如何用AWK将含任意空白分隔的邮件列表分割为多行记录

有一个包含5条邮件地址记录的Bash变量mailing_list，记录之间以包含任意数量空白字符的空行分隔。尝试用AWK设置不同的记录分隔符（RS）来分割记录并统计数量，但最后一段代码返回的记录数为7，与实际的5条不符，需要实现正确的分割统计。

用户的测试脚本如下：

#!/usr/bin/bash

mailing_list="Jane Doe
123 Main Street
Anywhere, SE 12345-6789

John Smith
456 Tree-lined Avenue
Smallville, MW 98765-4321



Amir Faquer
C. de la Lusitania 98
08206 Sabadell
        
Amir Faquer w spaces before
C. de la Lusitania 98
08206 Sabadel
    
      
      
      
Wife w spaces before
C. de la Lusitania 98
08206 Sabadell
"
echo "$mailing_list"|awk -v RS='' -v FS='
' '/.*/ 
END {print "The number of records is "NR"."}'

echo "$mailing_list"|awk -v RS='

+' -v FS='
' '/.*/ 
END {print "The number of records is "NR"."}'

echo "$mailing_list"|awk -v RS='
 *
+' -v FS='
' '/.*/ 
END {print "The number of records is "NR"."}'

方法1：使用GNU AWK（gawk）的正则记录分隔符 #

GNU AWK支持正则表达式作为RS，可以直接匹配任意含空白的空行（包括连续的）作为分隔符：

echo "$mailing_list" | gawk -v RS='[[:space:]]*(\\n[[:space:]]*)+' 'NF {count++} END {print "The number of records is " count "."}'

• RS='[[:space:]]*(\\n[[:space:]]*)+'：匹配任意数量的空白字符，加上一个或多个「换行+任意空白字符」的组合，无论空行里有多少空格/制表符、无论有多少连续空行，都会被视为单个分隔符。
• NF {count++}：仅统计非空记录（NF是当前记录的字段数，非空记录至少有一个字段），避免空记录干扰计数。

方法2：兼容POSIX AWK的通用写法 #

如果无法使用GNU AWK，可先预处理文本，统一空行格式后再统计：

echo "$mailing_list" | awk '{
    if (/^[[:space:]]*$/) {
        if (!blank_printed) {
            print ""
            blank_printed = 1
        }
    } else {
        print
        blank_printed = 0
    }
}' | awk 'BEGIN {RS=""} {count++} END {print "The number of records is " count "."}'

• 第一段awk：将所有含空白的空行替换为单个普通空行，同时压缩连续空行，确保记录之间只有单个空行分隔。
• 第二段awk：使用RS=""（POSIX AWK默认的多空行分隔符）分割记录并统计数量。

最后一段代码RS='\n *\n+'的问题在于：

1. 仅匹配「换行+空格+一个或多个换行」，无法覆盖开头/结尾的空白空行，也无法处理空行前后有制表符的情况。
2. 遇到连续的「换行+空格+换行+空格+换行」时，会被拆分成多个分隔符，导致中间产生额外的空记录或误将记录内部的行尾空格+换行识别成分隔符，最终统计出多余的记录数。

内容的提问来源于stack exchange，提问作者John Smith