如何在 gawk 中保留混合换行格式？

Question

我有一个包含 Unix (LF) 和 Windows (CR/LF) 样式换行符的输入文件。（具体来说，它是来自 Linux 系统的 XML，但它包含一些原始 HTTP 标头，HTTP 更喜欢 CRLF 作为标头）：

    <response_page cause="default">
      <response_type>custom</response_type>
      <response_header>HTTP/1.1 200 OK^M
Cache-Control: no-cache^M
Pragma: no-cache^M
Connection: close</response_header>

我正在编写一个 gawk 脚本来通过这个文件对 XML* 进行一些简单的调整，唯一的问题是它读取 LF 和 CRLF 有效 RS 但只输出 LF，而不管那里有什么......本质上，它会去除 CR。

我尝试了各种方法，最雄心勃勃的是 RS 的正则表达式匹配和打印 RT：

BEGIN { RS = "\r\n|\n"; go = "no" }
(go ~ /yes/) { 
    sub(/false/, "true", $0)
    go = "no"
}
($0 ~ /<signature signature_id="200000017">/) { 
    print "Found signature!"
    go = "yes"
} 
{ 
    printf $0 RT
}

我将不胜感激任何有关让 gawk 重现混合平台 RS 终结器的指示。

* 在这种情况下，简单的调整是在具有正确签名 ID 的行之后的行中将“false”更改为“true”。我完全意识到使用 XML 解析器将是执行此操作的正确方法，但是对于如此轻量级的需求，我试图避免陷入 XML 解析的痛苦和焦虑之中。

更新：

事实证明，此解决方案有效 - 在 Linux 下运行时。当在 Cygwin gawk 下运行时，在 Windows 上，CRLF/LF 区别显然是静音的，它不能按预期工作。我将答案分给了 Peter.O，尽管他基本上重申了我的尝试，因为他以彻底的方式这样做，当我意识到我们在做同样的事情而我的没有用时，这让我质疑我的假设.

Answer 1

您可以使用内置变量 RT

每次读取记录时都会设置 RT。它包含与记录分隔符 RS 表示的文本匹配的输入文本。这个变量是一个 gawk 扩展。

printf '%s\n' LF CRLF$'\r' | 
  gawk 'BEGIN { RS = "\r\n|\n" }
       { printf($0 RT) }'

管道传输时的输出sed -n l- 将CR显示为\r，以及end-of-line作为$-sed表示下一个字符是\n（或end-of-input.

LF$
CRLF\r$

但是，如果要将终止符从 CRLF 切换为 LF 或反之亦然，则两个操作是：

printf '%s\n' was-LF was-CRLF$'\r' | 
  gawk 'BEGIN { RS = "\r\n|\n" }
        RT == "\r\n" { printf($0 "\n") }
        RT == "\n"   { printf($0 "\r\n") }'

管道传输时的输出 sed -n l

was-LF\r$
was-CRLF$

注意：if当测试不是（主要部分）代码的第一行时，您将需要使用它们：

  gawk 'BEGIN { RS = "\r\n|\n" }
        { # some processing code here (before the tests)
          if( RT == "\r\n" ) { printf($0 "\n") }
          if( RT == "\n")    { printf($0 "\r\n") } }'