《Linux命令行与shell脚本编程大全》22章读书笔记

1. 使用变量

gawk编程语言支持两种不同类型的变量：内建变量和自定义变量。

1.1 内建变量

Gawk程序使用内建变量来引用程序数据里的一些特殊功能。

（1）字段和记录分隔符变量

采用字段宽度进行分隔的例子：

只要设置了FIELDWIDTH变量，gawk就会忽略FS变量，并根据提供的字段宽度来计算字段。

（2）数据变量

FNR变量含有当前数据文件中已处理过的记录数，NR变量则含有已处理过的记录总数。

FNR变量的值在gawk处理第二个数据文件时被重置了，而NR变量则在处理第二个数据文件时会继续计数。

1.2 自定义变量

Gawk自定义变量名支持任意数量的字母、数字、下划线，但不能以数字开头，且变量名区分大小写。

（1）在脚本中给变量赋值

（2）在命令行上给脚本赋值

2. 处理数组

2.1 定义数组变量

数组变量赋值的格式：var[index] = element

Var：变量名，index：关联数组的索引值，element：数据元素值。

2.2 遍历数组变量

2.3 删除数组变量

deletearray[index]

3. 使用模式

正则表达式

匹配操作符

匹配操作符是波浪线：~

数学表达式

可以使用任何常见的数学比较表达式：等于==、小于等于<=、小于<、大于等于>=、大于>，表达式必须是完全匹配，数据必须和模式严格匹配。

4. 结构化命令

If语句

支持两种格式：

if (condition)

statement1

if (condition)statement1

while语句

while (condition)

{

Statements

}

do-while语句

do

{

statements

} while (condition)

for语句

for( variableassignment; condition; iteration process)

5. 格式化打印

格式化打印命令：printf

printf命令的格式：printf"format string", var1, var2…

format string用文本元素和格式化指定符来具体指定如何呈现格式化输出。格式化指定符会指明显示项什么类型的变量及如何显示。gawk会将每个格式化指定符作为占位符，第一个格式化指定符对应列出第一个变量，第二个对应第二个比那两。

格式化指定符采用如下格式：

%[modifier]control-letter

control-letter是一个单字符代码，指明显示什么类型的数据，modifier定义了可选的格式化特性。

width：指定输出字段最小宽度的数字值。如果输出短于width，printf会将文本右对齐，并用空格进行填充。如果输出比width还要长，则按照实际的长度输出。

prec：数字值，指定浮点数中小数点后面的位数，或者文本字符串中显示的最大字符数。

-减号：指明在向格式化空间中放入数据时采用左对齐而不是右对齐。

6. 内建函数

数学函数

int()：不会取四舍五入进位后的值。

rand()：只创建0和1之间的随机数，不包含0或1。

除标准数学函数外，gawk还支持按位操作数据的函数：

• and(v1, v2)：执行值v1和v2的按位与运算。

• compl(val)：执行val的补运算。

• lshift(val, count)：将值val左移count位。

• or(v1, v2)：执行值v1和v2的按位或运算。

• rshift(val, count)：将值val右移count位。

• xor(v1, v2)：执行值v1和v2的按位异或运算。

字符串函数

asort(s [,d])：将数组s按数据元素值排序。索引值会被替换成表示新的排序顺序的连续数字。另外，如果指定了d，则排序后的数组会存储在数组d中。

asorti(s [,d])：将数组s按索引值排序。生成的数组会将索引值作为数据元素值，用连续数字索引来表明排序顺序。另外如果指定了d，排序后的数组会存储在数组d中。

gensub(r, s, h [, t])：查找变量$0或目标字符串t（如果提供了的话）来匹配正则表达式r。如果h是一个以g或G开头的字符串，就用s替换掉匹配的文本。如果h是一个数字，它表示要替换掉第h处r匹配的地方。

gsub(r, s [,t])：查找变量$0或目标字符串t（如果提供了的话）来匹配正则表达式r。如果找到了，就全部替换成字符串s。

index(s, t)：返回字符串t在字符串s中的索引值，如果没找到的话返回0。

length([s])：返回字符串s的长度；如果没有指定的话，返回$0的长度。

match(s, r [,a])：返回字符串s中正则表达式r出现位置的索引。如果指定了数组a，它会存储s中匹配正则表达式的那部分。

split(s, a [,r])：将s用FS字符或正则表达式r（如果指定了的话）分开放到数组a中。返回字段的总数。

sprintf(format, variables)：用提供的format和variables返回一个类似于printf输出的字符串。

sub(r, s [,t])：在变量$0或目标字符串t中查找正则表达式r的匹配。如果找到了，就用字符串s替换掉第一处匹配。

substr(s, i [,n])：返回s中从索引值i开始的n个字符组成的子字符串。如果未提供n，则返回s剩下的部分。

tolower(s)：将s中的所有字符转换成小写。

toupper(s)：将s中的所有字符转换成大写。

时间函数

时间函数常用来处理日志文件，而日志文件则常含有需要进行比较的日期。通过将日期的文 本表示形式转换成epoch时间（自1970-01-01 00:00:00 UTC到现在的秒数），可以轻松地比较日期。

下面的例子中用systime函数从系统获取当前的epoch时间戳，然后用strftime函数将它转换成用户可读的格式

7. 自定义函数

定义函数

function name([variables])

{

Statements

}

函数名必须能够唯一标识函数。

使用自定义函数

在定义函数时，它必须出现在所有代码块之前（包括BEGIN代码块）。

下面的例子中，定义了myprint()函数，它会格式化记录中的第一个和第四个数据字段以供打印输出。

创建函数库

gawk支持将多个函数放到一个文件中，需要使用-f命令行参数来使用它们。但不能将-f命令行参数和内联gawk脚本放到一起使用，不过可以在同一个命令行中使用多个-f参数。

8. 实例

数据文件scores中包含了两支队伍（每队2名选手）的保龄球比赛得分情况，每位选手都有3场比赛的成绩，每位选手由位于第二列的队名来标识。下面的例子对每队的成绩进行了排序，并计算了总分和平均分。

for循环中的第一条语句过滤出数据文件中的队名，然后使用uniq命令返回不重复的队名。 for循环再对每个队进行迭代。

利用gawk的-v选项来确定队名是否和正在进行循环的队名相符，如果队名相符，代码会对数据记录中的三场比赛得分求和，然后将每条记录的值再相加，只要数据记录属于同一队。