含awk/read的Bash脚本在另一设备无法运行的排查求助

问题背景 #

本地运行的Bash脚本可从search HTML文件中提取带movieTitleCat类的a标签内的href路径，拼接基础URL后正常输出；但在搭载GNU bash 4.4.0(aarch64-unknown-linux-gnu)的设备上运行时，仅输出基础URL，无法提取href后的路径部分。

相关代码与示例 #

HTML片段：

<a class="movieTitleCat" tytul="Godzilla: Król potworów"  id="14220" href="napisy-14220-Godzilla-Król-potworów-(1954)"><h3>Godzilla: Król potworów (Gojira) - 1954r. </h3></a>

原Bash脚本：

#!/bin/bash
read -r -d "" awkCode << 'SEARCHTITLEAWKEOF'
/movieTitleCat/ {
    match($0, /href="([^"]*)"/, cHref)
    printf("%s\n", (napiBase "/" cHref[1]))
}
SEARCHTITLEAWKEOF

cat /home/gato/search | awk -v napiBase="http://lalalala.com" "$awkCode"

本地正常输出：

http://lalalala.com/napisy-14220-Godzilla-Król-potworów-(1954)
http://lalalala.com/napisy-6336-Godzilla-(1984)
...

目标设备异常输出：

http://lalalala.com/
http://lalalala.com/
...

问题诊断 #

核心原因是目标设备的awk版本不支持match()函数的第三个数组参数：

• GNU awk 4.0及以上版本才引入match(string, regexp, array)语法，可将正则捕获组的内容存入指定数组；
• 若目标设备的awk版本低于4.0，cHref数组不会被赋值，cHref[1]为空字符串，最终只输出napiBase/。

可在目标设备执行以下命令验证awk版本：

awk --version

解决方案 #

方案1：使用POSIX兼容的awk语法（适配所有awk版本） #

替换原脚本中的awk逻辑，用match()的内置变量RSTART和RLENGTH提取路径：

#!/bin/bash
read -r -d "" awkCode << 'SEARCHTITLEAWKEOF'
/movieTitleCat/ {
    line = $0
    # 匹配href="xxx"格式的字符串
    if (match(line, /href="[^"]*"/)) {
        # 截取掉href="和最后的"，得到路径部分
        href_path = substr(line, RSTART + 6, RLENGTH - 7)
        printf("%s/%s\n", napiBase, href_path)
    }
}
SEARCHTITLEAWKEOF

cat /home/gato/search | awk -v napiBase="http://lalalala.com" "$awkCode"

• RSTART：匹配字符串的起始索引；
• RLENGTH：匹配字符串的长度；
• substr(line, RSTART+6, RLENGTH-7)：跳过href="（6个字符），减去末尾的"（1个字符），最终得到纯路径。

方案2：升级目标设备的GNU awk版本 #

如果目标设备允许软件升级，可将GNU awk升级到4.0及以上版本，原脚本即可直接正常运行。

内容的提问来源于stack exchange，提问作者D S