如何用单条awk命令提取跨行匹配字符串及关联的文件、行号、出现次数数据

针对受限环境（无pcregrep、大体量目录、单遍历需求），方案针对性解决现有awk脚本的两处核心问题：

• 修正统计逻辑：全文件加载后统一循环匹配完整目标，避免逐行读取时的片段误算、次数统计错误
• 消除输出异常：读取内容时先移除回车符\r，从根源上避免\r导致的光标回退、打印内容被覆盖错位的问题

完整可直接运行的命令 #

# 替换下方/你的搜索根目录为实际需要遍历的路径
find /你的搜索根目录 -type f | awk '
# 处理新文件的初始化逻辑
FNR == 1 {
    # 上一个文件处理完时输出结果
    if (NR > 1) process_file()
    # 重置当前文件的状态变量
    whole_buf = ""
    delete line_offset_map
    current_pos = 0
    match_count = 0
    match_detail = ""
    current_file = FILENAME
}

# 逐行读取预处理
{
    # 移除行内所有\r，解决输出覆盖问题
    gsub(/\r/, "")
    # 记录每行在全量缓冲区的位置，用于后续匹配的行号定位
    line_offset_map[current_pos + length($0) + 1] = FNR
    # 将当前行拼入全量文件缓冲区，保留原始代码结构
    whole_buf = whole_buf $0 "\n"
    current_pos += length($0) + 1
}

# 所有文件处理完成后，输出最后一个文件的结果
END {
    if (NR > 0) process_file()
}

# 自定义文件匹配处理函数
function process_file(    target_pattern, match_res, search_start, match_abs_start, target_line, off) {
    # 替换下方正则为你需要匹配的目标模式，示例默认跨多行匹配new File()
    # 用[[:space:]]匹配任意含换行的空白间隔，实现跨多行识别
    target_pattern = "new[[:space:]]*File[[:space:]]*\\([[:space:]]*\\)"
    search_start = 1
    match_count = 0
    match_detail = ""

    # 循环检索所有匹配项，统一统计总次数
    while (match(substr(whole_buf, search_start), target_pattern, match_res)) {
        match_count++
        # 计算当前匹配在全量缓冲区的绝对起始位置
        match_abs_start = search_start + RSTART - 1
        # 根据偏移位置定位匹配对应的行号
        target_line = 1
        for (off in line_offset_map) {
            if (off <= match_abs_start) target_line = line_offset_map[off]
        }
        # 收集匹配详情
        match_detail = match_detail "\n  - 匹配内容: " match_res[0] "\n    所在行号: " target_line
        # 移动搜索起点，检索下一个匹配
        search_start = match_abs_start + RLENGTH - 1
    }

    # 按要求输出四类关联信息
    print "文件/路径: " current_file
    print "目标模式总出现次数: " match_count
    if (match_count > 0) print "匹配详情: " match_detail
    print "---"
}
'

方案适配特性 #

• 单次目录遍历：通过find一次性收集全量目标文件路径，全程无重复目录扫描，完全适配大体量文件夹的性能要求
• 跨多行匹配支持：单文件全量读入连续缓冲区，正则通过[[:space:]]匹配含换行符的任意间隔，可准确识别跨多行出现的目标字符串
• 无额外依赖：纯用系统自带的awk、find实现，适配无安装权限的受限环境
• 输出完全匹配需求：每个文件单独输出路径、总匹配次数、匹配原文内容、匹配对应行号

自定义调整说明 #

• 替换find后的根路径为实际需要遍历的目标目录
• 按需修改target_pattern对应的正则表达式，支持自定义匹配规则（比如扩展为匹配带参数的new File("xxx")结构时，可将正则调整为"new[[:space:]]*File[[:space:]]*\\([^)]*\\)"）

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