如何用awk保留第一个字段的前置空格并输出指定字段

问题描述 #

有如下格式的输入文本：

aaaaaa bbbb     cccccc
     dddddddddddddd ee  fff
  gggggggg hhh   iiiii

需要仅输出第1和第3字段，同时保留第一个字段的原始前置空格，期望输出：

aaaaaa cccccc
     dddddddddddddd fff
  gggggggg iiiii

使用简单的print($1,$3)会丢失前置空格：

aaaaaa cccccc
ddddddddddddddd fff
gggggggg iiiii

尝试$1=sprintf("%20s",$1)会导致第一个字段右对齐到指定列，不符合需求：

aaaaaa cccccc
      dddddddddddddd fff
            gggggggg iiiii

解决方案 #

方法1：利用awk的match函数提取前置空格与字段内容 #

核心思路是先匹配每行开头的所有空白字符，再提取第一个非空白字段和第三个字段，最后拼接输出：

match($0, /^[[:space:]]+/, pre) {
    print pre[0] $1, $3
}

解释：

• match($0, /^[[:space:]]+/, pre) 匹配行首所有空白字符，存入数组pre
• pre[0] 就是行首的原始前置空格，再拼接$1和$3即可保留原始格式

方法2：拆分行首空白与内容，再重组 #

如果你的awk版本不支持第三个参数（存储匹配结果的数组），可以用以下写法：

{
    space = substr($0, 1, length($0) - length(ltrim($0)))
    print space $1, $3
}
function ltrim(s) { sub(/^[[:space:]]+/, "", s); return s }

解释：

• 自定义ltrim函数去除字符串开头的空白
• 通过计算原行长度减去去空白后的长度，得到行首空白的长度，再用substr提取原始空格
• 最后拼接空格、$1和$3输出

方法3：使用gensub直接替换不需要的字段 #

另一种思路是直接把第二个字段（包括其前后的空白）替换为空，只保留行首空格、第一个字段和第三个字段：

{ print gensub(/^([[:space:]]+\S+)\s+\S+\s+(.*)/, "\\1 \\2", 1) }

解释：

• 正则表达式^([[:space:]]+\S+)\s+\S+\s+(.*)捕获三个部分：行首空格+第一个字段、第二个字段、第三个字段及后续内容
• 替换为\\1 \\2，即保留第一部分和第三部分，中间用空格分隔，刚好符合需求

内容的提问来源于stack exchange，提问作者Philippe le peuch