Awk中“illegal primary”含义解析及正则报错咨询

什么是Awk里的"illegal primary"？ #

简单来说，这个错误表示你写的正则表达式里有Awk的正则引擎不认识、不支持的语法元素。这里的"primary"指的是正则表达式里的基础语法单元——Awk默认遵循POSIX标准的正则（BRE或ERE），很多Perl兼容正则（PCRE）里的高级特性对它来说都是"非法"的。

你的具体报错原因 #

看你写的正则/(?<=>)(.*?)(?=<)：

• (?<=>)是正向回顾后发断言（lookbehind），用来匹配前面是>的位置
• (?=<)是正向前瞻断言（lookahead），用来匹配后面是<的位置

这些都是PCRE独有的环视（lookaround）特性，标准Awk（包括大多数默认的Awk实现，比如nawk、mawk，甚至GNU Awk默认模式）都不支持这种语法。Awk看到这些(?...)的结构时，无法识别它们是合法的正则单元，所以就抛出了"illegal primary"的错误。

怎么解决你的需求？ #

你想要的应该是提取>和<之间的内容吧？不用环视也能轻松实现，而且兼容性更好：

方法1：用GNU Awk的捕获组数组（推荐，简洁） #

GNU Awk（gawk）支持match函数的第三个参数，用来存储捕获组的内容：

match($0, />(.*)</, match_arr)
# 捕获组1的内容就是>和<之间的文本
print match_arr[1]

方法2：兼容POSIX Awk的写法（适用于所有Awk版本） #

如果你的环境只能用标准POSIX Awk，可以用RSTART和RLENGTH变量来截取：

if (match($0, />(.*)</)) {
    # RSTART是匹配的起始位置，+1跳过>；RLENGTH是整个匹配长度，-2去掉>和<
    content = substr($0, RSTART + 1, RLENGTH - 2)
    print content
}

方法3：用支持PCRE的Awk版本（不推荐，兼容性差） #

如果你非要用环视语法，可以用带PCRE扩展的GNU Awk：

1. 确保你的gawk编译时启用了PCRE支持
2. 加载PCRE扩展并使用pcre_match函数：

@load "pcre"
if (pcre_match($0, /(?<=>)(.*?)(?=<)/, match_arr)) {
    print match_arr[1]
}

不过这个方法依赖特定的gawk版本和编译选项，通用性不强。

内容的提问来源于stack exchange，提问作者303