如何在awk中使用正则表达式校验文件日期列并排查代码问题

原代码存在的问题 #

• 语法结构错误：BEGIN 代码块未被正确包裹在awk执行语句的引号内，且块定义缺少外层大括号，awk无法正常解析初始化逻辑。
• 正则语法不兼容：原代码使用的\d（匹配数字）、\z（匹配字符串结尾）属于PCRE正则语法，awk默认使用POSIX扩展正则，不识别上述写法。
• 分隔符匹配错误：正则中未转义的.是通配符，可匹配任意字符，无法精准匹配时间部分的冒号分隔符，容易出现误匹配。
• 结尾锚定符错误：awk正则中匹配字段/行结尾需要用$，而非PCRE语法的\z。

修正后可直接运行的代码 #

awk -F '|' 'BEGIN{OFS=FS} $1 ~ /^[0-9]{1,2}\/[0-9]{1,2}\/[0-9]{4} [0-9]{1,2}:[0-9]{1,2}:[0-9]{1,2} [AP]M$/ {print $0}' file > file.out

匹配逻辑说明 #

正则严格匹配第一列的格式要求：

• 起始段为月/日/年格式：月、日为1-2位数字，年为4位数字，段间用斜杠分隔
• 日期后接空格，后跟时:分:秒格式的时间：时、分、秒均为1-2位数字，段间用冒号分隔
• 时间后接空格，以AM或PM结尾，第一列无多余字符

运行上述代码处理提供的测试文件，会得到期望的输出结果：

04/21/2014 02:04:55 AM|34536
12/31/2021 03:29:15 AM|87612

内容的提问来源于stack exchange，提问作者Nadia Alice