如何使用AWK在指定列精确匹配完整字符串 避免子串误匹配

问题背景 #

使用awk做字符串匹配时遇到子串误匹配问题，待处理文件为sup_groups.txt，文件每行格式为group_name:pw:group_id:user1,user2...，具体内容：

adm:x:4:syslog,adm1
admins:x:1006:adm2,adm12,manuel
ssl-cert:x:122:postgres
ala2:x:1009:aceto,salvemini
conda:x:1011:giovannelli,galise,aceto,caputo,haymele,salvemini,scala,adm2,adm12
adm1Group:x:1022:adm2,adm1,adm3
docker:x:998:manuel

需求是提取第四列用户列表中精确包含用户adm1的行，输出第一列的组名。最初使用的命令是简单子串匹配：

awk -F: '$4 ~ "adm1" {print $1}' sup_groups.txt

由于文件中存在adm12这类名称包含adm1的用户，命令输出了错误结果：

adm
admins
conda
adm1Group

其中admins、conda两行是因为包含adm12被误匹配，预期正确结果只有adm和adm1Group两行。

问题解决 #

自写方案的问题 #

你自己补充的正则写法$4 ~ "adm,|adm1$|:adm1,"有两个明显漏洞：

• 第一个匹配规则adm,会匹配所有以adm开头的用户项，比如adm2,、adm12,都会命中，完全无法过滤误匹配
• 规则遗漏了adm1出现在用户列表首位的场景，同时:adm1,的写法完全无效——因为按冒号分割后，第四列的内容里不会再包含冒号

正确实现方式 #

两个经过验证的可用写法，都能得到正确结果：

• 正则边界匹配（写法最简洁）
  利用awk正则的单词边界符\<和\>，仅匹配独立的adm1单词，不会匹配前后拼接其他字符的adm12：

  awk -F: '$4 ~ /\<adm1\>/ {print $1}' sup_groups.txt
  

• 字段拆分比对（逻辑最严谨，无正则歧义）
  把第四列按逗号拆分成独立的用户名，逐个做精确相等判断，只要存在匹配项就输出组名，完全避免正则规则带来的误判：

  awk -F: '{
      split($4, users, ",")
      for(idx in users) {
          if(users[idx] == "adm1") {
              print $1
              break
          }
      }
  }' sup_groups.txt
  

两个命令执行后的输出均为预期结果：

adm
adm1Group

内容的提问来源于stack exchange，提问作者sirducas