使用 awk 解析文本文件的各个部分

Question

我对脚本有 2 个问题：

1. 将正确的变量传递到 awk 中
2. Awk 不喜欢用于指定在指定模式之间打印的 begninnging 值和结束值的特定命令。

以下是状态的内容.txt：

Alabama
Area: 52,423 sq.mi (135,775 sq.km.), 30th
Land: 50,750 sq.mi. (131,442 sq.km.), 28th
Water: 1,673 sq.mi. (4,333 sq.km.), 23rd
Coastline: 53 mi. (85 km.), 17th
Shoreline: 607 mi. (977 km.), 19th
Alaska
Area: 656,425 sq.mi (1,700,134 sq.km.), 1st
Land: 570,374 sq.mi. (1,477,263 sq.km.), 1st
Water: 86,051 sq.mi. (222,871 sq.km.), 1st
Coastline: 6,640 mi. (10,686 km.), 1st
Shoreline: 33,904 mi. (54,563 km.), 1st
Arizona
Area: 114,006 sq.mi (295,274 sq.km.), 6th
Land: 113,642 sq.mi. (294,332 sq.km.), 6th
Water: 364 sq.mi. (943 sq.km.), 48th
Arkansas
Area: 53,182 sq.mi (137,741 sq.km.), 29th
Land: 52,075 sq.mi. (134,874 sq.km.), 27th
Water: 1,107 sq.mi. (2,867 sq.km.), 31st
California
Area: 163,707 sq.mi (423,999 sq.km.), 3rd
Land: 155,973 sq.mi. (403,969 sq.km.), 3rd
Water: 7,734 sq.mi. (20,031 sq.km.), 6th
Coastline: 840 mi. (1,352 km.), 3rd
Shoreline: 3,427 mi. (5,515 km.), 5th
Colorado
Area: 104,100 sq.mi (269,618 sq.km.), 8th
Land: 103,730 sq.mi. (268,660 sq.km.), 8th
Water: 371 sq.mi. (961 sq.km.), 46th'

等等等等

我正在尝试做的是开发一个脚本，该脚本在解析时单独提取每个状态的信息。

所以脚本看起来像这样：

for state in $(cat states.txt | egrep -v 'Area|Land|Water' | grep [A-Z]) ; do 
echo $state >> ./statelist.txt ; 
done ;
for statesnip in $(cat ./statelist.txt | awk 'NR>1{print p "_" $0 ORS} {p=$0}' | grep [A-Z]) ; do 
    state1=$(echo $statesnip | awk -F _ '{print $1}') ; 
    state2=$(echo $statesnip | awk -F _ '{print $2}') ; 
    cat ./states.txt | awk '/$state1/{f=1}; /$state2/{f=0}' >> $state1.tmp.txt ; 
done;
rm -f ./statelist.txt

所以这是打破的：

第一个，是传递到 awk 中的变量：

如

awk -v state1=$state1 -v state2=$state2 '/state1/{f=1} f; /state2/{f=0}';

或

awk -v state1=${state1} state2=${state2} '/state1/{f=1} f; /state2/{f=0}';

我收到错误

第二个是当我将变量调整为它们的 -v 格式时，awk 不喜欢它（它只是猫的整个文件，无数次）。

 awk -v state1=${state1} -v state2=${state2} 'state1{f=1} f; state2{f=0}'

我只是反复得到整个文件的完整猫。

预期输出应如下所示：

cat ./statelist.txt
Alabama
Alaska
Arizona
Arkansas
California
Colorado
cat ./statelist.txt | awk 'NR>1{print p "_" $0 ORS} {p=$0}' | grep [A-Z]
Alabama_Alaska
Alaska_Arizona
Arizona_Arkansas
Arkansas_California
California_Colorado
cat ./Alabama.txt:
Alabama
Area: 52,423 sq.mi (135,775 sq.km.), 30th
Land: 50,750 sq.mi. (131,442 sq.km.), 28th
Water: 1,673 sq.mi. (4,333 sq.km.), 23rd
Coastline: 53 mi. (85 km.), 17th
Shoreline: 607 mi. (977 km.), 19th
cat ./Alaska.txt
Alaska
Area: 656,425 sq.mi (1,700,134 sq.km.), 1st
Land: 570,374 sq.mi. (1,477,263 sq.km.), 1st
Water: 86,051 sq.mi. (222,871 sq.km.), 1st
Coastline: 6,640 mi. (10,686 km.), 1st
Shoreline: 33,904 mi. (54,563 km.), 1st
cat ./Arizona.txt
Arizona
Area: 114,006 sq.mi (295,274 sq.km.), 6th
Land: 113,642 sq.mi. (294,332 sq.km.), 6th
Water: 364 sq.mi. (943 sq.km.), 48th
cat ./Arkansas.txt
Arkansas
Area: 53,182 sq.mi (137,741 sq.km.), 29th
Land: 52,075 sq.mi. (134,874 sq.km.), 27th
Water: 1,107 sq.mi. (2,867 sq.km.), 31st
cat ./California.txt
California
Area: 163,707 sq.mi (423,999 sq.km.), 3rd
Land: 155,973 sq.mi. (403,969 sq.km.), 3rd
Water: 7,734 sq.mi. (20,031 sq.km.), 6th
Coastline: 840 mi. (1,352 km.), 3rd
Shoreline: 3,427 mi. (5,515 km.), 5th
cat ./Colorado.txt
Colorado
Area: 104,100 sq.mi (269,618 sq.km.), 8th
Land: 103,730 sq.mi. (268,660 sq.km.), 8th
Water: 371 sq.mi. (961 sq.km.), 46th'

Answer 1

任何时候你在shell中编写一个循环只是为了操作文本，你都有错误的方法。

在这种情况下，看起来整个事情真正需要的是：

awk 'NF==1{out=$1".txt"} {print > out}' states.txt

如果不是这样，请澄清。哦，对于非 gawk，您可能需要在out=...之前添加close(out)。

Answer 2

尽管该问题暗示 awk 用于解析文件，但给定的脚本使用的其他命令多于使用 awk。 Awk可以用来完成整个工作。

awk 
  ' 
    BEGIN 
    { FS = ":" }
    NF == 1 && /^[A-Z]/ 
    { FILE = $0 ".txt"; printf "n%snn", $0 >FILE }
    NF > 1 
    { print >FILE }
  ' states.txt

虽然较小的脚本可以完成这项工作，但这个脚本有一些额外的内容。 使用冒号作为字段分隔符可快速区分数据与标题行。 空白行将被忽略，printf（） 用于在输出文件中生成标题行。 这意味着输入文件中不需要空格，并且意味着额外的空格或空白行不会弄乱输出。 这可能是你想要的，也可能不是你想要的。