求助：使用awk/sed将多行文本按可变模式转换为列

看来你在处理带可变标记（比如HEADLINE01、INFO）的文本时遇到了拆分难题，我来给你几个实用的awk技巧，分两种常见场景来解决：

场景1：原始文本是多行，每个标记单独占一行 #

如果你的数据是类似这种结构：

HEADLINE01: 产品A上线通知
INFO: 2024年5月1日正式发布，支持多平台
HEADLINE02: 系统维护公告
INFO: 5月10日凌晨2-4点进行服务器升级

可以用awk按标记分组，把每个HEADLINE对应的INFO内容聚合输出：

/^HEADLINE/ {
    # 如果已有未输出的标题，先输出上一组内容
    if (curr_head != "") {
        printf "%s\n%s\n---\n", curr_head, curr_info
    }
    # 提取HEADLINE后的内容（跳过"HEADLINExx: "部分）
    curr_head = substr($0, index($0, ":") + 2)
    curr_info = ""
}
/^INFO/ {
    # 提取INFO后的内容
    curr_info = substr($0, index($0, ":") + 2)
}
# 处理最后一组内容
END {
    printf "%s\n%s\n", curr_head, curr_info
}

这个脚本会把每个标题和对应的信息配对输出，还加了分隔线方便阅读，你可以根据需求调整输出格式。

场景2：文本已被转为单行，标记穿插在内容中 #

如果你的数据是单行拼接后的格式，比如：

HEADLINE01: 产品A上线通知 INFO: 2024年5月1日发布 HEADLINE02: 系统维护公告 INFO: 5月10日升级

这种情况可以通过自定义字段分隔符来拆分标记：

BEGIN {
    # 设置字段分隔符为"HEADLINExx: "或"INFO: "
    FS = "(HEADLINE[0-9]+|INFO): "
    # 设置输出分隔符为换行
    OFS = "\n"
}
{
    # 从第2个字段开始，每两个字段为一组（标记+内容）
    for (i = 2; i <= NF; i += 2) {
        print $i ": " $(i+1)
        # 可选：添加分隔线区分不同组
        if (i+1 < NF) print "---"
    }
}

如果你的标记格式更灵活（比如HEADLINE后面可能是字母或混合字符），可以把正则改成(HEADLINE[A-Z0-9]*|INFO): 来适配。

如果你用的是GNU awk（gawk），还可以用正则捕获组来更精准地匹配：

{
    # 循环匹配所有标记和对应的内容，直到处理完整个行
    while (match($0, /(HEADLINE[0-9]+|INFO): (.*?)(?=HEADLINE|INFO|$)/, arr)) {
        print arr[1] ": " arr[2]
        # 截取未处理的剩余文本
        $0 = substr($0, RSTART + RLENGTH)
    }
}

这里的.*?是非贪婪匹配，能确保内容只匹配到下一个标记前的部分，避免过度截取。

实用调试技巧 #

如果拆分结果不符合预期，可以先做简单调试：

• 用awk '{print NF}'查看拆分后的字段数量，确认字段分隔符是否生效
• 用awk '{for(i=1;i<=NF;i++) print i": "$i}'列出所有字段，检查拆分是否正确
• 对于gawk，用match()函数的捕获组参数arr，打印arr[1]和arr[2]来验证匹配结果

内容的提问来源于stack exchange，提问作者ya801