awk匹配词编号异常修复及多关键词全匹配扩展方案咨询

你原来的命令执行异常有两个核心原因：

• awk的gsub()函数的替换字符串会预先完成变量/表达式求值，再对所有匹配项执行统一替换，并不是每匹配到一个目标词就动态计算一次替换内容，同一行的所有匹配项会共用同一个计数器值，计数逻辑完全不符合预期
• 你用a["&"]作为计数键，这里的"&"是字面量字符串，不是匹配到的关键词本身，后续扩展多关键词时也无法区分不同词的计数

可直接实现8个better按出现顺序从1到8编号，同时支持完整单词匹配避免命中子串：

python -c 'import this' | awk -v t="better" '
{
    pos = 1
    while(match($0, "\\<" t "\\>", arr, pos)) {
        cnt[t]++
        $0 = substr($0,1,RSTART-1) "[" arr[0] "-" cnt[t] "]" substr($0,RSTART+RLENGTH)
        pos = RSTART + RLENGTH
    }
    print
}'

完全满足从match.txt读取关键词、完整单词匹配、仅单次扫描输入的需求：

1. 先将待匹配关键词每行一个存入match.txt，示例内容如下：

better
explicit
simple

2. 执行对应awk命令：

python -c 'import this' | awk '
# 第一步读取所有待匹配关键词
NR == FNR {
    keywords[$0] = 1
    next
}
# 第二步处理输入文本
{
    pos = 1
    while(match($0, /\<[a-zA-Z]+\>/, arr, pos)) {
        cur_word = arr[0]
        if (cur_word in keywords) {
            cnt[cur_word]++
            $0 = substr($0,1,RSTART-1) "[" cur_word "-" cnt[cur_word] "]" substr($0,RSTART+RLENGTH)
        }
        pos = RSTART + RLENGTH
    }
    print
}' match.txt -

方案特性：

• 不同关键词独立计数，增删匹配词仅需修改match.txt无需调整命令逻辑
• 自动识别单词边界，不会把子串当成匹配项（比如不会匹配betterness中的better）
• 仅对输入文本做一次扫描，处理效率更高

内容的提问来源于stack exchange，提问作者stack0114106