Prayer

在一般中寻求卓越
posts - 1256, comments - 190, trackbacks - 0, articles - 0
  C++博客 :: 首页 :: 新随笔 :: 联系 :: 聚合  :: 管理

AWK高级编程

Posted on 2010-08-26 10:26 Prayer 阅读(4892) 评论(0)  编辑 收藏 引用 所属分类: Shell

1. 程序元素

一个awk 程序是一对以模式(pattern) 与大括号框起来的操作(action) 组合而成的,或许,还会加上实现操作细节的函数(function ) 。针对每个匹配于输人数据的模式,操作会被执行,且所有模式都会针对每条输人记录而检查。模式或操作可省略其中一个。如果模式省略,则操作将被应用到每条输人记录; 如果操作省略,则默认操作为打印匹配之记录在标准输出上。以下是传统awk 程序的配置:

pattern  {action} 如模式匹配,则执行操作

pattern  {action} 如模式匹配,则打印记录

虽然,模式多半是数字或字符串表达式,不过awk 以保留字BEGIN 与END 提供两种特殊模式。

与BEG 工N 关联的操作只会执行一次,在任何命令行文件或一般命令行赋值被处理之前,但是在任何开头的一V 选项指定已经完成之后。

END 操作也是只执行一次,用于所有输入数据已被处理完之后。它多半用于产生摘要报告,或是执行清除操作。

BEGIN 与END 模式可以是任意顺序,可以存在于awk 程序内的任何位置。不过,为了方便,我们通常将BEGIN 模式放在程序的第一个位置,而将END 模式放在最后。

2. 注释与空白

awk 里的注释是从# 开始到该行结束,就像在Shell 里那样。空行等同于空的注释。

3. 字符串与字符串表达式

awk 字符串包含零至多个字符,且在字符串的长度上没有限制,视可用内存而定。

字符串的比较,用的是传统的关系运算符:==( 相等) 、!=( 不等) 、<( 小于) 、<=( 小于等于) 、>( 大于) ,以及>=( 大于等于》。比较后返回l 为真,0 为假。比较不同长度的字符串,且其中一个字符串为另一个的初始子字符串时,较短的会定义为小于较长的那个,因此,“A ”< “AA ”的值为真。

awk 并无特殊的字符串接续运算符。也就是说,两个连续字符串,会自动地连接在一起。以下每一组赋值设置标量变量。为相同的具有四个字符的字符串:

s = “ABCD ”

s = “AB ”“CD ”

s = “A ”“B ”“CD ”

s = “A ”“B ”“C ”“D ”

字符串不需要是常数,如果我们继续上述的赋值:

t= s s s

则t 的值为“ABCDABCDABCD “。.

 

将数字转换为字符串,通过数字连接空字符串即可

n =123 ,

接着是:

s = ““ n ,把值“123 ”赋给s 。

 

awk 功能强大的地方大多来自于它对正则表达式的支持。有两个运算符:~( 匹配) 与!~( 不匹配) 让awk 更容易使用正则表达式:”ABC ”~ ”^[A-Z]+$ “,结果为真。

4. 数值与数值表达式

所有awk 里的数字,都以双精确度的浮点值表示。浮点数可以包含一个末端以字母e( 或E) 所表示的10 次方指数以及可选地带正负号的一个整数。举例来说:0.03125, 3.125e-2, 3125e-5 与0.003125E1 ,同样都是表示1/32 。因为awk 里所有算术都是浮点算术。

awk 并没有提供字符串转数字的函数,不过awk 的做法很简单:只要加个零到字符串里,例如:s="123" ,接着是n=0+s ,便将数字123 赋值给n 了。

5. awk 的数值运算符

表9 一:awk 的数值运算符( 优先级由大到小排列)

运算符                   说明

  ++ --                    增加与减少( 前置或后置)

  ^ **                     指数( 右结合性)

  ! + -                     非、一元(unary) 加号、一元减号

  * / %                    乘、除、余数

  + -                      加、减

< <= == != > >=           比较

&&                         逻辑AND( 简写)

||                        逻辑OR( 简写)

?:                        三元条件式

= += -= *= /= %= ^= **=      赋值( 右结合性)

6. 标量变量

保存单一值的变量叫做标量变量。

a wk 的变量名称必须以ACSII 字母或下划线开始,然后选择性地接上字母、下划线及字。因此,变量名称要匹配正则表达式[A-Za-z-][A-Za-z_0-9]* 。变量名称在实际上并没有长度的限制。awk 的变量名称是与大小写有关的:foo, Fo 。与FOO 是完全不同的三个名称。一般使用上以及建议用法是: 养成习惯,将局部变量全设为小写、全局变量第一个字母为大写,而内建变量则全是大写。

7. 数组变量

awk 允许在数组名称之后,以方括号将任意数字或字符串表达式 括起来作为索引。例如:

telephone["Alice"]= “555-0134"

telephone["Bob"]= “555-0135"

telephone["Carol”]= “555-0136"

telephone["Don"]= “555-0141"

以任意值为索引的数组,称之为关联数组,因为它们的名称与值是相关联的。重要的是,awk 将其应用于数组中,允许查找( find ) 、插入(insert ) 以及删除( remove) 等操作,在一定的时间内完成,与存储多少项目无关。

一个变量不能同时用作标量变量和数组变量。当你应用delet 。语句删除数组的元素

(element] 的时候,不会删除它的名称。因此。像这样的代码:

x[1]=3

delete x

x=789

会引发awk 发出提示,告诉你不可以给数组名称赋值.

8. 命令行参数

awk 通过内建变量ARGC( 参数计数) 与ARGV( 参数向量,或参数值) ,让命令行参数

可用。下面简短的程序说明其用法;

[root@local~]#cat showargs.awk

BEGIN{

      print ”ARGC= ”,ARGC

      for (k=0;k<ARGC; k++)

          print "ARGV[”k”]=[”ARGV[k] “

}

再来看看将它用在一般awk 命令行上,会产生什么样的结果:

[root@local~]# awk -v One=1 -v Two=2 -f showargs.awk Three=3 file1 Four=4 filet2 file3

ARGC=6

ARGV[0]=[awk]

ARGV[1]=[Three=3]

ARGV[2]=[file1]

ARGV[3]=[Four=4]

ARGV[4]=[file2]

ARGV[5]=[file3]

9. 环境变量

awk 提供访问内建数组ENV 工RON 中所有的环境变量:

[root@local~]#awk 'BEGIN {print ENVIRON["HOME"];print ENVIRON["USER]} ‘

/home/Jones

hones

通常你应将ENVIRON 看成是一个只读数组。

10. 模式

模式由字符串与 / 或数值表达式构建而成。常用的模式如下:

NF==0    选定空记录

NF>3     选定拥有三个字段以上的记录

NR<5    选定第 1 到第 4 条记录

(FNR==3)&&(FILENAME~/[.] [ch]$/) 来源于 C 源文件中选定记录 3

$1~/Jones/   选定字段 1 里有 . ” jones “的记录

/[Xx][Mm][Ll]/ 选定含有‘ 'XML' 。的记录,并忽略大小写差异

$0~/[Xx][Mm][Ll]/ 同上

11. 操作

以最简单的形式来说,纯print 意指在标准输出上,打印当前的输入记录($0) ,接着是输出记录分隔字符)ORS 的值,默认为单一换行字符。因此,下面这些程序所做的全是相同的操作:

1    模式为真,默认操作为打印

NR>0 {print} 有记录时打印( 恒为真)

1    {print}  模式为真。则打印,这是默认值

{print}  无模式则视为真,明确的打印,这是默认值

{print $0}  相同,但打印明确的值

下面的例子已经是完整的awk 程序。在每一个中,我们都只显示前三个输入字段,并通过省略选定模式,选定所有的记录。awk 程序语句以分号分隔,而且我们会使用些略微不同的操作代码,以修改输出字段分隔字符:

[root@local~]#echo ‘one two three four'| awk ‘{print $1,$2,$3}’

one two three

[root@local~]#echo ‘one two three four'| awk ‘{OFS=”…”;print $1,$2,$3}’

one…two…three

[root@local~]#echo ‘one two three four'| awk ‘{OFS=”\n”;print $1,$2,$3}’

one

two

three

 

改变输出字段分隔字符而没有指定任何字段,不会改变$0:

[root@local~]#echo ‘one two three four'| awk ‘{OFS=”\n”;print $0}’

one two three four

不过,如果我们更改输出字段分隔字符,并指定至少一个字段( 即使我们未变更其值) ,

强制以新的字段分隔字符重新组合记录,则结果为:

[root@local~]#echo ‘one two three four'| awk ‘{OFS=”\n”;$1=$1;print $0}’

one

two

three

four

 

12. 在awk 中的单行程序

1.UNIX 单词计数程序wc;

[root@local~]#awk ‘{C+=length($0)+1;w+=NF} END {print NR, W, C}’

 

2. 撇开NUL 字符问题,awk 其实可以轻松取代cat ,下面这两个例子会产生相同输出:

[root@local~]# cat*.xml

[root@local~]# awk 1*.xml

 

3. 要将原始数据值及它们的对数打印为单栏的数据文件,可使用:

[root@local~]# awk ‘{print $1, log($1)}’file(s)

 

4. 在以空白分隔字段的表格中,报告第n 栏的和:

[root@local~]# awk -v COLUMN=n ‘{sum+=$COLUMN} END {print sum} ’file (s)

 

5. 微调上述报告,产生字段n 的平均值:

[root@local~]# awk -v COLUMN=n ‘{sum+=$COLUMN} END {print sum/NR } ’file (s)

6. 针对花费文件( 其记录包含描述与金额于最后一个字段) ,打印花费总数。可使用内建变量NF 计算总值:

[root@local~]# awk’{sum+=$NF; print $0, sum}’files)

 

7. 这里是三种查找文件内文本的方式:

[root@local~]#egrep ‘pattern|pattern’ file (s)

[root@local~]#awk ‘/pattern|pattern/’file (s)

[root@local~]#awk ‘/pattern}pattern/ {print FILENAME ”: ”FNR ”: ”$0} ’file(s)

 


8. 如果你要限制仅查找100 一150 行,可以通过两个工具程序,再搭配管道,不过这么做会漏掉位置信息:

[root@local~]#sed -n -e 100,150p -s file(s) | egrep 'pattern'

使用GNU sed 要搭配-s 选项,才能为每个文件重新开始行编号。另外,你也可以通过awk ,使用比较花哨的模式来做:

[root@local~]#awk ‘(100<=FNR) && (FNR <= 150) && /pattern/\

          {print FILENAME ”:” FNR ”:”$0}’file(s)

9. 要在一个四栏表格里,调换第二与第三栏,假设它们是以制表字符分隔,那么可以

使用下面三种方式的其中一种:

[root@local~]#awk -F'\t’-v OFS='\t’{print $1, $3, $2, $4}’old > new

[root@local~]#awk ‘BEGIN{FS=OFS="\t"}{print $1, $3 ,$2 ,$4} ’old>new

[root@local~]#awk –F ‘\t’{print $1"\t" $3"\t" $2"\t" $4}’old>new

 

10. 要将各栏分隔字符由制表字符( 在此以·显示) 转换成& ,可在以下两种方式择一:

[root@local~]#sed -e 's/ ·/&/g' file(s)

[root@local~]#awk ‘{BEGIN{FS="\t";OFS= “& ”}{$1=$1; print} ’file(s)

 

11. 下面这两个管道,都为删除已排序流里的重复行

[root@local~]#sort file(s)|uniq

[root@local~]# sort file(s)|awk ‘Last!=$0 { print }{Last=$0}’

 

12. 将回车字符/ 换行字符的行终结,一致转换为以换行字符作为行终结,可在下列方

式中选择一种:

[root@local~]#sed –e ‘s/\r$//’ file(s)

[root@local~]#sed –e ‘s/^M$//’ file(s)

[root@local~]# mawk ‘BEGIN {RS=“\r\n"} {print}’file(s)

 

13. 要将单空格的文本行,转换为双空格的行,可在下列方式选择一种

[root@local~]#sed –e ‘/s/$/\n/ ’file(s)

[root@local~]#awk ‘BEGTN{ ORS = "\n\n"){print}’file(s)

[root@local~]#awk ‘BEGIN{ ORS="\n\n" }1 ’ file(s)

[root@local~]#awk {print $0 “\n”} ’ file(s)

[root@local~]#awk ‘{print;print ” ”} ’ file(s)

13. 语句

13.1. 条件语句

if(expressionl)

      stateme 刀t1

else if(expression2)

      statement2

else if(expression3)

      statement3

else if(expressionk)

      statementk

else

        statementk+l

13.2. 重复执行

awk 提供了 4 种重复执行语句 ( 循环 ):

1. 循环在起始处使用结束测试 :

while(expression)

statement

2. 循环在结尾处使用结束测试 :

do

        statement

while (expression)

3. 循环执行可计数的次数 :

for(expr1;expr2; expr3)

statement

4. 循环处理关联数组里的元素 :

for(key in array)

statement

例如:

for (name in telephone)

print name“\t" telephone[name]

13.3 数组成员测试

成员测试key in array 是一个表达式: 如果key 为array 的一个索引元素,则计算为1( 真) 。如果key 不是array 的一个索引元素,则!(key in array) 为1 。

对于具有多下标(subscript) 的数组,在测试时,请使用圆括号,并以逗点分隔下标列表:(i ,j ,…,n)in array

成员测试不可能建立数组元素,然而引用元素时,如果元素不存在,便会建立它。因此你应该这么写:

if("Sally" in telephone)

print "Sally is in the directory"

而非:

if (telephone["Sally"]!= ””)

    print "Sally is in the directory"

因为第二种形式会在她(Sally) 不存在时,将其加入到目录里,并拥有一个空电话号码。

重点是: 你必须能够区分寻找索引(index) 与寻找特定值(value) 的差异。索引成员测试需要固定的时间,而值的查找时间是与数组里元素的个数成正比,这点我们在先前已通过break 语句内的for 循环解释过了。如果你需要时常用到这两种运算,那么构建反索引数组会比较实用:

for (name in telephone)

name_by_telephone[telephone[name]]=name

接下来,你就可以使用name_by_telephone ["555-0136"] 在一定时间内找到”Carol" 。当然,这里假定所有的值是唯一的: 如果这两人共享同一个电话,则name_by_telephone 数组只会记录最后一个名称。只要稍做修改就能解决这个问题:

for (name in telephone)

{

      if (telephone[name] in name_by_telephone)

        name_by_telephone[telephone[name]]=\

              name_by_telephone [telephone[name]) “\t”name

e1se

name_by_telephone[telephone[name]]=name

现在,name_by_telephone 即包含了以制表字符分隔的具有相同电话号码的人名列表。

14. 用户控制输入

awk 也可以通过的getline 语句做这件事。getline 会返回一个值,当输入被成功读取时,它的返回值为++I ,而返回值为0 时,则表示在文件结尾,而-1 则表示错误。它的用法很多,见表。

语法             说明

getline       从当前输入文件中,读取下一条记录,存入$0 ,并更新NF, NR 与FNR

getline var   从当前输入文件中,读取下一条记录,存入var ,并更新NR 与FNR

getline<file   从file 文件中,读取下一条记录,存入$0 ,并更新NF, NR 与FNR

getline var<file 从file 文件中,读取下一条记录,存入var ,并更新NF, NR 与FNR

cmd|getline    从外部命令cmd 读取下一条记录,存入$0 ,并更新NF

cmd|getline var 从外部命令cmd 读取下一条记录,存入var

 


命令管道在awk 里可以发挥强大的功能。管道可以在字符字符串中标明,也可以包含任

意的Shell 命令。这里是与getline 搭配使用,如下:

"date" I getline now

close("date")

print "The current time is".now

 

接下来说明的是: 如何在循环里使用命令管道:

command="head -n 15 /etc/hosts"

while((command I getline s)>0)

      print s

close(command)

 

15. 执行外部程序

这里是解决电话名录排序问题较短的程序方案,使用临时性文件与systemty ,而非awk 管道:

tmpfile= “/tmp/telephone.tmp^

for (name in telephone>

print name "\t" telephone[name]>tmpfile

close(tmpfilej

system("sort < tmpfile “)

临时性文件必须在调用system() 之前关闭,以确保任何缓冲区输出都正确地记录在文件内。

对于被system() 执行的命令并不需要调用close() ,因为close() 仅针对以I/O 重定向运算符所打开的文件或管道,还有getline, print 或printf 。

传递给system[f 的命令可包含数行

system("cat <<EOFILE\nuno\ndos\ntres\nEOFILE"

它产生的输出和从嵌入文件复制到标准输出一样

Un0

das

tres

16. 用户自定义函数

函数定义如下:

function name(argl, }rg2, …,argn

{

statements

}

指定的参数在函数体中用来当作局部变量,它们会隐藏任何相同名称的全局性变量。函数也可用于程序它处,调用的形式为:

name(exprl, expr2, …,expn)  忽略任何的返回值

result=name(exprl, expr2, …,exprn) 将返回值存储到result 中

 

在每个调用点上的表达式,都提供初始值给函数参数型变量。以圆括号框起来的参数,必须紧接于函数名称之后,中间没有任何空白。

对标量参数所做的变动,调用者无从得知,不过对数组的变动就可看见了。换句话说,标量为传值(by vaule ) ,而数组则为传引用(by reference): 这对C 语言也是这样。

函数体里的return expression 语句会终止主体的执行,并将expression 的值与控制权传给调用点。如果expression 省略,则返回值由实现期定义。我们测试过的所有系统,返回的不是数字零就是空字符串。

17. 字符串函数

17.1. 子字符串提取

提取子字符串的函数:substr(string, start, 1en) ,会返回一份由string 的start 字符开始,共len 个字符长度的子字符串副本。字符的位置,从1 开始编号:substr("abcde", 2, 3) 将返回。bcd" 。 len 参数可省略,省略时,则默认为length(string)-start+1 ,选出字符串的剩余部分。

17.2. 字符串大小写转换

tolower(string) 会返回将所有字母改为同义的小写的string 副本,而toupper(string) 则返回被改为大写字母的string 副本。所以tolower("aBcDeF123") 返回”abcdef123",toupper("aBcDeF123") 返回"ABCDEF123" 。

17.3. 字符串大小写转换

index(string,  find) 查找string 里是否有字符串find ,然后返回string 里find 字符串的起始位置,如果在string 里找不到find ,则返回0 。例如index("abcdef","de") 会返回4 。

17.4. 字符串匹配

match (string, regexp) 将string 与正则表达式regexp 匹配,如果匹配,则返回

匹配string 的索引,不匹配,则返回0 。这种方式提供了比表达式(string~regexp) 还多的信息,后者只能得到计算值1 或0 。另外match ( ) 也具有一个有用的副作用: 它会将全局变量RSTART 设为在string 中要开始匹配的索引值,而将RLENGTH 设为要匹配的长度。而匹配子字符串则以substr(string, RSTART, RLENGTH) 表示。

17.5. 字符串替换

awk 在字符串替换功能上,提供两个函数:sub(regexp, replacement, target) 与gsub(regexp, replacement, target), sub() 将target 与正则表达式regexp 进行匹配,将最左边最长的匹配部分替换为字符串replacement 。gsub() 的运行则有点类似,不过它会替换所有匹配的字符串( 前置g 表示global 全局之意) 。

17.6. 字符串替换

awk 针对当前输人记录$0 自动提供了方便的分割为字1,  $}, …、$NF ,也可以函数来做:split(string, array, regexp) 将string 切割为片段,并存储到array 里的连续元素。在数组里,片段放置在匹配正则表达式regexp 的子字符串之间。如果regexp 省略,则使用内建字段分隔字符FS 的当前默认值。函数会返回array 里的元素数量。

17.7. 字符串重建

join() 可确保参数数组不会被引用到,除非索引是在范围之内。否则,一个具有数组长度为0 的调用可能会建立arrayfl3 ,而修改了调用者的数组。插人的字段分隔字符为普通字符串,而非正则表达式,所以针对传递给split() 的一般正则表达式,join() 不会重建精确的原始字符串。

17.8. 字符串格式化

最后一个与字符串相关的函数是在用户控制下格式化数字与字符串:sprintf (format,expression1, expression2, …) ,它会返回已格式化的字符串作为其函数值。printf() 的运行方式也是这样,只不过它会在标准输出或重定向的文件上显示格式化后的字符串,而不是返回其函数值。较新的程序语言以更强大的格式化函数来取代格式控制字符串,但相对而言让代码变得很冗长。按照传统的文本处理应用来说,sprintf 与printf

18. 数值函数

函数           说明

atan2(y, x)   y 返回y/x 的反正切,值介于-pai 与+pai 之间。

cos(x)        返回x 的余弦值( 以弧度(radians) 计算) ,该值介于-1 与+1 之间

exp(x)        返回x 的指数,ex,

int(x)        返回x 的整数部分,截去前置的0

log(x)        返回x 的自然对数。

rand()        返回平均分布的虚拟随机r,O<=r<l

sin(x)        返回x 的正弦值( 以弧度(radians] 计算) ,该值介于-1 与+1 之间

sqrt(x)       返回x 的平方

srand(x)      设置虚拟随机产生器的种子为x ,并返回正确的种子。如果省略x ,则使用当前时间( 以秒计) 。如果。rand ( ) 未被调用,则awk 在每次执行时会从相同的默认种子开始;mawk 则不会。


本文来自CSDN博客,转载请标明出处:http://blog.csdn.net/wzhwho/archive/2010/04/21/5513791.aspx


只有注册用户登录后才能发表评论。
网站导航: 博客园   IT新闻   BlogJava   知识库   博问   管理