[Linux]gawk模式处理语言

1. 语法

gawk工具从命令行上指定的文件中或从标准输入获取输入，也可以与另一个程序进行交互或通过网络交换数据，除非将gawk的输出重定向，否则它将被送往标准输出。gawk命令行的语法如下：

gawk [options] [program] [file-list]
gawk [options] -f program-file [file-list]

在如上语法中，program是用户在命令行中所包含的gawk程序，program-file是存放gawk程序的文件的名称,file-list包含gawk要处理的普通文件的路径名，如果用户没有指定file-list，gawk将从标准输入获取输入或由getline或协进程指定输入。

gawk选项

全写	简写	说明
--file-seperator fs	-F fs	将fs作为输入字段分隔符的值。
--file programe-file	-f programe-file	从programe-file文件中读取gawk程序。
--help	-W help	如何使用gawk。
--lint	-W lint	对不正确或不利于移植的结构发出警告。
--posix	-W posix	运行POSIX兼容版gawk。
--traditional	-W traditional	忽略gawk程序中较新的GNU特性，以保持兼容。
--assign var=value	-v var=value	将value赋值给变量var，可多次指定这个选项。

2. 模式和动作

gawk程序由一行或多行文本构成，其中包含一个模式和动作，格式如下：

pattern {action}

模式用来从输入中选取文本行，对于由模式选中的每行文本，gawk工具都执行动作。如果程序行中没有包含模式，gawk将选取输入中的所有行。如果程序中没有包含动作，gawk将把选中的行复制到标准输出。

用斜杠把正则表达式包装起来，就可以将其作为模式使用，"~"操作符用于测试某个字段或者变量是否匹配正则表达式，"!~"操作符用于测试不匹配。

BEGIN和END是两个独特的模式，分别是在gawk开始处理之前和处理完毕之后要执行的命令。

逗号","是范围操作符，如果在一个gawk程序行上用逗号将两个模式隔开，gawk选取从匹配第1个模式的第1行开始的文本行。gawk选取的最后一行是匹配第2个模式的那行紧接着的下一行文本。如果没有匹配第2个模式的文本行，gawk将选取直到输入末尾的所有文本行。

如果gawk匹配某个模式，它将执行gawk命令的动作部分所指定的动作。如果没有指定动作，gawk将执行默认动作，即print命令，这个动作将记录从输入复制到标准输出。

如果在print命令后面带上参数，gawk将只显示用户指定的参数，这些参数可以是变量或者字符串常量。除非用逗号将print命令中的各项区分开，否则gawk将它们连接起来。逗号使得gawk用输出字段分隔符将各项分隔开。

3. 注释和变量

gawk工具不处理以"#"号开头的程序行中的任何内容。用户可以程序注释文本前添加这个符号，这样就可以为gawk程序加入注释。

在使用gawk变量之前不需要声明变量，但用户可以选择向这些变量赋初始值，没有赋值的数值变量被初始化为0，而字符串变量则被初始化为空串。

变量

变量	含义
$0	当前记录（作为单个变量）。
$1~$n	当前记录中的字段。
FILENAME	当前输入文件名（null表示标准输入）。
FS	输入字段分隔符。
NF	当前记录的字段数目。
NR	当前记录的记录编号。
OFS	输出字段分隔符（默认为空格符）。
ORS	输出记录分隔符（默认为换行符）。
RS	输入记录分隔符（默认为换行符）。

4. 函数

gawk提供一些函数来操作数字和字符串的函数。

函数

函数	含义
length(str)	返回str中的字符个数，如果没参数则返回当前记录中的字符个数。
int(num)	返回num的整数部分。
index(str1,str2)	返回str2在str1中的位置，如果str2不存在返回0。
split(str,arr,del)	用del作为定界符，将str的元素放置到数组中，返回数组元素个数。
sprintf(fmt,args)	根据fmt格式化args并返回格式化后的字符串。
substr(str,pos,len)	返回str中从pos开始长度为len个字符的字符串。
tolower(str)	返回str的副本，但其中的所有大写字母被替换成相应的小写字母。
toupper(str)	返回str的副本，但其中的所有小写字母被替换成相应的大写字母。

5. 算术操作符

下表列出的算术操作符来自C语言：

算术操作符

操作符	含义
*	将操作符前面的表达式与后面的表达式相乘。
/	将操作符前面的表达式与后面的表达式相除。
%	将操作符前面的表达式与后面的表达式相除，并取余数。
+	将操作符前面的表达式与后面的表达式相加。
-	将操作符前面的表达式与后面的表达式相减。
=	将操作符后面的表达式的值指派给前面的变量。
++	将操作符前面的变量递增。
--	将操作符前面的变量递减。
+=	将操作符后面的表达式与前面的表达式相加，将结果赋给前面的变量。
-=	将操作符后面的表达式与前面的表达式相减，将结果赋给前面的变量。
*=	将操作符后面的表达式与前面的表达式相乘，将结果赋给前面的变量。
/=	将操作符后面的表达式与前面的表达式相除，将结果赋给前面的变量。
%=	将操作符后面的表达式与前面的表达式相除，将余数赋给前面的变量。

6. 关联数组

关联数组使用字符串作为索引，在使用时，可以用数值字符串作为索引来模仿传统数组，语法如下：

array[string] = value

其中array为数组的名称，string为要赋值的元素的索引，value为将要指派给该元素的值。可以将特殊的for结构用于关联数组，语法如下：

for (elem in array) action

7. printf

可以用printf命令来代替print控制gawk产生的输出。gawk版的printf类似于C语言中的printf，语法如下：

printf "control-string", arg1, arg2, ..., argn

control-string决定了printf如何格式化arg1、arg2...argn。这些参数即可以是变量也可以是其他表达式。可以在control-string中使用"\n"来表示换行符，使用"\t"来表示TAB。

control-string包含了转换规格，每个参数对应一个，语法如下：

%[-][x[.y]]conv

其中，"-"使得printf将参数左对齐，"x"表示最小字段宽度，".y"表示数字中小数点右边的位置。conv指示数值转换的类型。

8. 控制结构

if...else控制结构测试由condition返回的状态，并根据该状态转移控制，语法如下：

if [condition]
  {commands}
else
  {commands}

while结构当condition为真时，遍历并执行commands，语法如下：

while (condition)
  {commands}

for结构先执行init语句，当condition为真时，循环遍历commands，每次循环之后都执行increment语句，语法如下：

for (init; condition; increment)
  {commands}

break语句将控制转移到循环之外，continue语句则将控制转移到循环的末尾。

本文出自 “青锋笔记” 博客，谢绝转载！