为何用awk提取2022世界幸福报告国家名单失败？求解决方案

原命令的问题 #

你的awk命令无法运行的核心原因有两个：

1. 正则表达式中的[是特殊字符，需要用反斜杠转义，原命令里的[[ *]]会被awk解析为无效的正则字符组；
2. 直接把[[...]]设为记录分隔符（RS）会提取到页面中所有[[包裹的内容，而不仅仅是2022年排名表格里的国家名，结果会包含大量无关链接。

精准提取的awk命令 #

先通过curl获取维基百科的原始文本，再用awk定位2022年排名表格的行，提取其中的国家名：

curl -s "https://en.wikipedia.org/wiki/World_Happiness_Report?action=raw" | awk '/^\|\s*[0-9]+\s*\|\s*\[\[/ {match($0, /\[\[([^\]|]+)/, arr); print arr[1]}' | head -6

这个命令的逻辑：

• 匹配以|开头、包含数字排名和[[的表格行（对应2022年排名的行）；
• 用match函数提取[[之后、]或|之前的内容（处理类似[[Finland|Finland]]的格式）；
• 用head -6取前6个国家，正好是你需要的结果。

替代方案：grep + sed组合 #

如果更习惯用grep和sed，也可以用以下命令：

curl -s "https://en.wikipedia.org/wiki/World_Happiness_Report?action=raw" | grep -E '^\|\s*[0-9]+\s*\|\s*\[\[' | sed -E 's/.*\[\[([^\]|]+).*/\1/' | head -6

逻辑和awk版本一致，先筛选目标行，再用sed替换提取国家名。

内容的提问来源于stack exchange，提问作者Dave Shah