Combinare le espressioni regolari con sed/awk

Benvenuto nell'ultima lezione sulle espressioni regolari! Abbiamo imparato la potenza delle regex per la ricerca di schemi.

Ora uniremo questa potenza a due strumenti Linux essenziali: sed (editor di flussi) e awk (linguaggio per la scansione e l'elaborazione di schemi). Questa integrazione consente di eseguire filtraggio, sostituzione ed estrazione di dati dal testo a un livello molto avanzato.

sed può usare le espressioni regolari per filtrare le righe. L'indirizzo /pattern/ consente a sed di applicare i comandi solo alle righe che corrispondono alla regex indicata.

L'opzione -n sopprime l'output predefinito, mentre p stampa esplicitamente le righe corrispondenti.

Il comando s/regex/replacement/ di sed è il punto in cui le regex danno il meglio per la trasformazione del testo. È possibile sostituire con un nuovo testo gli schemi individuati dalla regex.

Il flag g sostituisce tutte le occorrenze in una riga, mentre i rende la corrispondenza insensibile alle maiuscole e minuscole.

Le espressioni regolari consentono di definire gruppi di cattura usando le parentesi (). È quindi possibile fare riferimento al testo corrispondente a questi gruppi nella stringa di sostituzione usando riferimenti all'indietro come \1, \2 ecc.

Usi -E con sed per la sintassi delle regex estese, ad esempio per usare () senza caratteri di escape.

awk usa gli schemi regex per selezionare i record (righe) prima di eseguire le azioni. Se uno schema viene fornito prima di un blocco di azioni {...}, l'azione viene eseguita solo per le righe che corrispondono allo schema.

È simile a grep, ma consente un'elaborazione più complessa.

In awk è possibile applicare schemi regex a campi specifici usando gli operatori ~ (corrisponde) e !~ (non corrisponde). È molto potente per i dati strutturati.

Ad esempio, $1 ~ /pattern/ verifica se il primo campo corrisponde alla regex.

awk offre funzioni come match(string, regex) per trovare la posizione e la lunghezza di una corrispondenza e substr(string, start, length) per estrarla.

Dopo match(), RSTART contiene la posizione iniziale e RLENGTH contiene la lunghezza della corrispondenza.

awk dispone anche di funzioni integrate per la sostituzione: sub(regex, replacement, target) per la prima corrispondenza e gsub(regex, replacement, target) per tutte le corrispondenze.

Se target viene omesso, viene usato $0 (l'intero record). È possibile specificare un campo come $1.

Sebbene sia sed sia awk possano usare le regex per la sostituzione e il filtraggio, eccellono in aree diverse:

• sed è generalmente più adatto a semplici trasformazioni e sostituzioni riga per riga. È un editor di flussi.
• awk è più potente per elaborare dati strutturati (campi), eseguire calcoli e gestire logiche più complesse o schemi su più righe. È un vero e proprio linguaggio di programmazione.

Spesso è possibile concatenarli con pipe | per attività molto complesse.

Consideri la seguente riga di testo:

Order#12345: ProductX - Price $19.99

Quale comando estrarrebbe correttamente il prezzo (ad esempio '19.99') e quindi cambierebbe il simbolo della valuta in 'EUR'?

Ha acquisito padronanza della combinazione delle espressioni regolari con sed e awk!

• sed eccelle nel filtrare e sostituire il testo riga per riga, usando le regex per una potente ricerca e sostituzione di schemi.
• awk offre un approccio più programmatico: consente di usare le regex per filtrare i record, cercare corrispondenze in campi specifici ed estrarre o modificare dati con funzioni come match(), substr(), sub() e gsub().

Questa competenza è fondamentale per l'elaborazione avanzata del testo e lo scripting in Linux.