awk

awk概述

awk是一种处理文本的语言，它将文件作为一个记录序列进行处理。一般情况下，一个文件的每一行就是一个记录，然后每行内容会被划分为一系列的域。一般情况下，我们可以认为一行的第一个词就是第一个域，第二个词为第二个域。

awk执行

awk ’awk 程序‘ 数据文件文件名

awk会先编译那个程序，然后执行该程序处理数据文件

awk程序的主要结构

awk是由一系列的 模式--动作 对组成的

pattern { action }

Pattern

pattern一般都是使用“关系表达式”来当Pattern

例如：

1. x > 34, 是一个pattern（ awk提供c++中常用的关系运算符：>, <, ==, != ）
2. A ~ B (A是一个字符串，B是regular expression，判断两者是否匹配)
3. A !~ B (A是一个字符串，B是regular expression，判断两者不匹配)

Action

action是由许多awk指令组成的

例如：

1. I/O指令： print, printf( ), getline...
2. 流程控制指令： if(...){..} else{..}, while(...){...}...

我们可以发现在一些awk的表达式中会有BEGIN和END，这两个其实就是patten；而这两种条件对应的action分别是读取所有记录之前和之后。

pattern { action } 处理流程

awk首先判断（evaluate）pattern的值，如果pattern值为true（或者不为0，非空字符串），那么就会执行action里面的内容。

例如：

1. 50 > 23 {print "Hello! The word!!" }（成功输出）
   
2. "banana" ~ /123/ { print "Good morning !" }（不会有任何输出结果）
   

awk字段变量

awk所内建的字段变量及其含义

字段变量	含义
$0	一字符串, 其内容为目前 awk 所读入的数据行
$1	$0 上第一个字段的数据
$2	$0 上第二个字段的数据
...	其余类推

awk的内建变量

常见的内建变量

内建变量	含义
NF (Number of Fields)	为一整数, 其值表$0上所存在的字段数目
NR (Number of Records)	为一整数, 其值表awk已读入的数据行数目.
FILENAME	正在处理的数据文件文件名

例子：

awk读取一个文件test.bat中的一行“it is a test”

$0 之值将是 "it is a test"

$1 之值为 "it"

$2 之值为 "is"

$3 之值为 "a"

$4 之值为 "tes"

$NF 之值为 4

$NR 之值为 1

$FILENAME 之值为 "test.bat"

awk内建函数

字符串函数

• sub（比对用的正则表达式，将替换的新字符串，原字符串）

只会替换第一个满足条件的式子；如果新字符串可以用“&”来表示“合乎条件的子字符串”

A = "a6b12anan212.45an6a"
sub( /(an)+[0-9]*/, "[&]", A)
print A

输出结果

ab12[anan212].45an6a

sub( )中第三个参数(原字串)若未指定,则其预设值为$0.

• gsub（比对用的正则表达式，将替换的新字符串，原字符串）
  • 会替换所有满足条件的式子，并返回取代的子字符串个数