Awk匹配YYYY-MM-DD日期列：为何某正则命令失效？

这个问题的核心在于awk默认使用的正则表达式语法规则，咱们一步步拆解差异：

能正常工作的命令分析 #

这条命令用的是最基础的正则写法：

echo 1,2,3,4,2015-12-34 | awk -F, '{if($5~/^[0-9][0-9][0-9][0-9]-[0-9][0-9]-[0-9][0-9]$/) print $1}'

它通过重复写[0-9]来明确匹配“4位数字-2位数字-2位数字”的格式，这种写法不管是在POSIX基本正则表达式（BRE）还是扩展正则表达式（ERE）里都能被正确识别，所以可以正常匹配目标日期列。

无法工作的命令问题所在 #

这条命令用了更简洁的量词语法，但踩了awk正则的默认规则坑：

echo 1,2,3,4,2015-12-34 | awk -F, '{if($5~/^[0-9]{4}-[0-9]{2}-[0-9]{2}$/)print $1}'

awk默认使用POSIX基本正则表达式（BRE），在BRE语法里，{}是普通的字面字符，不会被当成“重复n次”的量词来解析。也就是说，这条命令里的{4}和{2}会被当成要匹配的字符本身，而不是“前面的字符重复4次/2次”，自然就匹配不到你的日期格式了。

两种解决方法 #

方法1：转义量词（适配BRE规则） #

把{}转义成\{}，让BRE把它们识别为量词：

echo 1,2,3,4,2015-12-34 | awk -F, '{if($5~/^[0-9]\{4\}-[0-9]\{2\}-[0-9]\{2\}$/)print $1}'

方法2：切换到扩展正则表达式（ERE） #

如果想用更简洁的{n}写法，可以让awk使用ERE模式。不同awk版本的开启方式略有不同：

• GNU awk（gawk）可以用-E选项：

echo 1,2,3,4,2015-12-34 | awk -E -F, '{if($5~/^[0-9]{4}-[0-9]{2}-[0-9]{2}$/)print $1}'

• 部分老版本awk可以用--re-interval选项：

echo 1,2,3,4,2015-12-34 | awk --re-interval -F, '{if($5~/^[0-9]{4}-[0-9]{2}-[0-9]{2}$/)print $1}'

内容的提问来源于stack exchange，提问作者ggupta