Provided by:
manpages-es-extra_0.8a-16_all 
NOMBRE
gawk - lenguaje de análisis y procesamiento de patrones
SINOPSIS
gawk [ opciones del estilo POSIX o GNU ] -f fichero-de-programa [ -- ]
fichero ...
gawk [ opciones del estilo POSIX o GNU ] [ -- ] texto-del-programa
fichero ...
DESCRIPCIÓN
Gawk es la implementación del Proyecto GNU del lenguaje de programación
AWK. Está conforme con la definición del lenguaje en el POSIX 1003.2
Command Language And Utilities Standard. Esta versión está basada, a
su vez, en la descripción de The AWK Programming Language, escrito por
Aho, Kernighan, y Weinberger, con las caracterÃsticas adicionales que
aparecen en la versión del System V de UNIX awk. Gawk igualmente
provee de las recientes extensiones del awk de Bell Labs, y algunas
extensiones especÃficas de GNU.
La lÃnea de orden consiste en opciones para el propio gawk , el texto
del programa AWK (si no se provee mediante las opciones -f o --file ),
y los valores que deben estar disponibles en las variables predefinidas
de AWK ARGC y ARGV .
FORMATO DE LAS OPCIONES
Las opciones de Gawk pueden seguir tanto el estilo tradicional de
opciones de una letra de POSIX , como el estilo GNU de opciones largas.
Las opciones POSIX comienzan con un solo ’’-’’, mientras que las
opciones largas lo hacen con ’’--’’. Se ofrecen opciones largas tanto
para las caracterÃsticas especÃficas de GNU como para las
caracterÃsticas definidas por POSIX.
Siguiendo el estándar POSIX, las opciones especÃficas de gawk se
proveen vÃa argumentos con la opción -W . Pueden añadirse múltiples
opciones -W . Cada una de las opciones -W tienen su correspondiente
opción larga, tal y como de detalla más adelante. Los argumentos de las
opciones largas deben estar unidas a la opción mediante un signo = ,
sin espacios en blanco, o pueden proveerse en el siguiente argumento de
la lÃnea de orden. Las opciones largas pueden ser abreviadas, siempre
y cuando la abreviatura sea única.
OPCIONES
Gawk acepta las siguientes opciones.
-F fs
--field-separator fs
Use fs para definir el separador de campos de la entrada (el
valor de la variable predefinida FS ).
-v var=val
--assign var=val
Asigna el valor val, a la variable var, antes de que la
ejecución del programa comience. Estos valores de variable
están disponibles en el bloque BEGIN de un programa AWK.
-f fichero-de-programa
--file fichero-de-programa
Leer el fuente del programa AWK del fichero fichero-de-programa,
en vez de obtenerlo del primer argumento de la lÃnea de orden.
Pueden usarse múltiples opciones -f (o --file).
-mf NNN
-mr NNN
Definir varios lÃmites de memoria al valor NNN. El indicador f
define el máximo número de campos, y el indicador r define el
tamaño máximo de un registro. Estos dos indicadores y la opción
-m son de la versión de awk para UNIX de la versión de
investigación de Bell Labs. Son ignoradas por gawk, ya que gawk
no tiene lÃmites predefinidos.
-W traditional
-W compat
--traditional
--compat
Ejecutar en el modo de compatibilidad . En este modo de
funcionamiento, gawk funciona de manera idéntica al awk de UNIX
; ninguna de las extensiones especÃficas de GNU son reconocidas.
Es preferible el uso de la forma --traditional en vez de las
otras formas de esta opción. Vea EXTENSIONES DE GNU, más
adelante, para más información.
-W copyleft
-W copyright
--copyleft
--copyright
Imprime una versión corta del mensaje de información sobre
derechos de copia de GNU en la salida estándar, y termina de
forma correcta.
-W help
-W usage
--help
--usage
Imprime un resumen relativamente corto de las opciones
disponibles por la salida estándar. (Siguiendo los GNU Coding
Standards, estas opciones causan una salida satisfactoria
inmediata.)
-W lint
--lint Genera mensajes de advertencia sobre construcciones que son
dudosas o no portables para otras implementaciones de AWK.
-W lint-old
--lint-old
Genera mensajes de advertencia sobre construcciones que no son
portables a la versión original de Unix. awk.
-W posix
--posix
Esta opción activa el modo de compatibilidad , con las
siguientes restricciones adicionales:
· \x las secuencias de escape no son reconocidas.
· Solo los espacios y los tabuladores actúan como separadores de
campo cuando FS contiene un único espacio, y no los saltos de
lÃnea.
· El sinónimo func para la palabra clave function no es
reconocido.
· Los operadores ** y **= no pueden ser usados en vez de ^ y ^=.
· La función fflush() no está disponible.
-W re-interval
--re-interval
Activa el uso de las expresiones de intervalos en el ajuste de
expresiones regulares (vea Expresiones Regulares, más adelante).
Las expresiones de intervalos no eran soportadas
tradicionalmente por el lenguaje AWK. El estándar POSIX las
añadió, para hacer que awk y egrep fueran consistentes entre
ellos. De cualquier modo, es probable que su uso entorpezca el
uso de programas AWK antiguos, por este motivo gawk solo las
provee si son pedidas mediante esta opción, o si se ha
especificado --posix .
-W source texto-del-programa
--source texto-del-programa
Usar program-text como el código fuente del programa AWK. Esta
opción permite la fácil mezcla de funciones de librerÃa (usadas
mediante las opciones -f y --file ) con código fuente entrado
por la lÃnea de orden. Se ha propuesto primordialmente como un
medio para agrandar programas AWK usados en scripts de shell.
-W version
--version
Imprime información sobre la versión de esta copia de gawk en
particular por la salida estándar. Es útil principalmente para
saber si la copia actual de gawk en su sistema está al dÃa
respecto con cualquier cosa que la Free Software Foundation esté
distribuyendo. También es útil para dar avisos sobre fallos.
(Siguiendo los GNU Coding Standards, estas opciones causan una
salida satisfactoria inmediata.)
-- Señala el final de las opciones. Es útil para permitir que los
futuros argumentos al propio programa AWK puedan comenzar
también por un ‘‘-’’. Esto es principalmente para mantener la
consistencia con las convenciones de análisis de argumentos
usados por la mayorÃa de los restantes programas POSIX.
En el modo compatibilidad, cualquier otra opción será marcada como
ilegal, aunque sean ignoradas. En operación normal, mientras el texto
del programa haya sido incluido, las opciones no reconocidas son
pasadas al programa AWK en la tabla ARGV para ser procesadas. Es
particularmente útil para ejecutar programas AWK mediante el mecanismo
de intérprete de ejecutables ’’#!’’.
EJECUCIÓN DE UN PROGRAMA AWK
Un programa AWK consiste en una secuencia de sentencias tipo patrón-
acción y definiciones de función opcionales.
patrón { sentencias de acción }
function nombre(lista de parámetros) { sentencias }
Gawk primero lee el fuente del programa a partir de los fichero(s)-de-
programa si se han especificado, a partir de los argumentos de
--source, o a partir del primer argumento que no sea una opción de la
lÃnea de orden. Las opciones -f y --source pueden ser usadas más de
una vez en una lÃnea de orden. Gawk leerá el texto del programa como
si todos los fichero(s)-de-programa y textos fuentes de la lÃnea de
orden hubieran sido concatenados. Esto es útil para construir
librerÃas de funciones AWK, sin tener la necesidad de incluirlos en
cada uno de los nuevos programas AWK que las use. Además ofrece la
capacidad de mezclar funciones de librerÃa con programas de la lÃnea de
orden.
La variable de entorno AWKPATH especifica un camino de búsqueda para
ser usado cuando se busque los ficheros indicados con la opción -f .
Si esta variable no existiera, el camino por defecto serÃa
".:/usr/local/share/awk". (El directorio actual puede variar,
dependiendo de desde donde se compiló e instaló gawk .) Si un fichero
dado a la opción -f contiene un carácter ’’/’’, no se realiza ningún
tipo de búsqueda.
Gawk ejecuta los programas AWK en el siguiente orden. Primero, todas
las asignaciones de variables especificadas mediante la opción -v se
realizan. A continuación, gawk compila el programa en un formato
interno. Después, gawk ejecuta el código del/los bloque(s) BEGIN (si
existe alguno), y a continuación procede a leer cada uno de los
ficheros nombrados en la tabla ARGV . Si no existe ningún nombre de
fichero en la lÃnea de orden, gawk lee de la entrada estándar.
Si el nombre de un fichero en la lÃnea de orden tiene la forma var=val
será tratado como una asignación de variable. Se asignará a la variable
var el valor val. (Esto ocurre después de que cualquier bloque(s)
BEGIN haya sido ejecutado.) Las asignaciones en la lÃnea de orden es
útil sobre todo para asignar valores de forma dinámica a las variables
que AWK usa para controlar cómo es troceada la entrada en campos y
registros. Es también útil para controlar el estado si son necesarios
múltiples pasos sobre el mismo fichero de datos.
Si el valor de alguno de los elementos particulares de ARGV está vacÃo
(""), gawk se lo salta.
Para cada registro de la entrada, gawk prueba si es posible ajustarlo
con alguno de los patrones en el programa AWK. Para cada patrón con el
cual el registro concuerde, se ejecuta la acción asociada. Los
patrones son probados en el orden en que aparecen en el programa.
Finalmente, después de que toda la entrada se ha terminado, gawk
ejecuta el código en el/los bloque(s) END (si existiera alguno).
VARIABLES, REGISTROS Y CAMPOS
Las variables AWK son dinámicas; su existencia comienza cuando son
usadas por primera vez. Sus valores son números de coma flotante o
cadenas de caracteres, o ambos, dependiendo de cómo son usadas. AWK
también dispone de tablas unidimensionales; las tablas
multidimensionales pueden ser simuladas. Varias variables predefinidas
se definen cuando un programa comienza a ejecutarse; serán descritas
cuando convenga y serán resumidas más adelante.
Registros
Normalmente, los registros se separan por caracteres de salto de lÃnea.
Puede controlar cómo son separados los registros asignando valores a la
variable predefinida RS. Si RS tiene un único carácter, ese carácter
separará los registros. De otro modo, RS se considerará como una
expresión regular. El texto de la entrada que concuerde con esa
expresión regular será el que separará los registros. De todas
maneras, en el modo compatibilidad, solo el primer carácter de esa
cadena será usado para separar registros. Si RS contiene la cadena
vacÃa, entonces los registros serán separados por espacios en blanco.
Cuando RS contiene la cadena vacÃa, el carácter de salto de lÃnea
siempre actúa como separador de campos, añadiéndose a cualquier valor
que FS pudiera tener.
Campos
Conforme cada registro de entrada es leÃdo, gawk divide el registro en
campos, usando el valor de la variable FS como separados de campos. Si
FS tiene un único carácter, los campos serán separados por ese
carácter. Si FS contiene la cadena vacÃa, entonces cada carácter
individual se convierte en separador de campo. De otro modo, se espera
que FS sea una expresión regular completa. En el caso especial de que
FS tuviera un único espacio en blanco, los campos serÃan separados por
tiras de espacios y/o tabuladores y/o saltos de lÃnea. (Vea la
discusión sobre --posix, más adelante). Nótese que el valor de
IGNORECASE (vea más adelante) afectará también a cómo son divididos los
registros en el caso de que FS fuera una expresión regular, y a cómo
son separados cuando RS fuera una expresión regular.
Si la variable FIELDWIDTHS está definida como una lista de número
separados por espacios, se espera que cada campo tenga ancho fijo, y
gawk dividirÃa el registro usando los anchos especificados. El valor de
FS es ignorado es este caso. Asignar un nuevo valor a FS harÃa
saltarse el uso de FIELDWIDTHS, y volver a la forma de actuar por
defecto.
Cada campo en el registro de entrada puede ser referenciado por su
posición, $1, $2, etc. $0 es el registro completo. El valor de un
campo puede ser también asignado. Los campos no necesitan ser
referenciados por constantes:
n = 5
print $n
imprime el quinto campo del registro de entrada. La variable NF se
define con el número total de campos en el registro de entrada.
Las referencias a campos que no existen (por ejemplo los campos por
detrás de $NF) producen la cadena vacÃa. De todas maneras, la
asignación de un campo no existente (por ejemplo, $(NF+2) = 5)
incrementarÃa el valor de NF, creando los campos que intervienen como
cadenas vacÃas, y causando que el valor de $0 fuera recalculado, siendo
separados los campos mediante el valor de OFS. Las referencias a
campos con numeración negativa causan un error fatal. Decrementar NF
causa que el valor de los campos que pasen del nuevo número se pierda,
y el valor de $0 sea recalculado, siendo separados los campos mediante
el valor de OFS.
Variables Predefinidas
Las variables predefinidas de gawk son:
ARGC EL número de argumentos en la lÃnea de orden (no incluye
las opciones para gawk, o el fuente del programa).
ARGIND El Ãndice en ARGV del fichero que actualmente se está
procesando.
ARGV Tabla con los argumentos de la lÃnea de orden. La tabla
está indexada desde el 0 hasta ARGC - 1. Cambiando
dinámicamente el contenido de ARGV permite controlar los
ficheros usados para datos.
CONVFMT El formato de conversión para números,por defecto "%.6g".
ENVIRON Una tabla conteniendo los valores del entorno actual. La
tabla se encuentra indexada por el nombre de las variables
de entorno, siendo cada elemento el valor para esa variable
(por ejemplo, ENVIRON["HOME"] podrÃa ser /home/arnold).
Cambiar esta tabla no afecta al entorno de los programas
que gawk ejecuta vÃa redirección o la función system() .
(Esto podrÃa cambiar en una futura versión de gawk.)
ERRNO Si ocurre algún error de sistema tanto por hacer una
redirección con getline, durante una lectura con getline, o
durante un close(), entonces ERRNO contendrá una cadena de
caracteres describiendo el error.
FIELDWIDTHS Una lista de anchos de campo separados por espacios. Cuando
esté definida, gawk analiza la entrada como campos de
tamaño fijo, en vez de usando el valor de la variable FS
como separador de campo. La capacidad de trabajar con
anchos de campo fijos es todavÃa experimental; las
semánticas podrÃan cambiar conforme gawk se vaya
desarrollando en el tiempo.
FILENAME El nombre del fichero de entrada actual. Si no se ha
especificado ningún fichero en la lÃnea de orden, el valor
de FILENAME será ‘‘-’’. De todos modos, FILENAME no está
definida dentro de un bloque BEGIN .
FNR El número de registro de entrada en el fichero de entrada
actual.
FS El separador de campo de entrada, un espacio por defecto.
Vea Fields, más arriba.
IGNORECASE Controla la sensibilidad a mayúsculas de todas las
expresiones regulares y operaciones con cadenas. Si
IGNORECASE tiene un valor diferente de cero, entonces las
comparaciones entre cadenas y las comprobaciones de
patrones en las reglas, la división de campos con FS, la
separación de registros con RS, la comprobación de
expresiones regulares con ~ y !~, y las funciones
predefinidas gensub(), gsub(), index(), match(), split(), y
sub() ignorarán la diferencia entre minúsculas y mayúsculas
cuando realicen operaciones con expresiones regulares. De
este modo, si IGNORECASE no es igual a cero, /aB/ concuerda
con todas las cadenas "ab", "aB", "Ab", y "AB". Como con
todas las otras variables de AWK, el valor inicial de
IGNORECASE es cero, por lo que todas las operaciones con
expresiones regulares y cadenas son normalmente sensibles a
las mayúsculas. Bajo Unix, el conjunto de caracteres ISO
8859-1 Latin-1 es usado cuando se ignoran las mayúsculas.
NOTA: En versiones de gawk anteriores a la 3.0, IGNORECASE
solo afectaba a las operaciones con expresiones regulares.
Ahora también afecta a las comparaciones de cadenas.
NF El número de campos en el registro de entrada actual.
NR El número total de registros de entrada que han aparecido
desde el principio.
OFMT El formato de salida para los números, por defecto es
"%.6g".
OFS El separador de campos de salida, un espacio por defecto.
ORS El separador de registros de salida, por defecto un salto
de lÃnea.
RS El separador de registros de entrada, por defecto un salto
de lÃnea.
RT El terminador de los registros. Gawk define RT con el
texto de entrada que concordó con el carácter o expresión
regular especificada por RS.
RSTART El Ãndice del primer carácter concordado por match(); 0 si
no concordó ninguno.
RLENGTH La longitud de la cadena concordada por match(); -1 si no
concordó ninguna.
SUBSEP El carácter usado para separar múltiples subÃndices en
elementos de tipo tabla, por defecto "\034".
Tablas
Las tablas se indexan mediante una expresión entre corchetes ([ y ]).
Si la expresión es una lista de expresiones (expr, expr ...) entonces
el Ãndice de la tabla es una cadena de caracteres resultado de la
concatenación de los valores (cadenas) de cada una de las expresiones,
separados por el valor de la variable SUBSEP Esta capacidad se utiliza
para simular tablas de múltiples dimensiones. Por ejemplo:
i = "A"; j = "B"; k = "C"
x[i, j, k] = "hola, mundo\n"
asigna la cadena "hola, mundo\n" al elemento de la tabla x que está
indexado por la cadena "A\034B\034C". Todas las tablas en AWK son
asociativas, es decir, indexadas por valores de tipo cadena.
El operador especial in puede ser usado en las órdenes if o while para
comprobar si una tabla contiene un Ãndice consistente en un valor
particular.
if (val in tabla)
print tabla[val]
Si la tabla tiene múltiples subÃndices, use (i, j) in tabla.
La construcción in también puede usarse en bucles de tipo for para
iterar sobre todos los elementos de una tabla.
Un elemento puede ser eliminado de una tabla usando la orden delete La
orden delete puede ser usada también para borrar completamente los
contenidos de una tabla, simplemente especificando el nombre de la
tabla sin ningún Ãndice.
Tipado de Variables y Conversiones
Las variables y los campos pueden ser números (de coma flotante), o
cadenas de caracteres, o ambos. Dependerá del contexto cómo será
interpretado el valor de una variable. Si se usa en una expresión
numérica, será tratado como número, si se usa como una cadena será
tratada como una cadena.
Para forzar que una variable sea tratada como un número, sumele un 0;
para forzar que sea tratada como una cadena, concaténela con la cadena
vacÃa.
Cuando una cadena debe ser convertida a número, la conversión se
realiza usando atof(3). Un número es convertido en cadena usando el
valor de CONVFMT como cadena de formato para sprintf(3), con el valor
numérico de la variable como el argumento. De todas maneras, aunque
todos los números en AWK son reales de coma flotante, los valores
enteros son siempre convertidos como enteros. De tal manera que, dados
CONVFMT = "%2.2f"
a = 12
b = a ""
la variable b contendrá el valor de tipo cadena "12" y no "12.00".
Gawk realiza comparaciones tal y como sigue: Si dos variables son
numéricas, son comparadas numéricamente. Si un valor es numérico y el
otro tiene un valor de tipo cadena que es un ‘‘cadena numérica’’,
entonces las comparaciones se hacen numéricamente. En otro caso, el
valor numérico es traducido a cadena y se comparan en forma de cadena.
Dos cadenas se comparan, por supuesto, en forma de cadena. De acuerdo
con el estándar POSIX, si dos cadenas fueran cadenas numéricas deberÃa
realizarse una comparación numérica. De todas maneras, esto es
claramente incorrecto, y gawk no lo hace asÃ.
Nótese que las constantes de tipo cadena, como "57", no son cadenas
numéricas, sino constantes de cadena. La idea de ‘‘cadena numérica’’
solo se aplica a los campos, entradas con getline , los elementos de
FILENAMEy ARGV , elementos de ENVIRON y los elementos de una tabla
creada mediante split() que son cadenas numéricas. La idea básica es
que las entradas de usuario, y solo las entradas de usuario, que
parezcan numéricas, serán tratadas de esta manera.
Las variables sin inicializar tendrán el valor numérico 0 y la cadena
"" (cadena nula o vacÃa).
PATRONES Y ACCIONES
AWK es un lenguaje orientado a la lÃnea. Primero se indica el patrón, y
luego la acción. Las sentencias de las acciones se engloban mediante {
y }. Puede no indicarse el patrón o la acción, pero por supuesto, no
ambos. Si no se especifica el patrón, la acción será ejecutada por
cada uno de los registros individuales de la entrada. Si no se
especifica la acción es equivalente a escribir la acción
{ print }
la cual imprime el registro completo.
Los comentarios comienzan con el carácter ‘‘#’’, y continúan hasta el
final de la lÃnea. Pueden usarse lÃneas en blanco para separar
sentencias. Normalmente, una sentencia termina con un salto de lÃnea,
aunque este no es el caso de las lÃneas que finalizan con un ‘‘,’’, {,
?, :, &&, o ||. Las lÃneas que terminan con do o else también se
considera que continúan en la siguiente lÃnea. En otros casos, una
lÃnea podrá ser continuada en la siguiente poniendo al final un ‘‘\’’,
en cuyo caso se ignorará el salto de lÃnea.
Se pueden poner múltiples sentencias en la misma lÃnea separándolos
mediante un ‘‘;’’. Esto se aplica tanto para las sentencias que
componen la parte de la acción de un par patrón-acción (el caso más
usual), como para las propias sentencias patrón-acción.
Patrones
Los patrones de AWK pueden ser uno de los siguientes:
BEGIN
END
/expresión regular/
expresión relacional
patrón && patrón
patrón || patrón
patrón ? patrón : patrón
(patrón)
! patrón
patrón1, patrón2
BEGIN y END son dos patrones de tipo especial que no son utilizados
para comprobarlos contra la entrada. Las acciones de todos los
patrones BEGIN se juntan como si todas las sentencias hubieran sido
escritas en un único bloque BEGIN . Son ejecutadas antes de que se lea
algo de la entrada. De forma análoga, todos los bloques END se juntan,
y son ejecutados cuando se ha agotado toda la entrada (o cuando se
ejecuta una sentencia exit ). Los patrones BEGIN y END no pueden ser
combinados con otros patrones en expresiones de patrón. Los patrones
BEGIN y END no pueden tener vacÃa la parte de la acción.
Para los patrones con /expresiones regulares/ , la sentencia asociada
se ejecuta para cada registro de entrada que concuerde con la expresión
regular. Las expresiones regulares son las mismas que las usadas en
egrep(1), y se encuentran resumidas más adelante.
Una expresión relacional puede usar cualquiera de los operadores
definidos en la parte de acciones de esta sección. Estas generalmente
comprueban si ciertos campos concuerdan con una cierta expresión
regular.
Los operadores &&, ||, y ! son respectivamente la Y lógica, la O
lógica, y la NO lógica, como en C. Hacen evaluaciones de circuito
corto, también como en C, y se usan para combinar varias expresiones de
patrón primitivas. Como en la mayorÃa de los lenguajes, pueden usarse
paréntesis para cambiar el orden de la evaluación.
El operador ?: es igual que el mismo operador en C. Si el primer patrón
es cierto el patrón usado para las comprobaciones es el segundo, en
caso contrario es el tercero. De entre el segundo y el tercer patrón,
solo es evaluado uno de ellos.
La forma patrón1, patrón2 para una expresión recibe el nombre de rango
de patrones. Concuerda con todos los registros de la entrada que
existan entre el registro que concuerde con patrón1, y el registro que
concuerde con patrón2, inclusive. No combina con ningún otro tipo de
expresión de patrón.
Expresiones Regulares
Las expresiones regulares corresponden con el tipo extendido usado en
egrep. Están compuestas por caracteres como sigue:
c concuerda con el carácter c(nometacarácter).
\c concuerda con el carácter literal c.
. concuerda con cualquier carácter incluyendo el salto de
lÃnea.
^ concuerda con el principio de una cadena.
$ concuerda con el fin de una cadena.
[abc...] lista de caracteres, concuerda con cualquiera de los
caracteres abc....
[^abc...] lista negada de caracteres, concuerda con cualquier carácter
excepto abc....
r1|r2 alternativa: concuerda con r1 o r2.
r1r2 concatenación: concuerda con r1, y después con r2.
r+ concuerda con una o más apariciones de r.
r* concuerda con cero o más apariciones de r.
r? concuerda con cero o una aparición de r.
(r) agrupación: concuerda con r.
r{n}
r{n,}
r{n,m} Uno o dos números entre llaves denotan una expresión de
intervalo. Si hay un número entre llaves, la expreg.
precedente r se repite n veces. Si hay dos números separados
por una coma, r se repite de n a m veces. Si hay un número
seguido de una coma, entonces r se repite como mÃnimo n
veces.
Las expresiones de intervalo solo están disponibles si se
especifica --posix o --re-interval en la lÃnea de orden.
\y concuerda con la cadena vacÃa tanto en el principio como en
el final de una palabra.
\B concuerda con la cadena vacÃa dentro de una palabra.
\< concuerda con la cadena vacÃa al principio de una palabra.
\> concuerda con la cadena vacÃa al final de una palabra.
\w concuerda con cualquier carácter constitutivo de palabra
(letra, dÃgito, o subrayado.)
\W concuerda con cualquier carácter que no es constitutivo de
palabra.
\â€â€˜ concuerda con la cadena vacÃa al principio de un búfer
(cadena).
\â€â€™ concuerda con la cadena vacÃa al final de un búfer.
Las secuencias de escape que son válidas en las constantes de cadena
(vea abajo) son también legales en las expresiones regulares.
Las clases de caracteres son una nueva caracterÃstica introducida en el
estándar POSIX. Una clase de caracteres es una notación especial para
describir listas de caracteres que tienen un atributo especÃfico, pero
donde los caracteres en sà mismos pueden variar entre paÃses diferentes
y/o entre juegos de caracteres diferentes. Por ejemplo, la noción de lo
que es un carácter alfanumérico difiere entre los EEUU y Francia.
Una clase de caracteres solo es válida en una expreg dentro de las
llaves de una lista de caracteres. Las clases de caracteres consisten
en [:, una palabra clave que denota la clase, y :]. Estas son las
clases de caracteres definidas por el estándar POSIX.
[:alnum:]
Caracteres alfanuméricos.
[:alpha:]
Caracteres alfabéticos.
[:blank:]
Espacio en blanco o tabulador.
[:cntrl:]
Caracteres de control.
[:digit:]
Caracteres numéricos.
[:graph:]
Caracteres que son imprimibles y visibles al mismo tiempo. (Un
espacio en blanco es imprimible, pero no visible, mientras que
una a es las dos cosas.)
[:lower:]
Caracteres alfabéticos en minúscula.
[:print:]
Caracteres imprimibles (aquellos que no tienen caracteres de
control.)
[:punct:]
Caracteres de puntuación (aquellos que no son letras, dÃgitos,
caracteres de control, o caracteres de espaciado.)
[:space:]
Caracteres de espaciado (como el espacio en blanco, el
tabulador, y el salto de página, por nombrar algunos.)
[:upper:]
Caracteres alfabéticos en mayúscula.
[:xdigit:]
Caracteres que son dÃgitos hexadecimales.
Por ejemplo, antes del estándar POSIX, para concordar caracteres
alfanuméricos, tendrÃa que haber escrito /[A-Za-z0-9]/. Si su juego de
caracteres contiene otros caracteres alfabéticos, esta especificación
no los hubiera recogido. Usando las clases de caracteres de POSIX,
puede escribir /[[:alnum:]]/, y esto concordarÃa con todos los
caracteres alfabéticos y numéricos de su juego de caracteres.
Adicionalmente en las listas de caracteres pueden aparecer dos
secuencias especiales. Esto se aplica a los juegos de caracteres no
ASCII, los cuales pueden contener sÃmbolos (llamados elementos
equivalentes) los cuales son representados por más de un carácter, al
igual que varios caracteres que son equivalentes para propósitos de
comparación u ordenación. (Por ejemplo, en Español, una ‘‘e’’ normal y
una con tilde "á" son equivalentes.)
SÃmbolos Equivalentes
Un sÃmbolo equivalente es un elemento formado por más de un
carácter englobado entre [. y .]. Por ejemplo, si ch es un
elemento equivalente, entonces [[.ch.]] es una expresión
regular que se ajusta con este elemento equivalente, mientras
que [ch] es una expresión regular que se ajusta con una c o con
una h.
Clases de Equivalencia
Una clase de quivalencia es un nombre (especÃfico para una
localización determinada) para una lista de caracteres que son
equivalentes. El nombre se engloba entre [= y =]. Por ejemplo,
el nombre e puede ser utilizado para representar a todos estos:
‘‘e,’’ ‘‘è,’’ y ‘‘é.’’ En este caso, [[=e]] es una expresión
regular que se ajusta con
.BR e ,
.BR è , o
.BR é .
Estas caracterÃsticas son especialmente útiles para las localizaciones
de habla no inglesa. Las funciones de librerÃa que usa gawk para el
ajuste de expresiones regulares solo reconoce las clases de caracteres
POSIX; no reconocen ni los sÃmbolos equivalentes ni las clases de
equivalencia.
Los operadores \y, \B, \<, \>, \w, \W, \â€â€˜, y \â€â€™ son especÃficos para
gawk; son extensiones basadas en las capacidades de las librerÃas de
expresiones regulares de GNU.
Varias opciones de la lÃnea de ordenes controlan cómo gawk interpreta
los caracteres en las expresiones regulares.
Sin opciones
En el caso por defecto, gawk provee de todas las posibilidades
de las expresiones regulares de POSIX y los operadores de
expresiones regulares de GNU descritos anteriormente. Aun con
todo, no son soportadas las expresiones de intervalo.
--posix
Solo se aceptan las expresiones regulares de POSIX, los
operadores de GNU no son considerados especiales. (Por ejemplo,
\w concuerda con el literal w). Las expresiones regulares están
permitidas.
--traditional
Se aceptan las expresiones regulares de la implementación
tradicional de awk de Unix. Los operadores de GNU no se
consideran especiales, no se permiten las expresiones de
intervalo, ni tampoco las clases de caracteres de POSIX
([[:alnum:]] y el resto.) Los caracteres descritos mediante
secuencias de escape en octal o hexadecimal son tratados
literalmente, incluso si representan metacaracteres de
expresiones regulares.
--re-interval
Permiten las expresiones de intervalo en las expresiones
regulares, aunque se haya indicado --traditional
Acciones
Las sentencias de las acciones se engloban entre llaves, { y }. Las
sentencias de las acciones consisten en las habituales sentencias de
asignación, condicionales y bucles que pueden encontrarse en la mayorÃa
de los lenguajes. Los operadores, sentencias de control, y sentencias
de entrada/salida disponibles son parecidas a las equivalentes de C.
Operadores
Los operadores en AWK, en orden decreciente de precedencia, son
(...) Agrupación.
$ Referencia a campo.
++ -- Incremento y decremento, tanto en forma prefija como
sufija.
^ Exponenciación (también puede usarse ** , y **= para el
operador de asignación.)
+ - ! Más y menos unarios, y negación lógica.
* / % Multiplicación, división, y resto de división.
+ - Suma y resta.
space Concatenación de cadenas.
< >
<= >=
!= == Operadores de relación tradicionales.
~ !~ Cotejo de expresión regular, cotejo negado. NOTA: No use
una expresión regular constante (/pepe/) en la parte
izquierda de una ~ o una !~. Sólo usela en la parte
derecha. La expresión /pepe/ ~ exp tiene el mismo
significado que (($0 ~ /foo/) ~ exp). Esto normalmente no
es lo que se pretendÃa.
in Pertenencia a una tabla.
&& Y lógica.
|| O lógica.
?: Expresión condicional de C. Tiene la forma expr1 ? expr2 :
expr3. Si expr1 es cierta, el valor de la expresión es
expr2, en caso contrario es expr3. Solo uno de los dos (
expr2 y expr3 ) son evaluados.
= += -=
*= /= %= ^= Asignación. Tanto las asignaciones absolutas (var = valor)
como las asignaciones de operador (las otras formas) son
aceptadas.
Sentencias de control
Las sentencias de control son las siguientes:
if (condición) sentencia [ else sentencia ]
while (condición) sentencia
do sentencia while (condición)
for (expr1; expr2; expr3) sentencia
for (var in tabla) sentencia
break
continue
delete tabla[Ãndice]
delete tabla
exit [ expresión ]
{ sentencias }
Sentencias de E/S
Las sentencias de entrada/salida son las siguientes:
close(fichero) Cerrar fichero (o tuberÃa, vea más abajo.)
getline Asignar a $0 el siguiente registro de entrada;
modifica NF, NR, FNR.
getline <fichero Asignar a $0 el siguiente registro de fichero;
modifica NF.
getline var Asignar a var el siguiente registro de entrada;
modifica NR, FNR.
getline var <fichero Asignar a var el siguiente registro de fichero.
next Parar el procesado del registro de entrada
actual. Se lee el siguiente registro de entrada
y el procesado vuelve a comenzar con el primer
patrón del programa AWK. Si se llega al final de
los datos de entrada, el/los bloque(s) END , si
existen, son ejecutados.
nextfile Parar el procesado del fichero de entrada
actual. La siguiente lectura de un registro de
entrada se obtiene del siguiente fichero de
entrada. Se modifican FILENAME y ARGIND , FNR
se actualiza a 1, y el procesado comienza de
nuevo por el primer patrón del programa AWK. Si
se llega al final de los datos de entrada,
el/los bloque(s) END , si existen, son
ejecutados. NOTA: Versiones antiguas de gawk
usaban next file, como dos palabras. Aunque esta
forma se reconoce todavÃa, genera un mensaje de
alerta y será eliminado en futuras versiones.
print Imprime el registro actual. El registro de
salida se termina con el valor de la variable
ORS .
print lista-expr Imprime expresiones. Cada expresión se separa
por el valor de la variable OFS . El registro
de salida se termina con el valor de la variable
ORS .
print lista-expr >fichero
Imprime expresiones en fichero. Cada expresión
se separa por el valor de la variable OFS . El
registro de salida se termina con el valor de la
variable ORS .
printf fmt, lista-expr Dar formato e imprimir.
printf fmt, lista-expr >fichero
Dar formato e imprimir en fichero.
system(lÃnea-de-orden) Ejecutar la orden lÃnea-de-orden, y devuelve el
valor de salida. (Esto puede no estar
disponible en sistemas no POSIX .)
fflush([fichero]) Descargar cualquier búfer asociado con el
fichero o tuberÃa de salida abierto. Si no se
especifica fichero , entonces se descarga la
salida estándar. Si fichero es la cadena vacÃa,
entonces todos los búfers de los ficheros y
tuberÃas de salida abiertos son descargados.
También se permiten redirecciones de entrada/salida. Para print y
printf, >>fichero añade la salida a fichero, mientras que | orden
escribe en una tuberÃa. De forma similar, orden | getline escribe
mediante una tuberÃa en getline. La orden getline retornará 0 en el
final del fichero, y -1 en caso de error.
La sentencia printf
Las versiones AWK de la sentencia printf y de la función sprintf()
(véase a continuación) aceptan la siguiente especificación para
formatos de conversión:
%c Un carácter ASCII . Si el argumento usado para %c es numérico,
es tratado como un carácter e imprimido. De otro modo, el
argumento se asume que es una cadena, y solo se imprime el
primer carácter de esa cadena.
%d
%i Un número decimal (la parte entera).
%e
%E Un número real de coma flotante de la forma [-]d.dddddde[+-]dd.
El formato %E usa E en vez de e.
%f Un número real de coma flotante de la forma [-]ddd.dddddd.
%g
%G Usese la conversión %e o %f , la que sea más corta, suprimiendo
los ceros no significativos. El formato %G usa %E en vez de %e.
%o Un número sin signo en octal (entero.)
%s Una cadena de caracteres.
%x
%X Un número sin signo en hexadecimal (entero.) El formato %X usa
ABCDEF en vez de abcdef.
%% Un carácter % ; no se utiliza ningún argumento.
Estos son parámetros opcionales que pueden ponerse entre el % y la
letra de control:
- La expresión debe ser justificada por la izquierda dentro de su
campo.
espacio
Para conversiones numéricas, pone un espacio en blanco como
prefijo en los valores positivos, y un signo negativo en los
valores negativos.
+ EL signo más, usado antes del modificador de anchura (vea más
adelante), indica que siempre debe ponerse el signo en las
conversiones numéricas, aunque el dato a dar formato sea
positivo. El + anula el modificador de espacio.
# Usa una ‘‘forma alternativa’’ para ciertas letras de control.
Para %o, añade un cero inicial. Para %x, y %X, añade un 0x o 0X
inicial para resultados diferentes de cero. Para %e, %E, y %f,
El resultado contendrá siempre un punto decimal. Para %g, y %G,
Los ceros al final no serán eliminados del resultado.
0 Un 0 (cero) inicial actúa como una bandera, indica que la salida
debe ser rellenada con ceros en vez de con espacios. Esto se
aplica también para los formatos de salida no numéricos. Esta
bandera solo tiene efecto cuando la anchura del campo es mayor
que el valor a imprimir.
anchura
El campo tiene que ser rellenado hasta alcanzar la anchura
indicada. El campo normalmente será rellenado con espacios. Si
la bandera 0 se está usando, será rellenado con ceros.
.prec Un número que especifica la precisión a usar cuando se imprima.
Para los formatos %e, %E, y %f , esto especifica el número de
dÃgitos que desea que se impriman a la derecha del punto
decimal. Para los formatos %g, y %G , especifica el número
máximo de dÃgitos significativos. Para los formatos %d, %o, %i,
%u, %x, y %X , especifica el número mÃnimo de dÃgitos a
imprimir. Para una cadena, especifica el número máximo de
caracteres de la cadena que deben ser imprimidos.
Las caracterÃsticas de anchura y prec dinámicas de las rutinas printf()
del ANSI C también son soportadas. Un * en el lugar de las
especificaciones de anchura o de prec causará que sus valores sean
tomados a partir de la lista de argumentos de printf o sprintf().
Nombres especiales de ficheros
Cuando se realiza redirección de la E/S tanto desde print como de
printf en un fichero, o mediante getline a partir de un fichero, gawk
reconoce internamente ciertos nombres especiales de ficheros. Estos
nombres de ficheros permiten acceder a descriptores de ficheros
abiertos heredados del proceso padre de gawk (normalmente el shell.)
Otros nombres especiales proveen acceso a información sobre la
ejecución del proceso gawk Los nombres de ficheros son:
/dev/pid Leer de este fichero devuelve el ID del proceso actual, en
decimal, terminado con un salto de lÃnea.
/dev/ppid Leer de este fichero devuelve el ID del proceso padre del
actual proceso, en decimal, terminado con un salto de
lÃnea.
/dev/pgrpid Leer de este fichero devuelve el ID del grupo del proceso
actual, en decimal, terminado con un salto de lÃnea.
/dev/user Leer de este fichero devuelve un registro terminado con un
salto de lÃnea. Los campos se separan por espacios en
blanco. $1 el el valor de la llamada a sistema getuid(2) ,
$2 es el valor de la llamada a sistema geteuid(2) , $3 es
el valor de la llamada a sistema getgid(2) , y $4 es el
valor de la llamada a sistema getegid(2) Si hay campos
adicionales, son los IDs de grupo devueltos por
getgroups(2). No todos los sistemas soportan múltiples
grupos.
/dev/stdin La entrada estándar.
/dev/stdout La salida estándar.
/dev/stderr La salida de error estándar.
/dev/fd/n El fichero asociado con el descriptor de fichero abierto n.
Son particularmente útiles para los mensajes de error. Por ejemplo:
print "¡ Error !" > "/dev/stderr"
donde, de otra manera, tendrÃa que haber usado
print "¡ Error !" | "cat 1>&2"
Estos nombres de fichero pueden usarse también en la lÃnea de orden
para nombrar ficheros de datos.
Funciones numéricas
AWK dispone de las siguientes funciones aritméticas predefinidas:
atan2(y, x) devuelve el arcotangente de y/x en radianes.
cos(expr) devuelve el coseno de expr, la cual está en radianes.
exp(expr) la función exponencial.
int(expr) truncado a entero.
log(expr) logaritmo natural.
rand() devuelve un número aleatorio entre 0 y 1.
sin(expr) retorna el seno de expr, la cual está en radianes.
sqrt(expr) raÃz cuadrada.
srand([expr]) usa expr como la nueva semilla para el generador de
números aleatorios. Si no se indica expr , se usa la hora
del dÃa. El valor de retorno es la anterior semilla del
generador.
Funciones de cadena
Gawk dispone de las siguientes funciones predefinidas para cadenas:
gensub(r, s, h [, t]) buscar en la cadena objetivo t si hay ajustes
de la expresión regular r. Si h es una cadena
que comienza por g o G, entonces reemplazar
todos los ajustes de r por s. De otro modo, h
es un número indicando cual de los ajustes de r
debe reemplazarse. Si no se indica t , se usa
$0 . Dentro del texto de reemplazo s, puede
usarse la secuencia \n, donde n es un dÃgito de
1 a 9, para indicar solo el texto que se ha
ajustado con la subexpresión con paréntesis
n’ésima. La secuencia \0 representa el texto
ajustado completo, al igual que el carácter &.
A diferencia de sub() y gsub(), la cadena
modificada se devuelve como resultado de la
función, y la cadena objetivo original no es
modificada.
gsub(r, s [, t]) para cada subcadena que ajuste con la expresión
regular r en la cadena t, substituye la cadena
s, y devuelve el número de sustituciones. Si
no se ha indicado t , se usa $0. Un & en el
texto de reemplazo es sustituido por el texto
que ha sido ajustado en ese momento. Use \&
para obtener un & literal. Vea AWK Language
Programming para una descripción más detallada
sobre las reglas para los & y las barras
invertidas en el texto de reemplazo de sub(),
gsub(), y gensub().
index(s, t) devuelve el Ãndice de la cadena t en la cadena
s, o 0 si t no aparece.
length([s]) devuelve la longitud de la cadena s, o la
longitud de $0 si no se indica s .
match(s, r) devuelve la posición en s donde aparece la
expresión regular r , o 0 si r no aparece, y
modifica los valores de RSTART y RLENGTH.
split(s, a [, r]) divide la cadena s en la tabla a en la
expresión regular r, y devuelve el número de
campos. Si se omite r , se usa FS . La tabla a
se borra al principio. La división funciona de
forma idéntica a la división de campos,
descrita anteriormente.
sprintf(fmt, lista-expr)
imprime lista-expr de acuerdo con fmt, y
devuelve la cadena resultante.
sub(r, s [, t]) igual que gsub(), pero solo se reemplaza la
primera subcadena que ajusta.
substr(s, i [, n]) retorna la subcadena de s que comience por i y
que tenga como mucho n caracteres. Si se omite
n , se usa el resto de s .
tolower(cad) devuelve una copia de la cadena cad, con todos
los caracteres en mayúscula de cad cambiados
por sus correspondientes en minúscula. Los
caracteres no alfabéticos no son modificados.
toupper(cad) devuelve una copia de la cadena cad, con todos
los caracteres en minúscula de cad cambiados
por sus correspondientes en mayúscula. Los
caracteres no alfabéticos no son modificados.
Funciones de tiempo
Teniendo en cuenta que uno de los principales usos de los programas AWK
es el procesamiento de ficheros de registro (log files) que contienen
información de registro de tiempo, gawk proporciona las siguientes
funciones para obtener registros de tiempo y darles formato.
systime() devuelve la hora del dÃa actual como el número de segundos
desde la Época (Medianoche UTC del 1 Enero de 1970 en
sistemas POSIX).
strftime([formato [, timestamp]])
da formato a timestamp de acuerdo con la especificación en
formato. El timestamp debe tener la misma forma que el
retornado por systime(). Si no aparece timestamp , se
utiliza la hora del dÃa actual. Si no aparece formato , se
utiliza un formato por defecto equivalente a la salida de
date(1). Vea la especificación de la función strftime() en
ANSI C para estar seguro de las conversiones de formato que
se garantiza que existen. Una versión de dominio público de
strftime(3) y la correspondiente página de manual se
distribuyen con gawk; si se usó esa versión para compilar
gawk, entonces todas las conversiones descritas en esa página
de manual estarán disponibles para gawk.
Constantes de cadena
Las constantes de cadena en AWK son secuencias de caracteres entre
dobles comillas ( " ). Dentro de las cadenas, se reconocen
determinadas secuencias de escape , como en C. Son las siguientes:
\\ Una barra invertida literal.
\a El carácter de ‘‘alerta’’; usualmente el carácter ASCII BEL .
\b carácter de borrado.
\f salto de página.
\n salto de lÃnea.
\r retorno de carro.
\t tabulador horizontal.
\v tabulador vertical
\xdÃgitos hexadecimales
El carácter representado por la cadena de dÃgitos hexadecimales
que sigue a la \x. Como en ANSI C, todos los dÃgitos
hexadecimales siguientes se consideran como parte de la secuencia
de escape. (Esta caracterÃstica nos deberÃa dar una idea sobre el
diseño de lenguajes del comité.) Por ejemplo, "\x1B" es el
carácter ASCII ESC (escape).
\ddd El carácter representado por la secuencia de 1, 2 o 3 dÃgitos en
octal. Por ejemplo . "\033" es el carácter ASCII ESC (escape).
\c El carácter c literal.
Las secuencias de escape pueden usarse también dentro de constantes de
expresiones regulares (p.ej., /[ \t\f\n\r\v]/ se ajusta con espacios en
blanco).
En el modo de compatibilidad, los caracteres representados por
secuencias de escape en octal o hexadecimal son tratados literalmente
cuando son usados en contantes de expresiones regulares. AsÃ, /a\52b/
es equivalente a /a\*b/.
FUNCIONES
La funciones en AWK se definen de la siguiente manera:
function nombre(lista de parámetros) { sentencias }
Las funciones se ejecutan cuando son llamadas desde dentro de las
expresiones tanto desde patrones o acciones. Los parámetros reales
usados en la llamada a la función se usan para instanciar los
parámetros formales declarados en la función. Las tablas se pasan por
referencia, las otras variables se pasan por valor.
Ya que las funciones no formaban parte originalmente del lenguaje AWK,
el uso de variables locales es un tanto chapucero: Son declaradas como
parámetros extra en la lista de parámetros. Por costumbre se separan
las variables locales de los parámetros reales por espacios en blanco
adicionales en la lista de parámetros. Por ejemplo:
function f(p, q, a, b) # a & b son locales
{
.....
}
/abc/ { ... ; f(1, 2) ; ... }
Es necesario que el paréntesis izquierdo en una llamada a función siga
inmediatamente al nombre de la función, sin añadir ningún espacio en
blanco. Esto es necesario para evitar ambigüedades sintácticas con el
operador de concatenación. Esta restricción no se aplica a las
funciones predefinidas listadas anteriormente.
Las funciones pueden llamarse las unas a las otras y pueden ser
recursivas. Los parámetros usados como variables locales son
inicializados con una cadena vacÃa y el número cero en la invocación de
la función.
Si se indicó --lint , gawk generará mensajes de alarma sobre llamadas a
funciones no definidas en tiempo de análisis, en vez de en tiempo de
ejecución. Llamar a una función no definida en tiempo de ejecución es
un error fatal.
Puede usarse la palabra func en vez de function.
EJEMPLOS
Imprimir y ordenar los nombres de ingreso de todos los usuarios:
BEGIN { FS = ":" }
{ print $1 | "sort" }
Contar las lÃneas de un fichero:
{ nlines++ }
END { print nlines }
Añadir el número de lÃnea al principio de cada una en el fichero:
{ print FNR, $0 }
Concatenar y número de lÃnea (una variación del ejercicio):
{ print NR, $0 }
VÉASE TAMBIÉN
egrep(1), getpid(2), getppid(2), getpgrp(2), getuid(2), geteuid(2),
getgid(2), getegid(2), getgroups(2)
The AWK Programming Language, Alfred V. Aho, Brian W. Kernighan, Peter
J. Weinberger, Addison-Wesley, 1988. ISBN 0-201-07981-X.
AWK Language Programming, Edition 1.0, published by the Free Software
Foundation, 1995.
COMPATIBILIDAD POSIX
Un objetivo principal de gawk es la compatibilidad con el estándar
POSIX, y a su vez la compatibilidad con la última versión del awk de
UNIX . Hasta la fecha, gawk incorpora las siguientes capacidades para
el usuario que no se describen en el libro de AWK, pero que forman
parte de la versión de Bell Labs de awk, y se encuentran en el estándar
POSIX .
La opción -v para asignar variables antes de la ejecución del programa
es nueva. El libro dice que las asignaciones de variables de la lÃnea
de órdenes ocurrirÃan cuando awk abriera el argumento como un fichero,
lo cual es antes de ejecutar el bloque BEGIN . De todos modos, en
implementaciones más modernas, cuando una asignación como esta aparece
antes que ningún nombre de fichero, la asignación ocurrirÃa antes de
que el bloque BEGIN fuera ejecutado. Las aplicaciones acostumbran a
depender de esta ‘‘caracterÃstica.’’ Cuando awk fue modificado para
acomodarse a su documentación, se añadió esta opción para acomodar a
las aplicaciones que dependen de esta vieja caracterÃstica. (Esta
caracterÃstica fue aceptada tanto por los desarrolladores de AT&T como
por los de GNU.)
La opción -W para implementación de caracterÃsticas especÃficas
pertenece al estándar POSIX.
Durante el procesado de argumentos, gawk usa la opción especial ‘‘--’’
para señalar el final de los argumentos. En modo compatibilidad, las
opciones no definidas darán un mensaje de alerta, pero de todos modos
son ignoradas. En operación normal, estos argumentos son pasados al
programa AWK para que sean procesados.
El libro de AWK no define el valor de retorno de srand(). El estándar
POSIX hace que devuelva la semilla que estaba usando, para permitir
seguir la pista de las secuencias de números aleatorios. Por este
motivo, srand() en gawk devuelve igualmente la semilla actual.
Otras caracterÃsticas nuevas son: El uso de múltiples opciones -f (a
partir de MKS awk); la tabla ENVIRON ; las secuencias de escape \a, y
\v (implementadas originalmente en gawk y añadidas en la versión de
AT&T); las funciones predefinidas tolower() y toupper() (a partir de
AT&T); y las especificaciones de conversión de ANSI C en printf
(implementadas por primera vez en la versión de AT&T).
EXTENSIONES DE GNU
Gawk contiene una serie de extensiones del awk de POSIX. Se describen
en esta sección. Las extensiones que se describen aquà pueden
desactivarse llamando a gawk con la opción --traditional .
Las siguientes capacidades de gawk no están disponibles en el awk de
POSIX.
· La secuencia de escape \x . (Desactivada con --posix.)
· La función fflush() . (Desactivada con --posix.)
· Las funciones systime(), strftime(), y gensub() .
· Los nombres de fichero especiales para redirección de E/S no
son reconocidos.
· Las variables ARGIND, ERRNO, y RT no son especiales.
· La variable IGNORECASE y sus efectos no están disponibles.
· La variable FIELDWIDTHS y la división de campos de ancho fijo.
· El uso de RS como una expresión regular.
· La habilidad de dividir caracteres individuales usando la
cadena vacÃa como valor para FS, y como tercer argumento para
split().
· No se realiza búsqueda de camino para los ficheros nombrados
mediante la opción -f . Por ello, la variable de entorno
AWKPATH no es especial.
· El uso de nextfile para abandonar el procesado del fichero de
entrada actual.
· El uso de delete tabla para borrar todo el contenido de una
tabla.
El libro de AWK no define el valor de retorno de la función close() .
El close() de gawk devuelve el valor de fclose(3), o pclose(3), cuando
se esté cerrando un fichero o una tuberÃa, respectivamente.
Cuando se invoca a gawk con la opción --traditional , si el argumento
fs para la opción -F es ‘‘t’’, entonces se asignará a FS el carácter
tabulador. Nótese que escribiendo gawk -F\t ... simplemente se
provoca que el shell lo cambie por el literal ‘‘t’’, y no pase ‘‘\t’’ a
la opción -F . Dado que es un caso un tanto especial y bastante
desagradable, esta no es la manera por defecto de actuar. Tampoco se
actúa de esta manera si se ha especificado --posix . Para tener un
tabulador como separador de campo, es mejor usar el entrecomillado:
gawk -Fâ€â€™\tâ€â€™ ....
CAPACIDADES HISTÓRICAS
Hay dos caracterÃsticas de implementaciones históricas de AWK que gawk
soporta. Primera, es posible llamar a la función predefinida length()
no solamente sin argumento, ¡sino incluso sin paréntesis! Por eso,
a = length
es igual que las siguientes
a = length()
a = length($0)
Esta caracterÃstica se tilda de ‘‘censurable’’ en el estándar POSIX, y
gawk generará un mensaje de alerta sobre su uso si se especifica --lint
en la lÃnea de orden.
La otra caracterÃstica es el uso de las sentencias continue o break
fuera del cuerpo de un bucle while, for, o do . Las implementaciones
tradicionales de AWK han tratado este uso de forma equivalente a la
sentencia next . Gawk soportará este uso si se especifica
--traditional en la lÃnea de orden.
VARIABLES DE ENTORNO
Si POSIXLY_CORRECT existe en el entorno, entonces gawk actúa
exactamente como si se hubiera especificado --posix en la lÃnea de
orden. Si se hubiera especificado --lint , gawk generarÃa un mensaje
de alerta.
La variable de entorno AWKPATH puede usarse para proveer a gawk de una
lista de directorios en la que buscar los ficheros nombrados mediante
las opciones -f y --file .
FALLOS
La opción -F no es necesaria dada la caracterÃstica de las asignaciones
de variables por la lÃnea de orden; se mantiene por compatibilidad.
Si su sistema dispone de soporte para el fichero /dev/fd y los
asociados /dev/stdin, /dev/stdout, y /dev/stderr , puede obtener
diferente salida desde gawk a la que podrÃa obtener en un sistema sin
estos ficheros. Cuando gawk interpreta estos ficheros internamente,
sincroniza la salida a la salida estándar con la salida a /dev/stdout,
mientras que en un sistema con estos ficheros, la salida realmente se
envÃa ficheros abiertos diferentes.
Los programas de un solo carácter sintácticamente incorrectos tienden a
sobrepasar la pila del analizador sintáctico, generando un mensaje
bastante poco útil. Sorprendentemente, estos programas son difÃciles de
diagnosticas en el caso general, y el esfuerzo para hacerlo realmente
no merece la pena.
INFORMACIÓN DE LA VERSIÓN
Esta página de manual documenta la versión 3.0.2 de gawk.
AUTORES
La versión original de awk para UNIX fue diseñada e implementada por
Alfred Aho, Peter Weinberger, y Brian Kernighan de AT&T Bell Labs.
Brian Kernighan continúa con su mantenimiento y mejora.
Paul Rubin y Jay Fenlason, de la Free Software Foundation, escribió
gawk, para ser compatible con la versión original de awk distribuida en
UNIX Seventh Edition. John Woods contribuyó arreglando algunos fallos.
David Trueman, con contribuciones de Arnold Robbins, hizo que gawk
fuera compatible con la nueva versión del awk de UNIX. Arnold Robbins
es el actual mantenedor.
La versión original para DOS fue realizada por Conrad Kwok y Scott
Garfinkle. Scott Deifik es el mantenedor actual para DOS. Pat Rankin
realizó el paso a VMS, y Michal Jaegermann hizo el paso al Atari ST.
El paso a OS/2 lo realizó Kai Uwe Rommel, con contribuciones y ayudas
de Darrel Hankerson. Fred Fish aportó soporte para el Amiga.
INFORME DE FALLOS
Si encontrara algún fallo en gawk, envÃe por favor un mensaje
electrónico a bug-gnu-utils@prep.ai.mit.edu, con una copia de carbón a
arnold@gnu.ai.mit.edu. Por favor, incluya su sistema operativo y su
revisión, la versión de gawk, qué compilador de C usó para compilarlo,
y el programa de prueba y los datos mÃnimos para reproducir el
problema.
Antes de enviar un informe de fallos, haga por favor dos cosas.
Primero, verifique que dispone de la última versión de gawk. Muchos
fallos (normalmente bastante sutiles) son arreglados en cada nueva
versión, y si la suya está obsoleta, el problema podrÃa estar ya
arreglado. Segundo, por favor lea detenidamente tanto esta página de
manual como el manual de referencia para estar seguro que lo que usted
piensa que es un fallo realmente lo sea, en vez de una mala
interpretación del lenguaje.
Sea lo que sea que haga, NO remita un informe de fallo en
comp.lang.awk. Aunque los desarrolladores de gawk leen este grupo de
noticias de forma ocasional, remitir informes de fallos en dicho grupo
no es una forma muy segura de hacerlo. Utilice preferiblemente las
direcciones de correo electrónico anteriores.
RECONOCIMIENTOS
Brian Kernighan de Bell Labs proveyó de una valiosa asistencia durante
las pruebas y la eliminación de fallos. Le damos las gracias.
PERMISOS DE COPIA
Copyright © 1996 Free Software Foundation, Inc.
Se concede permiso para hacer y distribuir copias literales de esta
página de manual siempre que se preserven tanto la nota de copyright
como esta nota de permisos en todas las copias.
Se concede permiso para copiar y distribuir versiones modificadas de
esta página de manual bajo las condiciones de la copia literal, siendo
los resultados completos del trabajo derivado distribuidos bajo los
términos de una nota de permisos idéntica a esta.
Se concede permiso para copiar y distribuir traducciones de esta página
de manual a otros idiomas, bajo las anteriores condiciones para
versiones modificadas, exceptuando que esta nota de permisos debe
manifestarse mediante una traducción aprobada por la Fundación.
Nota del traductor: Dado que la traducción de esta nota no está
aprobada por la Free Software Foundation, se añade la nota original en
Inglés.
COPYING PERMISSIONS
Copyright © 1996 Free Software Foundation, Inc.
Permission is granted to make and distribute verbatim copies of this
manual page provided the copyright notice and this permission notice
are preserved on all copies.
Permission is granted to process this file through troff and print the
results, provided the printed document carries copying permission
notice identical to this one except for the removal of this paragraph
(this paragraph not being relevant to the printed manual page).
Permission is granted to copy and distribute modified versions of this
manual page under the conditions for verbatim copying, provided that
the entire resulting derived work is distributed under the terms of a
permission notice identical to this one.
Permission is granted to copy and distribute translations of this
manual page into another language, under the above conditions for
modified versions, except that this permission notice may be stated in
a translation approved by the Foundation.