如何在awk中使用split函数将驼峰式字符串分割为数组？

你当前用split(STRING, WORDS, /([a-z])([A-Z])/)得到错误结果的原因是：split的第三个参数是分隔符模式，这个正则会匹配「小写字母+大写字母」的组合，分割时会把这两个匹配的字符直接丢弃，导致原字符串里的lC、dE被当作分隔符去掉，所以剩下的内容就变成了came、ase、xample。

下面提供三种可行的正确实现方式：

方法1：先插入分隔符再分割（通用awk兼容） #

先用gensub在每个大写字母前插入一个分隔符（比如空格），再用split分割处理后的字符串：

STRING="camelCasedExample"
MODIFIED = gensub(/([A-Z])/, " \\1", "g", STRING)
split(MODIFIED, WORDS, / /)

# 验证结果
for (i=1; i<=length(WORDS); i++) {
    print "WORDS[" i "] = \"" WORDS[i] "\""
}

执行后会得到：

WORDS[1] = "camel"
WORDS[2] = "Cased"
WORDS[3] = "Example"

方法2：使用GNU awk的FPAT字段匹配 #

如果你的环境是GNU awk，可以利用FPAT定义字段的匹配规则（而非分隔符），直接提取目标内容：

STRING="camelCasedExample"
FPAT="[a-z]+|[A-Z][a-z]*"
$0 = STRING

# 将字段赋值给WORDS数组
for (i=1; i<=NF; i++) {
    WORDS[i] = $i
}

# 验证结果
for (i in WORDS) {
    print "WORDS[" i "] = \"" WORDS[i] "\""
}

FPAT的规则是匹配「一串小写字母」或者「大写字母开头后跟一串小写字母」，刚好对应驼峰的每个单词部分。

方法3：循环匹配提取（通用awk兼容） #

通过match函数循环匹配目标模式，逐个提取驼峰单词并存入数组：

STRING="camelCasedExample"
i=0
temp_str = STRING

while (match(temp_str, /[a-z]+|[A-Z][a-z]*/, match_arr)) {
    WORDS[++i] = match_arr[0]
    # 截断已匹配的部分，继续处理剩余字符串
    temp_str = substr(temp_str, RSTART + RLENGTH)
}

# 验证结果
for (i=1; i<=length(WORDS); i++) {
    print "WORDS[" i "] = \"" WORDS[i] "\""
}

这种方法灵活性更高，适合需要对匹配结果做额外处理的场景。

内容的提问来源于stack exchange，提问作者Raven