🌓

Learn AWK in 20 Minutes

 
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 }
 

更多资料