</title> の内容の取得などで
これを利用しますので、これについて考えてみます。
AWK ではこのような場合、以下の 2 通りのやり方があります。
(省略した場合は現在の入力行 $0)
の、正規表現 
に最初にマッチした部分を文字列 
で置きかえる
(省略した場合は現在の入力行 $0)
の、正規表現 にマッチした全ての部分を文字列 で置きかえる
の 
番目の文字から
始まる、長さ 
(省略した場合は の最後まで) の部分文字列を返す
の中の最初の部分文字列 の
開始位置 ( の何文字目か) を返す (含まれていなければ 0 を返す)
の中の正規表現 にマッチする
部分の開始位置 ( の何文字目か) を返す (含まれていなければ 0 を返す)
match() は、さらに暗黙の変数 RSTART と RLENGTH もセットし、それぞれ
にマッチする部分の先頭位置
にマッチする部分の長さ
s="54321" match(s,/[2-4]*/)とすると、RSTART=2, RLENGTH=3 (つまり "432" がマッチした部分) となります。 なお、この正規表現は、
を意味します。 正規表現は最長一致 (なるべく長く一致) しようとしますので、 上のパターンに一致するのは "432" ということになります。 そして、この直後に[2-4]= 2,3,4 のいずれか、
[2-4]*= 「2,3,4 のいずれか」の 0 文字以上の連続
c=substr(s,RSTART,RLENGTH)とすれば、
に "432" が保存されるわけです。
さて、
s="<title>タイトル</title>"である場合、この「タイトル」の部分のみを得るには以下のようにすればできます。
この場合は、
sub(/<title>/,"",s)
sub(/<\/title>/,"",s)
とすると s="タイトル" となります。
この 2 つの sub() は、gsub() を使って 以下のように一つで書くこともできます。
gsub(/<\/?title>/,"",s)
\/? は \/ が一つあるか、またはない状態を意味します
ので、これで <title> と </title> の両方に
マッチすることになります。
この gsub() は、マッチしたものすべてを "" (空文字列) で置きかえますので、
1 回の gsub() で両方が取り除かれることになります。
s の先頭が <title> で、最後が </title> であることが
わかっていれば
n1=length("<title>")
n2=length("</title>")
s1=substr(s,n1+1,length(s)-n1-n2)
で取り出すことができます。length(s) は文字列 s の長さを返す関数です。
なお、実際の文字列には <title> や </title> の前後に スペースなどの不要なものがついている可能性もあります。 その場合は、substr() では match() や index() との併用が必要になるでしょう。 例えば以下のような具合です。
if(match(s,/<title>[ \t]*/)) # [ \t] はスペースかタブ
s=substr(s,RSTART+RLENGTH) # マッチしたところ以降
if(match(s,/[ \t]*<\/title>/))
s=substr(s,1,RSTART-1) # マッチしたところの手前まで
同じことを sub() で行おうとすると以下のようになります。
sub(/.*<title>[ \t]*/,"",s) # .* は任意の文字の 0 文字以上 sub(/[ \t]*<\/title>.*/,"",s)
sub(), gsub() を使う方が簡単そうですが、substr() + match() の場合は その部分文字列が確かに含まれているかどうかのチェックが行える、 というメリットがあります。
今回はまずそれが含まれる文字列に対して処理をしますので チェックは不要ですから、 sub(), gsub() で行うことにします。