GNU awk手册：

split(s, a [, r [, seps] ])

...

拆分的行为与上述字段拆分相同。特别是，如果r是单字符字符串，则即使该字符串恰好是正则表达式元字符，该字符串也将充当分隔符。

这是来自susv4标准的描述：

通过将包含表达式的字符串直接分配给内置变量FS或使用该-F sepstring选项的结果，可以使用扩展的正则表达式来分隔字段。FS变量的默认值应为单个<space>。下面介绍FS行为：

如果FS为空字符串，则行为未指定。

如果FS是单个字符：

一种。如果FS为<空格>，则跳过前导和尾随的<空白>和<换行符>；字段应由一组一个或多个<blank>或<newline>字符定界。

b。否则，如果FS是任何其他字符c，则字段应由每次出现c来界定。

否则，FS的字符串值应被视为扩展的正则表达式。匹配扩展正则表达式的序列的每次出现都应定界字段。

您的示例匹配2.b。

即使有明确提及FS，split在所有awk实现中（包括在该参数是空格的情况下），使用任何参数代替第3个参数都是相同的行为。

这是不太可能的行为永远不会改变，因为FS变量只是一个字符串（awk没有正则表达式对象，如javascript或perl，你不能一个正则表达式分配给一个变量，如a=/./或$a=qr/./）; 它是split函数（隐式或显式调用），它确实如上所述解释了其参数。

此行为的起源可能与“旧” awk兼容，其中FS（或的第3个参数split）始终被视为单个字符。示例（在Unix v7上）：

$ awk 'BEGIN{FS="."; print split("foo.bar.baz", a, "bar"); print a[2] }'
3
ar.
$ awk 'BEGIN{FS="."; print split("foo.bar.baz", a, /bar/); print a[2] }'
awk: syntax error near line 1
awk: illegal statement near line 1
Bus error - core dumped

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。