12 - 03 - 13 awk 笔记

awk将文件视为一系列记录的集合，记录由RS分隔开；每一个记录中包含几个域（字段），域由FS分隔开；它的工作就是对记录进行处理，达到文件尾部是结束，通常会和 shell 脚本结合使用。

常见的用法：

awk (set build-in argumen)  '{ action }' myfile

awk -f progfile myfile

内置变量：

FS：field separator，域分隔符，默认为空格；

RS：record separator，记录分隔符，默认为换行；

NR：number of record，已经找到的记录数，是个逐渐递增的量；

FNR：******，当前所处于的记录号；

NF：number of field，记录中的域的数目；

FILENAME：文件名，不解释；

OFS：FS for output，输出时用的域分隔符，默认空格；

ORS：RS for output，输出时用的记录分隔符，默认换行；

ARGC：类似C语言，参数的数目

ARGV：参数元组；

语法与内置函数：

awk 中使用 $1 对应第一个域，$2 对应第二个。。。。。$0  对应一个记录；

有不少内置函数：

print $1,$2： 打印 $1 和 $2 ，使用 OFS 分隔；

printf "%s+%s", $1, $2：类似与 C 中 printf的用法，不过格式基本上都是字符串；

if else / while / do while / for ：和C中的用法基本一致；

break / continue ：和 C 中的用法基本一致；

awk中可以使用数组，下标从 1 开始，但实际上 awk 是将数组下标当成字符串来处理的（参考 http://www.ibm.com/developerworks/cn/linux/shell/awk/awk-2/index.html），这样的话，感觉就类似与 python 的 dict 了，数组被赋值是建立，数组和 for 结合，有一种比较特别的用法：

array[1] = "a"
array[2] = "b"
array[500] = "c"
array["x"] = "x"
for(i in array){
     print array[i]
}
in 用来判断是否在数组中，感觉也类似与Python，虽然awk年头比Python久远；
delete 用来删除数组元素；
next：中断当前记录的处理，进入下一个记录；
length（$1）：返回 $1 的长度；
index(str, substr)：返回子串在 str 中出现的位置，没找到返回0；
tolower / toupper：大小写转换，将返回一个新串，而不会改变原字符串；
substr(str, startpos, maxlen)：从str 的 startpos 位置，截取长maxlen的子串，如果str不够长则截断，返回新串，不改变str；
match(str, exp)：类似于index，不过搜索的是表达式而非子串；
sub(exp, replacestr, str) / gsub(..)：将str中符合exp的部分替换为replacestr，将修改原字符串，而上面那些函数都不会对源字符串做改动。sub 替换一次，gsub 全局替换；

awk脚本样式：
#!/bin/awk -f
BEGIN{
#set build-in argument, init variable, and so on;
}
{
#action, do sth for record in file
}
END{
#end,
}