如何在AWK中使用匹配反向引用检测并去除重复双字母？

• gensub是GNU AWK（gawk）独有的扩展函数，非GNU版本的AWK（如macOS系统自带的BSD AWK）不支持该函数，运行后会无效果。
• 正则写法的转义规则错误，同时要注意gensub不会修改输入的原字符串，必须显式使用它的返回值。

先确认你使用的是GNU AWK，可执行awk --version查看版本信息，若没有GNU标识，需安装gawk后使用gawk命令执行脚本。

可直接运行的测试命令 #

gawk 'BEGIN {f="telly" ;print gensub(/(.)\1/,"\\1","g",f)}'
# 输出：tely

测试connoisseur的效果：

gawk 'BEGIN {f="connoisseur" ;print gensub(/(.)\1/,"\\1","g",f)}'
# 输出：conoiseur，重复的n、s均已去重

适配你的业务脚本的写法 #

你的disambiguate函数需要按如下方式实现，确保正确返回处理后的字符串：

function disambiguate(str) {
    # 正则用字面量写法，无需额外转义，直接返回gensub的处理结果
    return gensub(/(.)\1/, "\\1", "g", str)
}

BEGIN {FS= "\"" }
{print $2,$4,disambiguate($4),isolate_terminal_vowels($4),devowelCentre(isolate_terminal_vowels($4)),$6}

如果你需要用动态拼接的正则（而非固定正则字面量），需要对反斜杠做二次转义，写法如下：

function disambiguate(str) {
    # 字符串形式的正则需要四层反斜杠才能匹配到反向引用
    return gensub("(.)\\\\1", "\\1", "g", str)
}

内容的提问来源于stack exchange，提问作者Tobe