ЯЗЫК ОБРАБОТКИ ШАБЛОНОВ awk

awk
(учебное пособие)

(с) А.Соловьев

Данная статья была изначально написана для
www.nevod.ru

ЯЗЫК ОБРАБОТКИ ШАБЛОНОВ awk
(Aho, Weinberg, Kernigan)

awk - команда контекстного поиска и преобразования текста.
Она - фильтр. Ее можно рассматривать как оболочку "awk" в
оболочке "shell".

1. СТРУКТУРА awk-ПРОГРАММЫ

Программа состоит из операторов (правил), имеющих вид:

шаблон {действие}
шаблон {действие}
. . .

Частные случаи:

{действие} - когда действие выполняется для всех строк.
шаблон - когда выводятся строки с данным шаблоном.

Действие может состоять из последовательности операторов,
разделяемой ";" или переводом строки или закрывающей скобкой.

Возможны комментарии (как в shell "#.........").

Пример:
Для дальнейших примеров возьмем входной файл "f-awk"
( фамилия инициалы год-приема-на-работу возраст ):

Иванов И.И. 1980 50
Петров А.В. 1979 40
Сидоров С.К. 1979 40
Хведоров И.Х. 1970 60

awk '{print}' f-awk # выдает весь текст;
echo
awk '/до/ {print}' f-awk # выдает строки, где есть "до".
echo
awk '/до/ {}' f-awk # выдает строки, где есть "до"
echo
awk '/до/ {print("Привет!")}' f-awk

Результат:
Иванов И.И. 1980 50
Петров А.В. 1979 40
Сидоров С.К. 1979 40
Хведоров И.Х. 1970 60

Сидоров С.К. 1979 40
Хведоров И.Х. 1970 60

Сидоров С.К. 1979 40
Хведоров И.Х. 1970 60

Привет!
Привет!

Существует два оператора специального вида ("BEGIN"-
начальные установки и "END" - "последействия"):

BEGIN {действие}
шаблон {действие}
шаблон {действие}
. . .
END {действие}

2. ВЫЗОВ awk

Возможны два основных варианта:

1) awk [-Fc] 'prog.awk' [files]

Это простейший случай, когда программа (заключенная в
кавычки " ' ") находится в теле команды,
"-Fc" - флаг, меняющий стандартный разделитель полей на "c"
"file" - имя файла исходных данных, при его отсутствии - со
стандартного входа. (Этот формат исползован в начальных примерах).

cat f-awk | awk '/до/ {print}'

и

awk '/до/ {print}' < f-awk

дают результат, аналогичный

awk '/до/ {print}' f-awk

Для демонстрации действия флага "-Fc" рассмотрим вызовы:

awk '/до/ {print($2)}' f-awk
awk -F0 '/до/ {print($2)}' f-awk

На экран будет выведено:

С.К.
И.Х.

6

Первая команда "awk" выведет вторые поля (благодаря
позиционной переменной "$2") строк, содержащие "до". (Кстати,
позиционная переменная "$0" соответсвует всей строке).
Во втором случае, благодаря флагу "-F" стандартные
разделители заменены на символ "0", т.е. теперь выбранные строки
воспринимаются, как разбитые на следующие поля:

Сидоров С.К. 1979 40
---------------------^--------------------
1-е поле 2-е поле (пусто)

Хведоров И.Х. 1970 60
-----------------^---^--------------------
1-е поле 2-е 3-е поле (пусто)

2) awk [-Fc] -f prog.awk [files]

Флаг "-f" говорит о том, что awk-программу надо брать из
файла, имя которого указано следом (имя может быть произвольным и
расширение ".awk" добавлено здесь просто из эстетических
соображений).

3. awk-ПЕРЕМЕННЫЕ И ВЫРАЖЕНИЯ

В языке awk выделяются две группы переменных:
предопределенные и декларированные в программе. Исходные значения
предопределенных переменных устанавливаются интерпретатором awk в
процессе запуска и выполнения awk-программы.
К предопределенным относятся: Умолчания:
NR номер текущей строки;
NF число полей в текущей строке;
RS разделитель строк на вводе; "\0"
FS разделитель полей на вводе; пробел и/или табуляция
ORS разделитель строк на выводе; RS
OFS разделитель полей на выводе; FS
OFMT формат вывода чиcл; "%.6g"
FILENAME имя входного файла.

Прочим переменным пользователь может присваивать начальные
значения. По умолчанию "0" или пустая строка (что здесь
равнозначно!).
Типы переменных:
- позиционные,
- числа с плавающей точкой,
- строка символов,
- массив.

Интерпретатор awk рассматривает переменную как строковую,
пока не возникает необходимость выполнить операции:
- если пробел (конкатенация), то строки;
- если "+", то числа с плавающей точкой.

Примеры:

awk '{a = $3 $4; print a}' f-awk
awk '{a = $3+$4; print a}' f-awk

Результат:
198050
197940
197940
197060
2030
2019
2019
2030

awk '{}
END {a = 2 + 2 ; print a}' < f-awk
awk '{}
END {a = 2 + "2" ; print a}' < f-awk
awk '{}
END {a = 2 + "два" ; print a}' < f-awk
awk '{}
END {a = "два"+"два" ; print a}' < f-awk
awk '{}
END {a = 2.2 + 2.000 ; print a}' < f-awk

Результат:
4
4
2
0
4.2

Массив не об'является, а начинае существовать в момент
первого использования. Индекс массива - любое ненулевое значение
или строка. Массивы ассоциативные, т.е. не по вычисляемому
индексу, а по совпадению содержания, например:
day [Jan][31] = Mon
day [Feb][01] = Tue
day [Feb][02] = Wed

Массивы удобно использовать при суммированиях, например
записи выплат имеют вид (файл "p-1"):
John 100
Mary 200
Mary 200
John 100
John 300

awk '{sum[$1] += $2; print $1 sum[$1]} ' < p-1

Результат (поименный нарастающий итог):
John100
Mary200
Mary400
John200
John500

Операции как в Си:
=, +=, -=, *=, /=, %=, +, /, %, ++, --.

Сравнения чисел, если оба числа, иначе - строк:
<, <=, ==, !=, >=, >

Логические операции:
!, ||, &&

Операция "пробел" - конкатенация.

4. ПРИМЕРЫ awk-ПРОГРАММ

1) awk '{print ($2, $3)}' f-awk

Результат:
И.И. 1980
А.В. 1979
С.К. 1979
И.Х. 1970

2) awk '/е/ {print ($2, $3)}' f-awk

Результат:
А.В. 1979
И.Х. 1970

3) awk '/е/ {print ($1, 2000 - $3)}' f-awk

Результат:
Петров 21
Хведоров 30

4) awk '{ s = s + $4}
END {print ("Суммарный возраст:" s)
print ("Средний возраст:" s/NR)}' f-awk

Результат:
Суммарный возраст:190
Средний возраст:47.5

5) awk '{ s += $4 }
{print("NR="NR, "NF="NF)}
END {print ("FILENAME=" FILENAME)
print ("Значение позиционной переменной" $4 "\"пусто\" \
после окончания просмотра)")
print ("Суммарный возраст:" s)
print ("Средний возраст:" s/NR)}' f-awk

Результат:
NR=1 NF=4
NR=2 NF=4
NR=3 NF=4
NR=4 NF=4
FILENAME=f-awk
Значение позиционной переменной"пусто" после окончания просмотра)
Суммарный возраст:190
Средний возраст:47.5

5. СЕЛЕКТОРЫ

Здесь "селектор" следует понимать, как расширение понятия
"шаблон", поскольку там где в структуре команды указан шаблон, в
общем случае может стоять любой селектор.
ЗАМЕЧАНИЕ. Открывающая скобка действия "{" должна быть в
строке селектора.
В качестве селектора может быть:
1) выражение;
2) шаблон;
3) их комбинация.

Соответсвующие примеры:
1) $3 != $4 && $3 > 1970
$3 % 2 == 1
$1=="Иванов" - кавычки, чтобы воспринималось, как строка.

2) /ab/ отлично от /a b/, / ab/ и /ab /
Nполя ^шаблон - по совпадению
Nполя !^шаблон - по несовпадению

Пример:
awk '$3~0 {print} ' < f-awk
echo
awk '$3!~0 {print} ' < f-awk

Иванов И.И. 1980 50
Хведоров И.Х. 1970 60

Петров А.В. 1979 40
Сидоров С.К. 1979 40

3) Шаблон может формировать множество образцов или
указывать, в каком месте поля искать:
/^a/ - поле начинается с "a"
/a$/ - поле кончается "a"
\+ - экранирует оператор
[abc] - любой из символов "a", "b" и "c"
[a-р] - любой символ диапазона
* - 0 или больше вхождений регулярного выражения
+ - 1 или больше вхождений регулярного выражения
? - 0 или 1 вхождение регулярного выражения
ab|cd - "ab" или "cd"

Примеры сочетаний:
awk ' $3~/(7[0-9])$/ {print} ' f-awk

Результат:
Петров А.В. 1979 40
Сидоров С.К. 1979 40
Хведоров И.Х. 1970 60

То есть в третьем поле выделить 70-е годы (7 и еще одна
цифра от конца поля).

6. ЕЩЕ ПРИМЕРЫ

1) awk '$1=="Иванов" {print} ' f-awk

Результат:
Иванов И.И. 1980 50

2) awk '$4/2==30 {print} ' f-awk

Результат:
Хведоров И.Х. 1970 60

3) awk '$3 != $4 && $3 > 1970 {print} ' f-awk

Результат:
Иванов И.И. 1980 50
Петров А.В. 1979 40
Сидоров С.К. 1979 40

4) awk '$1~/нов$/ {print} ' f-awk

Результат:
Иванов И.И. 1980 50

5) awk '/^Ив|дор/ {print} ' f-awk

Результат:
Иванов И.И. 1980 50
Сидоров С.К. 1979 40
Хведоров И.Х. 1970 60

6) awk '/1980/,/1979/ {print} ' f-awk

Результат:
Иванов И.И. 1980 50
Петров А.В. 1979 40

7. ДЕЙСТВИЯ

В awk возможны следующие действия:
1) присваивания выражений;
2) операторы управления
3) операторы вывода;
4) встроенные функции.

ОПЕРАТОРЫ УПРАВЛЕНИЯ

Простейшие операторы

exit - завершить выполнение программы;
next - перейти к следующей строке,
управление на начало awk-программы;
break - выход из цикла;
continue - переход к следующей итерации;

Структурные операторы

if (условие) {операторы} [else {операторы}]
while (условие) {операторы}
for (выражение; условие; выражение) {операторы}
for (индекс in имя_массива) {операторы}

Структурные операторы в значительной степени аналогичны
соответсвующим операторам Си.
В последнем случае для каждого индекса выполняется блок.
Текстовые индексы рассматирваются в лексикографическом порядке.

Примеры

1) awk ' $4~/40/ {if($3<=1980) {print("Фамилия: " $1 )
M["40"]++}}
$4~/50/ {M["50"]++}
END {for(i in M)
{print(" i =" i " M[" i "]=" M[i])}} ' f-awk

Результат:
Фамилия: Петров
Фамилия: Сидоров
i =40 M[40]=2
i =50 M[50]=1

2) awk ' BEGIN {ORS = " "}
{ for(k=NF; k>0; --k) {print $k}
{print RS}
} ' f-awk |
sed 's/^ //'

Результат:
50 1980 И.И. Иванов
40 1979 А.В. Петров
40 1979 С.К. Сидоров
60 1970 И.Х. Хведоров

Здесь, кроме изменения очередности полей в строке на
противоположное (что делает цикл "for"), предварительно
устанавливается выходной разделитель - пробел и весь результат
предварительно выдается в одну строку, поэтому после обработки
каждой строки выдается команда "print RS" для перевода выходной
строки. Редактор "sed" подключен через конвейер, чтобы убрать
возможные пробелы в начале строки.
Существенная деталь. Если запустить лишь базовую структуру

awk '{ for(k=NF; k>0; --k) {print $k}}' f-awk

то все поля исходной таблицы с изменениями порядка внутри
прежних строк получим вытянутыми в один столбец переводом строки:

50
1980
И.И.
Иванов
40
1979
А.В.
Петров
40
1979
С.К.
Сидоров
60
1970
И.Х.
Хведоров

Однако, если поставим ";" сразу после условия, т.е. сделаем
пустое тело цикла, за пределы которого вынесен "print $k"

awk '{ for(k=NF; k>0; --k); {print $k}}' f-awk

то получим исходную таблицу

Иванов И.И. 1980 50
Петров А.В. 1979 40
Сидоров С.К. 1979 40
Хведоров И.Х. 1970 60

поскольку "$k" после выхода из цикла будет иметь значение
"0", а "$0" - соответсвует всей строке в качестве значения(!), то
"print $k" будет после каждого цикла печатать полные строки.

8. ВВОД И ВЫВОД ДАННЫХ

В общем случае в команде awk может быть указано несколько
файлов.
Напомним форматы вызова команды:

awk [-Fc] 'prog.awk' [file ...]
awk [-Fc] -f prog.awk [file ...]
^
Файлы обрабатываются последовательно в указанном порядке.
Это можно использовать для "настройки" awk команды при
обработке последующих файлов.

Пусть файл "f0" имеет вид:

60 Сидоров

А файл awk-программы "prim.awk" имеет вид:

FILENAME == "f0" { # если просматривается файл "f0"
w1 = $2 # присваиваются значения переменным
w2 = $1 # w1 - Сидоров, w2 - 60
}
$1 == w1 { print ("фамилия: "$1)} # означенные переменные
$4 == w2 { print ("годы: " $4)} # используются в
# селекторах

Тогда при вызове команды

awk -f prim.awk f0 f-awk

Результат:

фамилия: Сидоров
годы: 60

То есть второе поле файла "f0" дает значение переменной
"w1", а первое - "w2". Эти переменные используются в селекторах
при обработке файла "f-awk".

Изменим программу в файле "f-awk":

FILENAME == "f0" {
w1 = $2
w2 = $1
next
}
{ print ("фамилия: "$1); next}
$4 == w2 { print ("годы: " $4)}

Результат:
фамилия: Иванов
фамилия: Петров
фамилия: Сидоров
фамилия: Хведоров

Если исключить первый оператор "next", то в выходном файле
появится дополнительно первая строка:

фамилия: 60

поскольку выбирается снова первое поле в певом файле ("f0").
Если исключить и второй "next", то в выходном файле появится
дополнительно последняя строка:

годы: 60

которая ранее не выводилась, так как в предшествующий
оператор " { print ("фамилия: "$1)}" заканчивал работу на
ПОСЛЕДНЕЙ строке файла "f-awk", поэтому "next" пропускал
последующую командную строку
$4 == w2 { print ("годы: " $4)}

И еще одна модификация в связи с вводом данных с терминала.
Вызов команды будет:

awk -f prim.awk f0 f-awk

А файл "prim.awk" примет вид:

BEGIN { print ("Введите годы и фамилию: ")}
FILENAME == "-" {
w1 = $2
w2 = $1
next
}
$1 == w1 { print ("фамилия: "$1); next}
$4 == w2 { print ("годы: " $4)}

9. ВСТРОЕННЫЕ ФУНКЦИИ

Встроенные функции:
sin (expr) синус expr
cos (expr) косинус expr
exp (expr) возведение в степень expr
log (expr) натуральный логорифм expr
sqrt (expr) извлечение корня expr
int (expr) целая часть числа
length (s) длина строки s
printf (fmt, ...) форматирование (аналогично Си)
по спецификации fmt.
substr (s, m, n) подстрока в n символов строки s,
начинающаяся с m.
getline () чтение следующей строки.
0 - конец файла, иначе 1.
index (s1, s2) номер позиции,
с которой s1 совпадает с s2, иначе 0.
split (s, M, c) строка s разбивается элементы массива M
по разделителю c (по умолчанию FS=" ");
функция возвращает число полей.

Примеры.

1) awk ' BEGIN {FS = "."; a=0}
length ($1) > 8 {print (length ($1), $0);
a++
}
END {print ("Найдено строк: " a) }' f-awk

Результат:
9 Сидоров С.К. 1979 40
10 Хведоров И.Х. 1970 60
Найдено строк: 2

Здест поля разделяются по ".", выбираются строки у которых
длина первого поля больше 8-ми, и их длина "length ($1)"
печатается перед строкой "$0".

2) awk '{i=split($0, Name, ".");
for (j=1; j<=i; j++)
print ("Name[" j "]=" Name[j])
}' f-awk

Результат:
Name[1]=Иванов И
Name[2]=И
Name[3]= 1980 50
Name[1]=Петров А
Name[2]=В
Name[3]= 1979 40
Name[1]=Сидоров С
Name[2]=К
Name[3]= 1979 40
Name[1]=Хведоров И
Name[2]=Х
Name[3]= 1970 60

3) awk '{print (length)}' f-awk

Результат:
22
22
22
22

Поскольку все строки были выровнены пробелами, а в длине
строки учитываются все символы до конца строки.

4) awk '{printf "%7.2f %s\n", NR, $0}' f-awk
echo
awk '{printf "\t%s %s \n", NR, $0}' f-awk

Результат:
1.00 Иванов И.И. 1980 50
2.00 Петров А.В. 1979 40
3.00 Сидоров С.К. 1979 40
4.00 Хведоров И.Х. 1970 60

1 Иванов И.И. 1980 50
2 Петров А.В. 1979 40
3 Сидоров С.К. 1979 40
4 Хведоров И.Х. 1970 60