Provided by:
manpages-pl_20051117-1_all 
NAZWA
mawk - język wyszukiwania wzorców i przetwarzania tekstu
SKŁADNIA
mawk [-W opcja] [-F warto] [-v zmn=warto]
[--] 'tekst programu' [plik...]
mawk [-W opcja] [-F warto] [-v zmn=warto]
[-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 wzorcw, a jeśli pasuje,
wykonywany jest tekst programu dla {akcji}.
OPCJE
-F warto ustawia separator pól, FS, na warto.
-f plik Tekst programu jest czytany z pliku zamiast z wiersza
poleceń. Dopuszcza się wielokrotne użycie opcji -f.
-v zmn=warto przypisuje warto 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
wyraenie
wyraenie, wyraenie
Można pominąc jeden z elementów z pary wzorzec {akcja}, ale nie oba.
Jeżeli pominięto {akcj}, 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 ( wyra ) instrukcja
if ( wyra ) instrukcja else instrukcja
while ( wyra ) instrukcja
do instrukcja while ( wyra )
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
acuch, 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 wyra przez sprintf(CONVFMT, wyra), chyba
że wyra może być reprezentowane w danym komputerze jako dokładna
liczba całkowita, wówczas przekształcane jest na sprintf("%d", wyra).
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: wyra "" jest łańcuchowe, a wyra+0 jest numeryczne.
Przy wyliczaniu, wyra1 op-rel wyra2, 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 ( wyra ) 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 wyraenia regularnego. Wyrażenia regularne umieszczone
są między ukośnikami, a
wyra ~ /r/
jest wyrażeniem AWK o wartości 1 jeśli wyra "pasuje do" r, co oznacza,
że pewien podłańcuch wyra 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 sekwencj
specjaln.
. 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 &&
przynaleno do tablicy in
dopasowanie ~ !~
relacyjne < > <= >= == !=
konkatenacja (bez specjalnego operatora)
dodawanie/odejmowanie + -
mnoenie/dzielenie * / %
jednoargumentowe + -
logiczne not !
potgowanie ^
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[wyra]. Wyra 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 wyra in tablica daje w wyniku 1 jeżeli istnieje
tablica[wyra], 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 instrukcj.
Kolejność, w jakiej zmn przechodzi przez indeksy tablicy nie jest
zdefiniowana.
Instrukcja delete tablica[wyra], powoduje usunięcie tablica[wyra].
mawk obsługuje rozszerzenie, delete tablica, które usuwa wszystkie
elementy tablicy.
Tablice wielowymiarowe tworzone są sztucznie przez konkatenację z
zastosowaniem wbudowanej zmiennej SUBSEP. tablica[wyra1,wyra2] jest
równoważnikiem tablica[wyra1 SUBSEP wyra2]. 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=warto przechowywany jest jako
ENVIRON[zmn] = warto.
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-wyra)
Zwraca łańcuch utworzony z listy-wyrae 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(wyra) srand()
Inicjuje ziarenko generatora liczb losowych, używając
zegara jeśli pominięto wyra, i zwraca wartość
poprzedniego ziarenka losowego. mawk inicjuje generator
liczb losowych według zegara przy uruchomieniu, więc nie
ma faktycznej potrzeby wywoływania srand(). Srand(wyra)
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 wyra1, wyra2, ..., wyran
zapisuje na standardowe wyjście wyra1 OFS wyra2 OFS ...
wyran ORS. Wyrażenia numeryczne są konwertowane na
łańcuchy zgodnie z OFMT.
printf format, lista-wyra
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(wyra) zamyka plik lub potok skojarzony z wyra. Close
zwraca 0 jeżeli wyra jest otwartym plikiem, kod zakończenia jeśli
wyra 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(wyra) wymiata plik wyjściowy lub potok skojarzony z
wyra. Fflush zwraca 0 jeśli wyra jest otwartym strumieniem
wyjściowym, w przeciwnym razie -1. Fflush bez argumentu opróżnia
stdout. Fflush z pustym argumentem ("") opróżnia wszystkie otwarte
wyjścia.
Funkcja system(wyra) wykorzystuje /bin/sh do wykonania wyra i zwraca
kod zakończenia polecenia wyra. 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-wyra
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(wyra,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 wyra, 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 wyra nie jest łańcuchem, jest przekształcane na
łańcuch. Jeżeli wyra 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 wyra, dzielą wyra 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=acuch. 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 wzorcw, 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, wyra1,wyra2,
dopasowuje każdy rekord pomiędzy rekordem pasującym do wyra1 a
rekordem pasującym do wyra2 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 wyra-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. wyra-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).