mawk

Autres langues

Langue: pl

Autres versions - même langue

Version: 22 grudnia 1994 (fedora - 25/11/07)

Section: 1 (Commandes utilisateur)

NAZWA

mawk - język wyszukiwania wzorców i przetwarzania tekstu

SKŁADNIA

mawk
[-W opcja] [-F wartość] [-v zmn=wartość]
[--] 'tekst programu' [plik...]
mawk
[-W opcja] [-F wartość] [-v zmn=wartość]
[-f plik-programu] [--] [plik...]

OPIS

mawk jest interpreterem języka programowania AWK. Język AWK jest użyteczny w działaniach na plikach danych, wyszukiwaniu i przetwarzaniu tekstu oraz tworzeniu prototypów i eksperymentowaniu z algorytmami. mawk implementuje język AWK, jak go zdefiniowali Aho, Kernighan i Weinberger w książce The AWK Programming Language, Addison-Wesley Publishing, 1988 (dalej wzmiankowanej jako książka AWK). mawk jest zgodny z definicją języka AWK ze standardu Posix 1003.2 (propozycja 11.3), zawierającą nowe cechy nie opisane w książce AWK. Dodatkowo mawk zawiera nieco rozszerzeń.

Program AWK jest sekwencją par wzorzec {akcja} i definicji funkcji. Krótkie programy wprowadzane są w wierszu poleceń, zwykle ujęte w ' ', by uniknąć interpretacji ich składowych przez powłokę. Dłuższe programy mogą być czytane z pliku przy pomocy opcji -f. dane wejściowe odczytywane są z listy plików z wiersza poleceń lub ze standardowego wejścia, gdy lista ta jest pusta. Wejście rozbijane jest na rekordy określone według zmiennej opisującej separator rekordów, RS (record separator). Początkowo RS="\n" a rekordy są tożsame z wierszami. Każdy z rekordów porównywany jest z każdym ze wzorców, a jeśli pasuje, wykonywany jest tekst programu dla {akcji}.

OPCJE

-F wartość
ustawia separator pól, FS, na wartość.
-f plik
Tekst programu jest czytany z pliku zamiast z wiersza poleceń. Dopuszcza się wielokrotne użycie opcji -f.
-v zmn=wartość
przypisuje wartość zmiennej programu zmn.
--
wskazuje jednoznaczny koniec opcji.

Powyższe opcje będą dostępne w każdej zgodnej z Posix implementacji AWK. Opcje specyficzne dla danej implementacji poprzedzane są przez -W. mawk udostępnia sześć takich rozszerzeń:

-W version
mawk wypisuje swą wersję i prawa autorskie na stdout (standardowym wyjściu), zaś wkompilowane ograniczenia na stderr (standardowym wyjściu błędów). Kończy pracę z kodem 0.
-W dump
wypisuje na stdout asembleropodobny listing wewnętrznej reprezentacji programu i kończy pracę z kodem 0 (przy pomyślnej kompilacji).
-W interactive
ustawia niebuforowane zapisy na stdout i buforowane wierszami odczyty z stdin (standardowego wejścia). Rekordy z stdin są wierszami niezależnie od wartości RS.
-W exec plik
Tekst programu czytany jest z pliku i jest to ostatnia opcja. Przydatne na systemach obsługujących konwencję "liczb magicznych" #! dla skryptów wykonywalnych.
-W sprintf=num
ustawia rozmiar bufora wewnętrznego sprintf na num bajtów. Częstsze niż sporadyczne stosowanie tej opcji wskazuje, że mawk powinien zostać zrekompilowany.
-W posix_space
wymusza na mawk, by nie uważał '\n' za odstęp.

Rozpoznawane są krótkie postacie -W[vdiesp], zaś w niektórych systemach -We jest obowiązkowe dla uniknięcia ograniczeń długości wiersza poleceń.

JĘZYK AWK

1. Struktura programu

Program w języku AWK jest składa się z sekwencji par wzorzec {akcja} i definicji funkcji użytkownika.

Wzorcem może być:

 
BEGIN END wyrażenie wyrażenie, wyrażenie

 
Można pominąc jeden z elementów z pary wzorzec {akcja}, ale nie oba. Jeżeli pominięto {akcję}, to jest nią domniemane { print }. Jeżeli pominięto wzorzec, to jest on niejawnie dopasowany. Wzorce BEGIN i END wymagają akcji.

Instrukcje zakończone są znakami nowej linii, średnikami lub oboma tymi znakami. Grupy instrukcji, jak akcje czy ciała pętli, łączone są w bloki za pośrednictwem { ... }, jak w C. Ostatnia instrukcja w bloku nie wymaga znaku kończącego. Puste wiersza nie mają znaczenia; pusta instrukcja zakończona jest średnikiem. Długie instrukcje można kontynuować przy pomocy odwrotnego ukośnika \. Instrukcję można podzielić między wiersze bez użycia odwrotnego ukośnika po przecinku, nawiasie otwierającym, &&, ||, do, else, nawiasie zamykającym instrukcji if, while lub for oraz nawiasie zamykającym definicji funkcji. Komentarze zaczynają się od # i rozciągają się do aż końca wiersza, choć go nie obejmują.

Poniższe instrukcje sterują przepływem programu wewnątrz bloków.


if ( wyraż ) instrukcja
if ( wyraż ) instrukcja else instrukcja
while ( wyraż ) instrukcja
do instrukcja while ( wyraż )
for ( wyr_opc ; wyr_opc ; wyr_opc ) instrukcja
for ( zmn in tablica ) instrukcja
continue
break

2. Typy danych, konwersja i porównywanie

Istnieją dwa podstawowe typy danych, numeryczny i łańcuch znakowy. Stałe liczbowe mogą być całkowite, jak -2, dziesiętne jak 1.08, lub podane w notacji naukowej jak -1.1e4 czy .28E-3. Wszystkie liczby są reprezentowane wewnętrznie w arytmetyce zmiennoprzecinkowej. Wszystkie obliczenia również są zmiennoprzecinkowe. Tak więc, na przykład, wyrażenie 0.2e2 == 20 jest prawdą. Prawda reprezentowana jest jako 1.0.

Stałe łańcuchowe ujęte są w cudzysłowy.

"To jest łańcuch ze znakiem nowej linii na końcu.\n"

Łańcuchy znakowe mogą być kontynuowane w kolejnych wierszach dzięki poprzedzeniu znaku nowej linii odwrotnym ukośnikiem (\). Rozpoznawane są następujące sekwencje specjalne:

 
     \\        \
     \"        "
     \a        dzwonek, ascii 7
     \b        backspace, ascii 8
     \t        tabulacja, ascii 9
     \n        znak nowej linii, newline , ascii 10
     \v        tabulacja pionowa, ascii 11
     \f        wysuw strony, formfeed, ascii 12
     \r        powrót karetki, carriage return, ascii 13
     \ddd      1, 2 lub 3 cyfry ósemkowe dla ascii ddd
     \xhh      1 lub 2 cyfry szesnastkowe dla ascii hh
 
 
Jeżeli odwrotnym ukośnikiem zostanie poprzedzony inny znak, np. \c, wynikiem będzie sekwencja źródłowa: \c, tzn. mawk zignoruje specjalne właściwości odwrotnego ukośnika.

Naprawdę istnieją trzy podstawowe typy danych; trzecim jest liczba i łańcuch, posiadający równocześnie wartość liczbową i wartość łańcuchową. Zmienne definiowane przez użytkownika pojawiają się przy pierwszym ich użyciu i są inicjowane na null, typu "liczba i łańcuch", mające wartość numeryczną 0 a łańcuchową "". Nietrywialne dane typu liczbowo-łańcuchowego pochodzą z wejścia i zwykle przechowywane są w polach (zobacz sekcja 4).

Typ wyrażenia określany jest przez jego kontekst. W razie potrzeby wykonywana jest automatyczna konwersja typów. Na przykład, wyznaczenie wartości instrukcji

 
         y = x + 2  ;  z = x  "hello"
 
 
Wartość przechowywana w zmiennej y otrzyma typ numeryczny. Jeżeli x nie jest numeryczne, to wartość odczytana z x zostanie skonwertowana na liczbę przed dodaniem do 2 i zachowaniem w y. Wartość przechowywana w zmiennej z będzie typu łańcuchowego: wartość x zostanie przekształcona na łańcuch, jeśli będzie to niezbędne, i złączona z "hello". Oczywiście, wartość i typ przechowywane w x nie zmieniają się w żadnej z tych konwersji. Wyrażenie łańcuchowe przekształcane jest na numeryczne przy zastosowaniu najdłuższego swego przedrostka numerycznego jak w atof(3). Wyrażenie numeryczne konwertowane jest na łańcuch poprzez zastąpienie wyraż przez sprintf(CONVFMT, wyraż), chyba że wyraż może być reprezentowane w danym komputerze jako dokładna liczba całkowita, wówczas przekształcane jest na sprintf("%d", wyraż). Sprintf() jest funkcją wbudowaną AWK, dublującą działanie sprintf(3), zaś CONVFMT jest wbudowaną zmienną używaną do wewnętrznej konwersji z liczby na łańcuch i inicjowaną na "%.6g". Można wymusić jawną konwersję typów: wyraż "" jest łańcuchowe, a wyraż+0 jest numeryczne.

Przy wyliczaniu, wyraż1 op-rel wyraż2, jeżeli oba operandy są numeryczne lub numeryczno-łańcuchowe, to porównywanie jest numeryczne; jeżeli oba operandy są łańcuchami to porównywanie jest łańcuchowe; jeśli jeden z operandów jest łańcuchem, to operand nie-łańcuchowy jest przekształcany i porównywanie jest łańcuchowe. Wynik jest numeryczny, 1 lub 0.

W kontekstach logicznych, jak if ( wyraż ) instrukcja, wartością wyrażenia łańcuchowego jest prawda wtedy i tylko wtedy, gdy nie jest ono łańcuchem pustym ""; wyrażeń liczbowych wtedy i tylko wtedy gdy nie są numerycznie zerem.

3. Wyrażenia regularne

W języku AWK rekordy, pola i łańcuchy są często sprawdzane na dopasowanie do wyrażenia regularnego. Wyrażenia regularne umieszczone są między ukośnikami, a
 
         wyraż ~ /r/
 
 
jest wyrażeniem AWK o wartości 1 jeśli wyraż "pasuje do" r, co oznacza, że pewien podłańcuch wyraż jest w zestawie łańcuchów zdefiniowanych przez r. Jeśli nie występuje dopasowanie, to wyrażenie otrzymuje wartość 0; zastąpienie ~ operatorem "nie pasuje", !~, odwraca znaczenia. Pary wzorzec-akcja
 
         /r/ { akcja }   i   $0 ~ /r/ { akcja }
 
 
są takie same, zaś dla każdego rekordu wejściowego pasującego do r wykonywana jest akcja. Faktycznie, /r/ jest wyrażeniem AWK równoważnym ($0 ~ /r/) wszędzie z wyjątkiem wystąpienia po prawej stronie operatora dopasowania lub przekazywania do funkcji wbudowanej oczekującej jako argumentu wyrażenia regularnego.

AWK stosuje rozszerzone wyrażenia regularne jak egrep(1). Metaznakami wyrażeń regularnych, tj. znakami o specjalnym znaczeniu w wyrażeniach regularnych są

 
          ^ $ . [ ] | ( ) * + ?
 
 
Wyrażenia regularne konstruowane są ze znaków jak niżej:
c
dopasowuje dowolny znak nie będący metaznakiem c.
\c
dopasowuje znak zdefiniowany przez tę samą sekwencję specjalną używaną w stałych łańcuchowych lub dosłowny znak c jeśli \c nie jest sekwencją specjalną.
.
dopasowuje dowolny znak (łącznie ze znakiem nowej linii).
^
dopasowuje początek łańcucha.
$
dopasowuje koniec łańcucha.
[c1c2c3...]
dopasowuje dowolny znak z klasy c1c2c3... . Zakres znaków oznaczany jest przez c1-c2 wewnątrz klasy [...].
[^c1c2c3...]
dopasowuje dowolny znak nie należący do klasy c1c2c3...

Wyrażenia regularne konstruowane są z innych wyrażeń regularnych w następujący sposób:

r1r2
dopasowuje r1, bezpośrednio po którym następuje r2 (konkatenacja).
r1 | r2
dopasowuje r1 lub r2 (alternatywa).
r*
dopasowuje zero lub więcej wystąpień r .
r+
dopasowuje jedno lub więcej r.
r?
dopasowuje zero lub jedno r.
(r)
dopasowuje r, umożliwiając grupowanie.

Operatory według rosnącego priorytetu: alternatywa, konkatenacja (złączenie) i operatory jednoargumentowe (*, + lub ?).

Na przykład,

 
     /^[_a-zA-Z][_a-zA-Z0-9]*$/  i
     /^[-+]?([0-9]+\.?|\.[0-9])[0-9]*([eE][-+]?[0-9]+)?$/
 
 
dopasowują odpowiednio identyfikatory AWK i stałe liczbowe AWK. Zauważ, że kropka . musi być chroniona odwrotnym ukośnikiem, by została rozpoznana jako kropka dziesiętna, a nie dopasowanie dowolnego znaku, a metaznaki wewnątrz klas znaków tracą swe specjalne znaczenie.

Po prawej stronie operatorów ~ lub !~ może zostać użyte dowolne wyrażenie. Podobnie, dowolne wyrażenie można przekazać do funkcji wbudowanej oczekującej wyrażenia regularnego. W razie potrzeby zostanie ono przekształcone na łańcuch, a następnie zinterpretowane jako wyrażenie regularne. Na przykład,

 
         BEGIN { identifier = "[_a-zA-Z][_a-zA-Z0-9]*" }
 
         $0 ~ "^" identifier
 
 
wypisuje wszystkie wiersze zaczynające się od jakiegoś identyfikatora AWK.

mawk rozpoznaje puste wyrażenie regularne, //, dopasowujące łańcuch pusty. Zatem pasuje do niego dowolny łańcuch na początku, końcu i pomiędzy dowolnym znakiem. Na przykład,

 
         echo  abc | mawk '{ gsub(//, "X") ; print }'
         XaXbXcX
 
 

4. Rekordy i pola

Rekordy czytane są po jednym na raz, i przechowywane w zmiennej $0. Rekord rozbijany jest na pola, przechowywane w $1, $2, ..., $NF. Wbudowana zmienna NF ustawiana jest na liczbę pól, a NR i FNR są zwiększane o 1. Pola powyżej $NF ustawiane są na "".

Przypisanie do $0 powoduje, że pola i NF są obliczane ponownie. Przypisanie do NF lub do pola powoduje, że $0 jest ponownie tworzone przez złączenie kolejnych pól separowanych przez OFS. Przypisanie do pola o indeksie większym od NF, powiększa NF i powoduje ponowne utworzenie $0.

Dane wejściowe przechowywane w polach są łańcuchami, chyba że całe pole ma postać numeryczną a wówczas typ jest liczbowo-łańcuchowy. Na przykład,

         echo 24 24E |
         mawk '{ print($1>100, $1>"100", $2>100, $2>"100") }'
         0 1 1 1
 

$0 i $2 są łańcuchami a $1 jest liczbowo-łańcuchowe. Pierwsze porównanie jest numeryczne, drugie łańcuchowe, trzecie łańcuchowe (100 jest konwertowane na "100"), i ostatnie łańcuchowe.

5. Wyrażenia i operatory

Składnia wyrażeń jest podobna jak w C. Wyrażeniami pierwotnymi są stałe liczbowe, stałe łańcuchowe, zmienne, pola, tablice i wywołania funkcji. Identyfikator zmiennej, tablicy bądź funkcji może być ciągiem liter, cyfr i znaków podkreślenia, nie rozpoczynającym się od cyfry. Zmienne nie są deklarowane; zaistnieją przy pierwszym do nich odwołaniu, a inicjowane są na null.

Nowe wyrażenia tworzone są z użyciem poniższych, podanych w kolejności rosnącego priorytetu, operatorów:

 przypisanie                =  +=  -=  *=  /=  %=  ^=
 warunkowe                 ?  :
 logiczne or               ||
 logiczne and              &&
 przynależność do tablicy  in
 dopasowanie               ~   !~
 relacyjne                 <  >   <=  >=  ==  !=
 konkatenacja              (bez specjalnego operatora)
 dodawanie/odejmowanie     +  -
 mnożenie/dzielenie        *  /  %
 jednoargumentowe          +  -
 logiczne not              !
 potęgowanie               ^
 inkrementacja/dekr.       ++ -- (zarówno post jak i pre)
 pole                      $
 
Przypisanie, operatory warunkowe i potęgowanie wiążą od prawej do lewej; pozostałe od lewej do prawej. Każde wyrażenie może być umieszczone w nawiasach.

6. Tablice

Awk obsługuje tablice jednowymiarowe. Elementy tablic wskazuje się jako tablica[wyraż]. Wyraż jest przekształcane wewnętrznie na typ łańcuchowy, więc, na przykład, A[1] i A["1"] są tym samym elementem, a faktycznym indeksem jest "1". Tablice indeksowane łańcuchami zwane są tablicami asocjacyjnymi (tablicami przyporządkowującymi). Pierwotnie tablica jest pusta; elementy zaistnieją przy pierwszym do nich odwołaniu. Wyrażenie wyraż in tablica daje w wyniku 1 jeżeli istnieje tablica[wyraż], w przeciwnym razie 0.

Istnieje postać instrukcji for wykonująca pętlę po wszystkich indeksach tablicy.

 
         for ( zmn in tablica ) instrukcja
 
 
ustawia zmn na każdy z indeksów tablicy i wykonuje instrukcję. Kolejność, w jakiej zmn przechodzi przez indeksy tablicy nie jest zdefiniowana.

Instrukcja delete tablica[wyraż], powoduje usunięcie tablica[wyraż]. mawk obsługuje rozszerzenie, delete tablica, które usuwa wszystkie elementy tablicy.

Tablice wielowymiarowe tworzone są sztucznie przez konkatenację z zastosowaniem wbudowanej zmiennej SUBSEP. tablica[wyraż1,wyraż2] jest równoważnikiem tablica[wyraż1 SUBSEP wyraż2]. Sprawdzanie elementu tablicy wielowymiarowej używa indeksu w nawiasach, jak w

         if ( (i, j) in A )  print A[i, j]
 

7. Zmienne wbudowane

Poniższe zmienne są zmiennymi wbudowanymi. Są one inicjowane przed wykonaniem programu.

ARGC
liczba argumentów wiersza poleceń.
ARGV
tablica argumentów wiersza poleceń, 0..ARGC-1.
CONVFMT
format do wewnętrznej konwersji liczb na łańcuchy, początkowo = "%.6g".
ENVIRON
tablica zaindeksowana zmiennymi środowiska. Łańcuch środowiska, zmn=wartość przechowywany jest jako ENVIRON[zmn] = wartość.
FILENAME
nazwa bieżącego pliku wejściowego.
FNR
numer bieżącego rekordu w FILENAME.
FS
dzieli rekordy na pola jako wyrażenie regularne.
NF
liczba pól bieżącego rekordu.
NR
numer bieżącego rekordu w całkowitym strumieniu wejściowym.
OFMT
format do wydruku liczb; początkowo = "%.6g".
OFS
wstawiane pomiędzy polami w wyjściu, początkowo = " ".
ORS
kończy każdy z rekordów wyjściowych, początkowo = "\n".
RLENGTH
długość ustawiona przez ostatnie wywołanie wbudowanej funkcji match().
RS
separator rekordów wejściowych, początkowo = "\n".
RSTART
indeks ustawiony przez ostatnie wywołanie match().
SUBSEP
używany do budowy indeksów tablic wielowymiarowych, początkowo = "\034".

8. Funkcje wbudowane

Funkcje łańcuchowe
gsub(r,s,t) gsub(r,s)
Zastępowanie globalne (global substitution), każde dopasowanie wyrażenia regularnego r w zmiennej t zastępowane jest łańcuchem s. Zwracana jest liczba wykonanych zastąpień. Jeżeli pominięto t, to używane jest $0. Znak & w łańcuchu zastępującym s zastępowany jest dopasowanym podłańcuchem łańcucha t. \& oraz \\ dają, odpowiednio, dosłowne & i \ w łańcuchu zastępującym.
index(s,t)
Jeżeli t jest podłańcuchem s, to zwracana jest pozycja, na której rozpoczyna się t, w przeciwnym razie zwracane jest 0. Pierwszy znak s jest na pozycji 1.
length(s)
Zwraca długość łańcucha s.
match(s,r)
Zwraca indeks pierwszego najdłuższego dopasowania wyrażenia regularnego r w łańcuchu s. Zwraca 0 jeśli nie występuje dopasowanie. Jako skutek uboczny, następuje ustawienie RSTART na zwracaną wartość. RLENGTH ustawiane jest na długość dopasowania lub -1 jeśli brak dopasowania. Jeżeli dopasowano łańcuch pusty, to RLENGTH ustawiane jest na 0, a zwracane jest 1 jeśli dopasowanie było na początku, zaś length(s)+1, gdy na końcu łańcucha.
split(s,A,r) split(s,A)
Łańcuch s rozbijany jest na pola przez wyrażenie regularne r a pola wpisywane są do tablicy A. Zwracana jest liczba pól. Szczegóły w sekcji 11 poniżej. Jeżeli pominięto r, używane jest FS.
sprintf(format,lista-wyraż)
Zwraca łańcuch utworzony z listy-wyrażeń zgodnie z formatem. Zobacz opis printf() poniżej.
sub(r,s,t) sub(r,s)
Pojedyncze zastąpienie. Takie samo, jak gsub(), z wyjątkiem tego, że wykonywane jest co najwyżej jedno zastąpienie.
substr(s,i,n) substr(s,i)
Zwraca podłańcuch łańcucha s, poczynając od indeksu i, o długości n. Jeśli pominięto n, zwracana jest końcówka s, poczynając od pozycji i.
tolower(s)
Zwraca kopię s ze wszystkimi dużymi literami przekształconymi na małe.
toupper(s)
Zwraca kopię s ze wszystkimi małymi literami przekształconymi na duże.

Funkcje arytmetyczne


 atan2(y,x)     arcus tangens z y/x pomiędzy -PI i PI.
 
 cos(x)         funkcja cosinus, x w radianach.
 
 exp(x)         funkcja wykładnicza.
 
 int(x)         zwraca x obcięte w stronę zera.
 
 log(x)         logarytm naturalny.
 
 rand()         zwraca liczbę losową między zero a jeden.
 
 sin(x)         funkcja sinus, x w radianach.
 
sqrt(x) zwraca pierwiastek kwadratowy z x.
srand(wyraż) srand()
Inicjuje ziarenko generatora liczb losowych, używając zegara jeśli pominięto wyraż, i zwraca wartość poprzedniego ziarenka losowego. mawk inicjuje generator liczb losowych według zegara przy uruchomieniu, więc nie ma faktycznej potrzeby wywoływania srand(). Srand(wyraż) przydaje się do powtarzania ciągów pseudolosowych.

 

9. Wejście i wyjście

Istnieją dwie instrukcje wyjścia: print i printf.
print
zapisuje na standardowe wyjście $0 ORS.
print wyraż1, wyraż2, ..., wyrażn
zapisuje na standardowe wyjście wyraż1 OFS wyraż2 OFS ... wyrażn ORS. Wyrażenia numeryczne są konwertowane na łańcuchy zgodnie z OFMT.
printf format, lista-wyraż
powiela funkcję biblioteczną printf z C, pisząc na standardowe wyjście. Rozpoznawany jest komplet specyfikacji formatów z ANSI C z konwersjami %c, %d, %e, %E, %f, %g, %G, %i, %o, %s, %u, %x, %X i %%, oraz kwalifikatorami konwersji h i l.

Lista argumentów print lub printf może być opcjonalnie ujęta w nawiasy. Print formatuje liczby przy pomocy OFMT lub "%d" dla dokładnie całkowitych. "%c" z argumentem numerycznym wypisuje odpowiedni znak 8-bitowy, z argumentem łańcuchowym wypisuje pierwszy znak łańcucha. Wyjście print i printf można przekierować do pliku lub polecenia dołączając > plik, >> plik lub | polecenie na końcu instrukcji drukowania. Przekierowanie otwiera plik lub polecenie tylko raz, kolejne przekierowania dołączane są do już otwartego strumienia. Zgodnie z konwencją, mawk łączy nazwę pliku "/dev/stderr" z stderr, co pozwala na przekierowanie wyników print i printf na standardowe wyjście diagnostyczne. mawk wiąże również, odpowiednio, "-" i "/dev/stdout" z stdin i stdout, co umożliwia przysyłanie tych strumieni do funkcji.

Funkcja wejścia getline ma następujące warianty:

getline
czyta do $0, aktualizuje pola, NF, NR i FNR.
getline < plik
czyta do $0 z pliku, aktualizuje pola i NF.
getline zmn
czyta następny rekord do zmiennej zmn, aktualizuje NR i FNR.
getline zmn < plik
czyta następny rekord pliku do zmiennej zmn.
polecenie | getline
przesyła potokiem rekord z polecenia do $0 i aktualizuje pola i NF.
polecenie | getline zmn
przesyła potokiem rekord z polecenia do zmiennej zmn.

Getline zwraca 0 na końcu pliku, -1 przy błędzie, w pozostałych przypadkach 1.

Polecenia na końcu potoków wykonywane są przez /bin/sh.

Funkcja close(wyraż) zamyka plik lub potok skojarzony z wyraż. Close zwraca 0 jeżeli wyraż jest otwartym plikiem, kod zakończenia jeśli wyraż jest poleceniem potoku, a -1 w pozostałych przypadkach. Close stosowane jest do ponownego odczytu pliku lub polecenia, upewnienia się, że drugi koniec potoku wyjściowego jest zakończony lub do zachowania zasobów plikowych.

Funkcja fflush(wyraż) wymiata plik wyjściowy lub potok skojarzony z wyraż. Fflush zwraca 0 jeśli wyraż jest otwartym strumieniem wyjściowym, w przeciwnym razie -1. Fflush bez argumentu opróżnia stdout. Fflush z pustym argumentem ("") opróżnia wszystkie otwarte wyjścia.

Funkcja system(wyraż) wykorzystuje /bin/sh do wykonania wyraż i zwraca kod zakończenia polecenia wyraż. Zmiany tablicy ENVIRON nie są przekazywane poleceniom wykonywanym przez system lub potoki.

10. Funkcje definiowane przez użytkownika

Funkcja definiowana przez użytkownika ma następującą składnię:
 
     function nazwa( argumenty ) { instrukcje }
 
 
Ciało funkcji może zawierać instrukcję zwrócenia wartości (return)
 
      return opcjonalne-wyraż
 
 
Instrukcja return nie jest wymagana. Wywołania funkcji mogą być zagnieżdżane lub rekurencyjne. Wyrażenia przekazywane są funkcjom przez wartość a tablice przez wskazanie. Dodatkowe argumenty służą jako zmienne lokalne i są inicjowane na null. Na przykład, csplit(s,A) wstawia każdy znak s do tablicy A i zwraca długość s.
 
         function csplit(s, A,   n, i)
         {
           n = length(s)
           for( i = 1 ; i <= n ; i++ ) A[i] = substr(s, i, 1)
           return n
         }
 
 
Wstawienie dodatkowych odstępów pomiędzy przekazywanymi parametrami a zmiennymi lokalnymi wynika z konwencji. Do funkcji można odwoływać się przed ich zdefiniowaniem, ale nazwa funkcji i nawias '(' rozpoczynający listę argumentów muszą się stykać, by uniknąć pomyłki z konkatenacją.

11. Podział łańcuchów, rekordów i plików

Programy awk używają tego samego algorytmu do rozbicia łańcuchów na tablice przy pomocy split() i rekordów na pola według FS. mawk stosuje zasadniczo ten sam algorytm przy podziale plików na rekordy według RS.

Split(wyraż,A,sep) działa następująco:

(1)
Jeżeli pominięto sep, to jest on zastępowany przez FS. Sep może być wyrażeniem lub wyrażeniem regularnym. Jeżeli jest wyrażeniem typu nie-łańcuchowego, to jest przekształcane na łańcuch.
(2)
Jeśli sep = " " (pojedyncza spacja), to <ODSTĘP> jest obcinana z początku i końca wyraż, a sep staje się <ODSTĘPEM>. mawk definiuje <ODSTĘP> jako wyrażenie regularne /[ \t\n]+/. W przeciwnym wypadku sep traktowany jest jako wyrażenie regularne, z wyjątkiem tego, że metaznaki dla łańcucha o długości 1 są ignorowane, np. split(x, A, "*") i split(x, A, /\*/) są tym samym.
(3)
Jeżeli wyraż nie jest łańcuchem, jest przekształcane na łańcuch. Jeżeli wyraż jest wówczas łańcuchem pustym "", to split() zwraca 0 a A jest ustawiane jako puste. W przeciwnym razie, wszystkie nienakładające się, niepuste i najdłuższe dopasowania sep w wyraż, dzielą wyraż na pola, które wpisywane są do A. Pola są umieszczane w A[1], A[2], ..., A[n] a split() zwraca n, liczbę pól, równą liczbie dopasowań plus jeden. Dane umieszczone w A wyglądające na numeryczne otrzymują typ liczbowo-łańcuchowy.

Podział rekordów na pola działa tak samo, z wyjątkiem tego, iż części wpisywane są do $1, $2,..., $NF. Jeżeli $0 jest puste, NF jest ustawiane na 0 a wszystkie $i na "".

mawk dzieli pliki na rekordy przy pomocy tego samego algorytmu, ale z tą niewielką różnicą, iż RS jest faktycznie ciągiem kończącym a nie separatorem. (ORS też jest faktycznie ciągiem kończącym).


Np., jeżeli FS = ":+" a $0 = "a::b:" , to NF = 3 a $1 = "a", $2 = "b" i $3 = "", ale jeżeli zawartością pliku wejściowego jest "a::b:", zaś RS = ":+", to istnieją dwa rekordy "a" i "b".

RS = " " nie ma specjalnego znaczenia.

Jeżeli FS = "", to mawk rozbija rekord na pojedyncze znaki, i, podobnie split(s,A,) umieszcza poszczególne znaki s w A.

12. Rekordy wielowierszowe

Ponieważ mawk interpretuje RS jako wyrażenie regularne, obsługa rekordów wielowierszowych jest łatwa. Ustawienie RS = "\n\n+", powoduje, że rekordy rozdzielane są co najmniej jednym pustym wierszem. Jeżeli FS = " " (domyślnie), to pojedyncze znaki nowej linii, według zasad <ODSTĘPU> powyżej, stają się odstępami a pojedyncze znaki nowej linii są separatorami pól.

Na przykład, jeśli w pliku jest "a b\nc\n\n", RS = "\n\n+" a FS = " ", to mamy jeden rekord "a b\nc" z trzema polami "a", "b" i "c". Zmiana FS = "\n", daje dwa pola "a b" i "c"; zmieniając FS = "", otrzymujemy jedno pole identyczne jak rekord.

Traktowanie wierszy ze spacjami lub tabulacjami jako pustych można uzyskać ustawiając RS = "\n([ \t]*\n)+". W celu utrzymania zgodności z innymi implementacjami awk, ustawienie RS = "" daje te same wyniki, co usunięcie pustych wierszy z początku i końca pliku i określanie rekordów tak, jakby RS = "\n\n+". Posix wymaga, by "\n" zawsze separowało rekordy gdy RS = "" niezależnie od wartości FS. mawk nie obsługuje tej konwencji, gdyż zdefiniowanie "\n" jako <ODSTĘPU> czyni ją zbędną.

W większości przypadków zmieniając RS w celu obsługi rekordów wielowierszowych, stosuje się też zmienione na "\n\n" ORS, aby na wyjściu zachować odstępy między rekordami.

13. Wykonywanie programu

Ta sekcja opisuje kolejność wykonywania programu. Po pierwsze, ARGC ustawiane jest na całkowitą liczbę argumentów wiersza poleceń przekazanych do fazy wykonania programu. ARGV[0] ustawiane jest na nazwę interpretera AWK a ARGV[1] ... ARGV[ARGC-1] przechowuje pozostałe argumenty wiersza poleceń z wyjątkiem opcji i źródła programu. Na przykład, dla
 
         mawk  -f  prog  v=1  A  t=hello  B
 
 
ARGC = 5 oraz ARGV[0] = "mawk", ARGV[1] = "v=1", ARGV[2] = "A", ARGV[3] = "t=hello" i ARGV[4] = "B".

Następnie wykonywany jest kolejno każdy z bloków BEGIN. Jeżeli program składa się wyłącznie z bloków BEGIN, to na tym wykonywanie się kończy, w przeciwnym razie otwierany jest strumień wejściowy i wykonywanie jest kontynuowane. Jeżeli ARGC równa się 1, strumień wejściowy ustawiany jest na stdin, w przypadku przeciwnym w poszukiwaniu argumentu plikowego sprawdzane są argumenty wiersza poleceń ARGV[1] ... ARGV[ARGC-1].

Argumenty wiersza poleceń dzielą się na trzy grupy: argumenty plikowe, argumenty przypisań i łańcuchy puste "". Przypisanie ma postać zmn=łańcuch. Podczas sprawdzania ARGV[i] jako możliwego argumentu plikowego, jeśli jest ono puste to jest pomijane; jeśli jest argumentem typu przypisania, odbywa się przypisanie wartości zmiennej zmn a i zmienia się na następny argument; w pozostałych przypadkach ARGV[i] jest otwierane jako wejście. Jeżeli otwarcie nie powiedzie się, wykonywanie programu jest kończone z kodem 2. Jeżeli żaden z argumentów wiersza poleceń nie jest argumentem plikowym, to wejście pochodzi z stdin. Getline w akcji BEGIN otwiera wejście. "-" jako argument plikowy oznacza stdin.

Po otwarciu strumienia wejściowego każdy z rekordów wejścia sprawdzany jest z każdym ze wzorców, a jeśli pasuje, to wykonywana jest akcja skojarzona z danym wzorcem. Wzorzec w postaci wyrażenia pasuje jeśli jego wartością logiczną jest prawda (zobacz koniec sekcji 2). Wzorzec BEGIN zestawiany jest przed rozpoczęciem odczytu wejścia, zaś wzorzec END po przeczytaniu całego wejścia. Wzorzec zakresu, wyraż1,wyraż2, dopasowuje każdy rekord pomiędzy rekordem pasującym do wyraż1 a rekordem pasującym do wyraż2 łącznie z nimi.

Po napotkaniu końca pliku w strumieniu wejściowym, sprawdzane są pozostałe argumenty wiersza poleceń w poszukiwaniu kolejnego argumentu plikowego. Jeśli taki istnieje, to jest otwierany, w przeciwnym wypadku przyjmuje się, że został dopasowany wzorzec END i wykonywane są wszystkie akcje END.

W rozważanym przykładzie, przypisanie v=1 ma miejsce po wykonaniu akcji BEGIN, a dana umieszczona w v otrzymuje typ liczbowo-łańcuchowy. Następnie z pliku A jest czytane wejście. Po końcu pliku A, zmienna t jest ustawiana na łańcuch "hello", a B jest otwierany jako wejście. Po osiągnięciu końca pliku B są wykonywane akcje wzorca END.

Przebieg programu na poziomie wzorzec {akcja} można zmienić przy pomocy instrukcji

 
      next
      exit  wyraż-opcjonalne.
 
 
Instrukcja next powoduje, że odczyt następnego rekordu wejściowego i ponowne sprawdzanie wzorców, od pierwszej pary wzorzec {akcja} programu. Polecenie exit powoduje natychmiastowe wykonanie akcji END lub zakończenie programu, jeśli nie ma takich akcji lub jeżeli exit wystąpiło w akcji END. wyraż-opcjonalne ustawia wartość kodu zakończenia programu, chyba że zostanie ona przesłonięta przez późniejszy exit lub ujawniony potem błąd.

PRZYKŁADY

 1. emulacja cat.
 
      { print }
 
 2. emulacja wc.
 
      { chars += length($0) + 1  # dodaje jeden dla \n
        words += NF
      }
 
      END{ print NR, words, chars }
 
 3. zliczanie niepowtarzających się "faktycznych słów".
 
      BEGIN { FS = "[^A-Za-z]+" }
 
      { for(i = 1 ; i <= NF ; i++)  word[$i] = "" }
 
      END { delete word[""]
            for ( i in word )  cnt++
            print cnt
      }
 
 
4. sumowanie drugiego pola każdego rekordu w oparciu o pierwsze pole.
 
      $1 ~ /credit|gain/ { sum += $2 }
      $1 ~ /debit|loss/  { sum -= $2 }
 
      END { print sum }
 
 5. sortowanie pliku, porównywanie łańcuchowe
 
      { line[NR] = $0 "" }  # wymusza typ porównywania: gdyby
                            # jakieś wiersze wyglądały
                            # na numeryczne
 
      END {  isort(line, NR)
        for(i = 1 ; i <= NR ; i++) print line[i]
      }
 
      #sortowanie A[1..n] metodą wstawiania
      function isort( A, n,   i, j, hold)
      {
        for( i = 2 ; i <= n ; i++)
        {
          hold = A[j = i]
          while ( A[j-1] > hold )
          { j-- ; A[j+1] = A[j] }
          A[j] = hold
        }
        # w razie potrzeby będzie utworzony wartownik A[0] = ""
      }
 
 

KWESTIE ZGODNOŚCI

Posix-owa 1003.2 (propozycja 11.3) definicja języka AWK jest AWK opisanym w książce AWK z kilkoma rozszerzeniami, jakie pojawiły się w nawk z SystemVR4. Rozszerzeniami tymi są:
Nowe funkcje: toupper() i tolower().
Nowe zmienne: ENVIRON[] i CONVFMT.
Specyfikacje konwersji w printf() i sprintf() wzięte z ANSI C.
Nowe opcje polecenia: -v zmn=wartość, wielokrotne opcje -f i opcje charakterystyczne dla implementacji jako argumenty -W.

Posix-owy AWK przetwarza pojedyncze wiersze plików. RS można zmienić z "\n" na inny pojedynczy znak, ale trudno jest znaleźć jakieś tego zastosowanie --- w książce AWK brak odpowiednich przykładów. Zgodnie z konwencją, RS = "", powoduje, że jeden lub więcej pustych wierszy rozdziela rekordy, umożliwiając obsługę rekordów wielowierszowych. Gdy RS = "", "\n" jest zawsze separatorem pól, niezależnie od wartości FS.

mawk, z kolei, pozwala by RS było wyrażeniem regularnym. Pojawiające się w rekordach "\n" jest traktowane jak odstęp, a FS zawsze określa pola.

Pozbycie się paradygmatu operowania pojedynczym wierszem może uprościć niektóre programy i często poprawić wydajność. Na przykład, zmienieniony przykład 3 (zobacz powyżej),

 
         BEGIN { RS = "[^A-Za-z]+" }
 
         { word[ $0 ] = "" }
 
         END { delete  word[ "" ]
           for( i in word )  cnt++
           print cnt
         }
 
 
zlicza ilość niepowtarzających się słów przez traktowanie każdego słowa jako rekordu. Przy plikach średnich rozmiarów mawk wykonuje go dwukrotnie szybciej, dzięki uproszczonej pętli wewnętrznej.

Poniższy program zastępuje każdy z komentarzy w pliku programu C pojedynczą spacją,

 
         BEGIN {
           RS = "/\*([^*]|\*+[^/*])*\*+/"
                 # komentarz jest separatorem rekordów
           ORS = " "
           getline  hold
        }
 
        { print hold ; hold = $0 }
 
        END { printf "%s" , hold }
 
 
Buforowanie rekordu jest niezbędne, by uniknąć zakończenia ostatniego z rekordów spacją.

W mawk poniższe wyrażenia są równoważne,

 
         x ~ /a\+b/    x ~ "a\+b"     x ~ "a\\+b"
 
 
Powyższe łańcuchy będą analizowane dwukrotnie: raz jako łańcuch i raz jako wyrażenie regularne. Przy analizie łańcucha mawk ignoruje stosowanie cytowania odwrotnym ukośnikiem do znaków nie będących znakami specjalnymi, zatem \c interpretuje jako \c. Natomiast książka AWK przychyla się do tego, by \c było rozpoznawane jako c, co wymaga podwojonego cytowania metaznaków w łańcuchach. Posix wprost odmawia zdefiniowania pożądanego zachowania, przez co pośrednio wymusza na programach muszących działać z różnymi wersjami awk stosowanie bardziej przenośnego, lecz mniej czytelnego, cytowania z użyciem podwójnych odwrotnych ukośników.

Posix-owy AWK nie rozpoznaje "/dev/std{out,err}" ani sekwencji specjalnej \x hex w łańcuchach. W przeciwieństwie do ANSI C, mawk ogranicza liczbę cyfr, jakie mogą występować po \x do dwóch, gdyż obecna implementacja obsługuje tylko znaki 8-bitowe. Wbudowane fflush pojawiło się po raz pierwszy w ostatnim (1993) awk AT&T wydanym dla netlib, i nie jest częścią standardu Posix. Całościowe usuwanie tablicy przez delete tablica nie jest częścią standardu Posix.

Posix jawnie zostawia niezdefiniowane zachowanie się FS = "" i wspomina o podziale rekordów na znaki jako możliwej interpretacji, ale obecnie takie zastosowanie nie jest przenośne między implementacjami.

Na koniec, sposób w jaki mawk obsługuje przypadki wyjątkowe nie opisane w książce AWK ani w propozycji Posix. Niebezpiecznie jest zakładanie spójności pomiędzy implementacjami awk, a bezpiecznie przejść do następnej sekcji.

substr(s, i, n) zwraca znaki łańcucha s o pozycjach z części wspólnej przedziału zamkniętego [1, length(s)] i półotwartego [i, i+n). Gdy część wspólna jest pusta, zwracany jest łańcuch pusty; zatem substr("ABC", 1, 0) = "" a substr("ABC", -4, 6) = "A".
Każdy łańcuch, nawet pusty, pasuje początkiem do łańcucha pustego, więc s ~ // i s ~ "", są zawsze równe 1, tak jak match(s, //) i match(s, ""). Ostanie dwa ustawiają RLENGTH na 0.
index(s, t) jest zawsze tym samym, co match(s, t1), gdzie t1, to to samo, co t z cytowanymi metaznakami. Stąd spójność z match wymaga, by index(s, "") zawsze zwracało 1. Również warunek: index(s,t) != 0 wtedy i tylko wtedy, gdy t jest podłańcuchem łańcucha s, wymusza by index("","") = 1.
Jeżeli getline napotka koniec pliku, getline zmn pozostawia zmienną zmn bez zmian. Podobnie, w momencie rozpoczęcia akcji END, wartości $0, pól i NF pozostają niezmienione od ostatniego rekordu.

ZOBACZ TAKŻE

egrep(1)

Aho, Kernighan and Weinberger, The AWK Programming Language, Addison-Wesley Publishing, 1988, (książka AWK), definiuje język, rozpoczynając się samouczkiem a dochodząc do wielu interesujących programów i wchodząc głęboko w kwestie projektowania i analizy programów istotne przy programowaniu w każdym języku.

The GAWK Manual, The Free Software Foundation, 1991, stanowi podręcznik i opis języka nie usiłujący sięgnąć głębi książki AWK. Zakłada, że czytelnik może być początkującym programistą. Sekcja poświęcona tablicom w AWK jest doskonała. Omawia także wymagania stawiane AWK przez Posix.

BŁĘDY

mawk nie obsługuje znaku ascii NUL \0 w plikach źródłowych czy plikach danych. Można wypisać NUL przy pomocy printf z %c, a w wejściu są dopuszczalne wszystkie inne znaki 8-bitowe.

mawk implementuje printf() i sprintf() przy pomocy funkcji bibliotecznych C, printf i sprintf, więc pełna zgodność z ANSI wymaga biblioteki ANSI C. W praktyce oznacza to, że kwalifikator konwersji h może nie być dostępny. mawk przejmuje też wszystkie błędy czy ograniczenia tych funkcji.

Twórcy implementacji języka AWK ukazali zgodny brak wyobraźni w nazywaniu swych programów.

AUTOR

Mike Brennan (brennan@whidbey.com).