如何定位文本中偶数个双引号后的首个#索引？脚本结果异常

需求说明 #

需要从每行文本中，找到**位于偶数个双引号之后的第一个#**的索引（索引从0开始），也就是不在双引号包裹范围内的第一个#的位置。

测试文本文件内容 #

e2c=["(vsim-86)" ,'kkk', "pppp", 
"bbbbbb", #"old", "uio",
" sds # sds", #"old2",
" sds # sds", " a # b",#"old2",
# ' sds # sds',
# - "example of string to override"
 "aaaaaa" ]

现有脚本问题 #

现有bash脚本通过grep -P配合awk的方式，错误匹配了双引号内的#：

• 对于行" sds # sds", #"old2",，返回索引6（对应双引号内的#），预期应为14（双引号外的第一个#）
• 对于行" sds # sds", " a # b",#"old2",，返回索引6，预期应为23

现有脚本代码：

while IFS= read -r rline; do
  echo $rline # prints a line from the file
  index=$(grep -P '(^[^"]*(["][^"]*["][^"]*){0,}[^"]*#)'  <<< "$rline" | awk '{print index($0, "#")-1}')
  echo "The index of the first not in string # is: $index"
done < file.txt

修正方案 #

直接用awk跟踪双引号状态，精准定位目标#：

while IFS= read -r rline; do
  echo "$rline"
  index=$(awk -v line="$rline" '
    BEGIN {
      in_quote = 0
      len = length(line)
      for (i=1; i<=len; i++) {
        char = substr(line, i, 1)
        if (char == "\"") {
          in_quote = !in_quote
        } else if (char == "#" && in_quote == 0) {
          print i-1
          exit
        }
      }
      print ""
    }')
  echo "The index of the first not in string # is: $index"
done < file.txt

逻辑说明 #

1. 遍历每行的每个字符，维护in_quote变量标记当前是否处于双引号内（遇到"就翻转状态）
2. 当遇到#且in_quote为0（不在双引号内）时，输出当前索引（减1转为0起始）并退出循环
3. 若遍历完未找到符合条件的#，输出空字符串

正确输出结果 #

e2c=["(vsim-86)" ,'kkk', "pppp", 
The index of the first not in string # is: 
"bbbbbb", #"old", "uio",
The index of the first not in string # is: 10
" sds # sds", #"old2",
The index of the first not in string # is: 14
" sds # sds", " a # b",#"old2",
The index of the first not in string # is: 23
# ' sds # sds',
The index of the first not in string # is: 0
# - "example of string to override"
The index of the first not in string # is: 0
 "aaaaaa" ]
The index of the first not in string # is: 

内容的提问来源于stack exchange，提问作者taquionbcn