10分钟速成 awk

AWK是POSIX兼容的UNIX系统中的标准工具. 它像简化版的Perl, 非常适用于文本处理任务和其他脚本类需求. 它有着C风格的语法, 但是没有分号, 没有手动内存管理, 没有静态类型. 他擅长于文本处理, 你可以通过shell脚本调用AWK, 也可以用作独立的脚本语言.

为什么使用AWK而不是Perl, 大概是因为AWK是UNIX的一部分, 你总能依靠它, 而Perl已经前途未卜了. AWK比Perl更易读. 对于简单的文本处理脚本, 特别是按行读取文件, 按分隔符分隔处理, AWK极可能是正确的工具.

#!/usr/bin/awk -f  

# 注释使用井号  

# AWK程序由一系列 模式(patterns) 和 动作(actions) 组成.   
# 最重要的模式叫做 BEGIN. 动作由大括号包围.  
BEGIN {  

    # BEGIN在程序最开始运行. 在这里放一些在真正处理文件之前的准备和setup的代码.  
    # 如果没有文本文件要处理, 那就把BEGIN作为程序的主入口吧.  

    # 变量是全局的. 直接赋值使用即可, 无需声明.  
    count = 0  

    # 运算符和C语言系一样  
    a = count + 1  
    b = count - 1  
    c = count * 1  
    d = count / 1 # 整数除法  
    e = count % 1 # 取余  
    f = count ^ 1 # 取幂  

    a += 1  
    b -= 1  
    c *= 1  
    d /= 1  
    e %= 1  
    f ^= 1  

    # 自增1, 自减1  
    a++  
    b--  

    # 前置运算, 返回增加之后的值  
    ++a  
    --b  

    # 注意, 不需要分号之类的标点来分隔语句  

    # 控制语句  
    if (count == 0)  
        print "Starting with count of 0"  
    else  
        print "Huh?"  

    # 或者三目运算符  
    print (count == 0) ? "Starting with count of 0" : "Huh?"  

    # 多行的代码块用大括号包围  
    while (a < 10) {  
        print "String concatenation is done" " with a series" " of"  
            " space-separated strings"  
        print a  

        a++  
    }  

    for (i = 0; i < 10; i++)  
        print "Good ol' for loop"  

    # 标准的比较运算符  
    a < b   # 小于  
    a <= b  # 小于或等于  
    a != b  # 不等于  
    a == b  # 等于  
    a > b   # 大于  
    a >= b  # 大于或等于  

    # 也有逻辑运算符  
    a && b  # 且  
    a || b  # 或  

    # 并且有超实用的正则表达式匹配  
    if ("foo" ~ "^fo+$")  
        print "Fooey!"  
    if ("boo" !~ "^fo+$")  
        print "Boo!"  

    # 数组  
    arr[0] = "foo"  
    arr[1] = "bar"  
    # 不幸的是, 没有其他方式初始化数组. 必须像这样一行一行的赋值.  

    # 关联数组, 类似map或dict的用法.  
    assoc["foo"] = "bar"  
    assoc["bar"] = "baz"  

    # 多维数组. 但是有一些局限性这里不提了.  
    multidim[0,0] = "foo"  
    multidim[0,1] = "bar"  
    multidim[1,0] = "baz"  
    multidim[1,1] = "boo"  

    # 可以检测数组包含关系  
    if ("foo" in assoc)  
        print "Fooey!"  

    # 可以使用in遍历数组  
    for (key in assoc)  
        print assoc[key]  

    # 命令行参数是一个叫ARGV的数组  
    for (argnum in ARGV)  
        print ARGV[argnum]  

    # 可以从数组中移除元素  
    # 在 防止awk把文件参数当做数据来处理 时delete功能很有用.  
    delete ARGV[1]  

    # 命令行参数的个数是一个叫ARGC的变量  
    print ARGC  

    # AWK有很多内置函数, 分为三类, 会在接下来定义的各个函数中介绍.  

    return_value = arithmetic_functions(a, b, c)  
    string_functions()  
    io_functions()  
}  

# 定义函数  
function arithmetic_functions(a, b, c,     d) {  

    # 或许AWK最让人恼火的地方是没有局部变量, 所有东西都是全局的,   
    # 对于短的脚本还好, 对于长一些的就会成问题.  

    # 这里有一个技巧, 函数参数是对函数局部可见的, 并且AWK允许定义多余的参数,   
    # 因此可以像上面那样把局部变量插入到函数声明中.   
    # 为了方便区分普通参数(a,b,c)和局部变量(d), 可以多键入一些空格.  

    # 现在介绍数学类函数  

    # 多数AWK实现中包含标准的三角函数  
    localvar = sin(a)  
    localvar = cos(a)  
    localvar = atan2(a, b) # arc tangent of b / a  

    # 对数  
    localvar = exp(a)  
    localvar = log(a)  

    # 平方根  
    localvar = sqrt(a)  

    # 浮点型转为整型  
    localvar = int(5.34) # localvar => 5  

    # 随机数  
    srand() # 接受随机种子作为参数, 默认使用当天的时间  
    localvar = rand() # 0到1之间随机  

    # 函数返回  
    return localvar  
}  

function string_functions(    localvar, arr) {  

    # AWK, 作为字符处理语言, 有很多字符串相关函数, 其中大多数都严重依赖正则表达式.  

    # 搜索并替换, 第一个出现的 (sub) or 所有的 (gsub)  
    # 都是返回替换的个数  
    localvar = "fooooobar"  
    sub("fo+", "Meet me at the ", localvar) # localvar => "Meet me at the bar"  
    gsub("e+", ".", localvar) # localvar => "m..t m. at th. bar"  

    # 搜索匹配正则的字符串  
    # index() 也是搜索, 不支持正则  
    match(localvar, "t") # => 4, 't'在4号位置.   
    # (译者注: awk是1开始计数的,不是常见的0-base)  

    # 按分隔符分隔  
    split("foo-bar-baz", arr, "-") # a => ["foo", "bar", "baz"]  

    # 其他有用的函数  
    sprintf("%s %d %d %d", "Testing", 1, 2, 3) # => "Testing 1 2 3"  
    substr("foobar", 2, 3) # => "oob"  
    substr("foobar", 4) # => "bar"  
    length("foo") # => 3  
    tolower("FOO") # => "foo"  
    toupper("foo") # => "FOO"  
}  

function io_functions(    localvar) {  

    # 你已经见过的print函数  
    print "Hello world"  

    # 也有printf  
    printf("%s %d %d %d\n", "Testing", 1, 2, 3)  

    # AWK本身没有文件句柄, 当你使用需要文件的东西时会自动打开文件,   
    # 做文件I/O时, 字符串就是打开的文件句柄. 这看起来像Shell  
    print "foobar" >"/tmp/foobar.txt"  

    # 现在"/tmp/foobar.txt"字符串是一个文件句柄, 你可以关闭它  
    close("/tmp/foobar.txt")  

    # 在shell里运行一些东西  
    system("echo foobar") # => prints foobar  

    # 从标准输入中读一行, 并存储在localvar中  
    getline localvar  

    # 从管道中读一行, 并存储在localvar中  
    "echo foobar" | getline localvar # localvar => "foobar"  
    close("echo foobar")  

    # 从文件中读一行, 并存储在localvar中  
    getline localvar <"/tmp/foobar.txt"  
    close("/tmp/foobar.txt")  
}  

# 正如开头所说, AWK程序由一系列模式和动作组成. 你已经看见了重要的BEGIN pattern,   
# 其他的pattern在你需要处理来自文件或标准输入的的数据行时才用到.  
#   
# 当你给AWK程序传参数时, 他们会被视为要处理文件的文件名, 按顺序全部会处理.   
# 可以把这个过程看做一个隐式的循环, 遍历这些文件中的所有行.  
# 然后这些模式和动作就是这个循环里的switch语句一样  

/^fo+bar$/ {  

    # 这个动作会在匹配这个正则(/^fo+bar$/)的每一行上执行. 不匹配的则会跳过.  
    # 先让我们打印它:  
    print  

    # 哦, 没有参数, 那是因为print有一个默认参数 $0.  
    # $0 是当前正在处理的行, 自动被创建好了.  

    # 你可能猜到有其他的$变量了.   
    # 每一行在动作执行前会被分隔符分隔. 像shell中一样, 每个字段都可以用$符访问  

    # 这个会打印这行的第2和第4个字段  
    print $2, $4  

    # AWK自动定义了许多其他的变量帮助你处理行. 最常用的是NF变量  
    # 打印这一行的字段数  
    print NF  

    # 打印这一行的最后一个字段  
    print $NF  
}  

# 每一个模式其实是一个true/false判断, 上面那个正则其实也是一个true/false判断, 只不过被部分省略了.  
# 没有指定时默认使用当前处理的整行($0)进行匹配. 因此, 完全版本是这样:  

$0 ~ /^fo+bar$/ {  
    print "Equivalent to the last pattern"  
}  

a > 0 {  
    # 只要a是整数, 这块会在每一行上执行.  
}  

# 就是这样, 处理文本文件, 一次读一行, 对行做一些操作.   
# 按分隔符分隔, 这在UNIX中很常见, awk都帮你做好了.  
# 你所需要做的是基于自己的需求写一些模式和动作.  

# 这里有一个快速的例子, 展示了AWK所擅长做的事.  
# 它从标准输入读一个名字, 打印这个first name下所有人的平均年龄.  
# 示例数据:  
#  
# Bob Jones 32  
# Jane Doe 22  
# Steve Stevens 83  
# Bob Smith 29  
# Bob Barker 72  
#  
# 示例脚本:  

BEGIN {  

    # 首先, 问用户要一个名字  
    print "What name would you like the average age for?"  

    # 从标准输入获取名字  
    getline name <"/dev/stdin"  
}  

# 然后, 用给定的名字匹配每一行的第一个字段.  
$1 == name {  

    # 这里我们要使用几个有用的变量, 已经提前为我们加载好的:  
    # $0 是整行  
    # $3 是第三个字段, 就是我们所感兴趣的年龄  
    # NF 字段数, 这里是3  
    # NR 至此为止的行数  
    # FILENAME 在处理的文件名  
    # FS 在使用的字段分隔符, 这里是空格" "  
    # ...等等, 还有很多, 在帮助文档中列出.  

    # 跟踪 总和以及行数  
    sum += $3  
    nlines++  
}  

# 另一个特殊的模式叫END. 它会在处理完所有行之后运行. 不像BEGIN, 它只会在有输入的时候运行.  
# 它在所有文件依据给定的模式和动作处理完后运行, 目的通常是输出一些最终报告, 做一些数据聚合操作.  

END {  
    if (nlines)  
        print "The average age for " name " is " sum / nlines  
}

(完)



✄------------------------------------------------

原文地址:https://mp.weixin.qq.com/s/M8wLSwZY2w6FStei7NDu1Q

转载请标明来之:阿猫学编程
更多教程:阿猫学编程-python基础教程

所有评论

如果对文章有异议,请加qq:1752338621