Provided by: manpages-hu_20010119-6_all 
NÉV
gawk - mintakereső és -feldolgozó nyelv
ÁTTEKINTÉS
gawk [ POSIX vagy GNU stílusú opciók ] -f program-file [ -- ] file ...
gawk [ POSIX vagy GNU stílusú opciók ] [ -- ] file ...
LEÍRÁS
A gawk az AWK programnyelv GNU Project általi megvalósítása. Alkalmazkodik a nyelv POSIX
1003.2 Command Language And Utilities Standard-beli definíciójához. Másfelől ez a verzió
az - Aho, Kernighan és Weinberger által írt - The AWK Programming Language leírásán
alapul; a UNIX awk System V Release 4 verziójában található további szolgáltatásokkal
kiegészítve. A gawk újabb keletű Bell Labs bővítésekkel és néhány GNU-specifikus
bővítéssel is szolgál.
A parancssor magának a gawk -nak adandó paraméterekből, az AWK program szövegéből (ha nem
a -f vagy --file opciók segítségével adjuk meg), valamint - később az ARGC és ARGV előre
definiált AWK változókkal elérhető - értékekből áll.
OPCIÓFORMÁTUM
A gawk opciók lehetnek a POSIX-féle hagyományos egybetűs opciók, vagy a GNU stílusú hosszú
opciók. A POSIX stílusú opciók szimpla kötőjellel (``-''), míg a GNU hosszú opciói dupla
kötőjellel (``--'') kezdődnek. Egyaránt GNU stílusú hosszú opciókkal vannak ellátva a
GNU- specifikus és a POSIX-ban előírt szolgáltatások. Az AWK nyelv egyéb megvalósításai
valószínűleg csak a hagyományos egybetűs opciókat fogadják el.
Követve a POSIX szabványt a gawk specifikus opciókat a -W paraméterrel lehet megadni.
Megadhatunk több -W paramétert, vagy egyet több argumentummal. Utóbbi esetben az
argumentumokat vesszővel kell elválasztani; vagy whitespace-szel, és zárójelek közé tenni.
A kis-/nagybetűk egyenértékűek a -W opció argumentumaiban. Mindegyik -W opciónak megvan a
maga GNU stílusú párja (ld. lejjebb). A GNU stílusú opciók argumentumait vagy az opcióval
= jellel összekötve (közbülső space-ek nélkül), vagy mint a következő parancssori
paramétert kell megadni. A hosszú opciók rövidíthetők mindaddig, amíg a rövidítés egyedi
marad.
OPCIÓK
A gawk a következő opciókat fogadja el:
-FS fs
--field-separator fs
Bemeneti mezőelválasztóként fs értékét használja (alapértelmezés az előre definiált
FS változó értéke).
-v var=val
--assign var=val
A var változóhoz rendeli a val értéket mielőtt a program végrehajtása megkezdődik.
Az ilyen változóértékek elérhetők az AWK program BEGIN blokkjában.
-f program-file
--file program-file
Az AWK programot a program-file forrásfile-ból, olvassa első parancssori argumentum
helyett. Több -f (or --file) opció használható.
-mf NNN
-mr NNN
Különféle memóriakorlátokat állít be NNN értékre. Az f jelző a mezők maximális
számát, az r jelző a rekordok maximális számát állítja be. Ez a két jelző és a -m
opció az AT&T Bell Labs research UNIX awk verziójából származik. A gawk figyelmen
kívül hagyja, mivel a gawk -nak nincsenek elődefiniált korlátai.
-W traditional
-W compat
--traditional
--compat
Futás kompatíbilis módban. Amikor kompatíbilis módban fut, a gawk UNIX awk -kal
megegyezően viselkedik, azaz nem ismeri fel e GNU-specifikus bővítéseket. A
--traditional formát részesítjük előnyban a többivel szemben. További információ:
lásd lejjebb a GNU BŐVÍTÉSEK részt.
-W copyleft
-W copyright
--copyleft
--copyright
Kinyomtatja a szabványos kimenetre a GNU szerzői jogi információ rövid verzióját,
és sikeresen befejezi a futást.
-W help
-W usage
--help
--usage
A rendelkezésre álló opciók egy viszonylag rövid összegzését nyomtatja a
szabványos kimenetre. (A GNU Kódolási Szabályok -nak megfelelően ezek az opciók
azonnali, sikeres kilépést eredményeznek.)
-W lint
--lint Figyelmeztet a bizonytalan vagy a más AWK megvalósításra át nem vihető
szerkezetekre.
-W posix
--posix
Bekapcsolja a kompatíbilis módot az alábbi megkötésekkel:
• a \x escape szekvenciákat nem ismeri fel.
• csak a space és a tab működik mezőelválasztóként, amikor FS értéke space-re van
beállítva, az újsor nem.
• A function kulcsszó func szinonímáját nem ismeri fel.
• A ** és a **= operátor nem használható a ^ és a ^= helyén.
• Az fflush() függvény nem elérhető.
-W re-interval
--re-interval
Engedélyezi az intervallum kifejezések használatát a reguláris kifejezések
illesztésénél (lásd alább: RegulárisKifejezések ). Intervallum kifejezések
eredetileg nem voltak használhatók az AWK nyelvben. A POSIX szabvány adta őket
hozzá, hogy az awk -ot és az egrep -et konzisztenssé tegyék egymással. Azonban
használatuk valószínűleg tönkreteszi a régi AWK programokat, így a gawk csak akkor
nyújtja azokat, ha ezzel az opcióval kérik, vagy ha a --posix meg van adva.
-W source program-text
--source program-text
A program-text -et AWK forráskódként használja. Ez az opció lehetővé teszi a
könyvtári függvények ( -f és --file ) könnyű keverését a parancssorban megadott
forráskóddal. Ez elsősorban shell szkriptekben használt nagy AWK programok
közvetítő közegének van szánva.
-W version
--version
Kiírja az aktuális gawk program verzióját a szabványos kimenetre. Ez akkor hasznos,
ha tudni szeretnénk, hogy a rendszeren lévő program a legújabb-e, tekintetbe véve
mindent, amit a Szabad Software Alapítvány kiad. Szintén hasznos hibajelentésekhez.
(A GNU Kódolási Szabályok -nak megfelelően ezek az opciók azonnali, sikeres
kilépést eredményeznek.)
-- Az opciók végét jelzi. Hasznos, ha engedélyezni akarjuk, hogy a további, magának az
AWK programnak átadandó argumentumok ``-'' jellel kezdődjenek. Ez főként a -
legtöbb POSIX program által alkalmazott - argumentum elemzési konvencióval való
egyezőség miatt született.
Kompatíbilis módban a program minden egyéb opciót illegálisként jelöl meg, egyébként
figyelmen kívül hagyja azokat. Rendes működéskor, mindaddig, amíg szöveget talál, az
ismeretlen opciókat feldolgozásra átadja az AWK programnak az ARGV tömbben. Ez különösen
az AWK programok ``#!'' mechanizmussal történő futtatásakor hasznos.
AZ AWK PROGRAM VÉGREHAJTÁSA
Egy AWK program minta-tevékenység utasítások és opcionális függvénydefiníciók sorozata.
minta { tevékenység utasítások }
function név(paraméter lista) { utasítások }
A gawk először beolvassa a programforrást a programfile -(ok)ból (ha meg van adva ilyen),
a --source argumentumából, vagy a parancssor első, nem-opció argumentumából. A -f és a
--source opciók többször használhatók a parancssorban. A gawk ilyenkor úgy olvassa be a
program szövegét, mintha minden programfile és parancssori forrásszöveg össze volna
kapcsolva (konkatenálva). Ez jól használható AWK függvénykönyvtárak kialakításához. Így
nincs szükség a függvények befoglalására minden olyan új programba, amely használja
azokat. Ez azt is lehetővé teszi, hogy a könyvtári függvényeket a parancssori
programokkal keverjük.
Az AWKPATH környezeti változó előírja a -f opcióval megnevezett fájlok keresési útvonalát.
Ha ez a változó nem létezik, az alapértelmezett keresési útvonal:
".:/usr/local/share/awk". (A tényleges könyvtár aszerint változhat, hogy a gawk -ot
hogyan fordították és installálták.) Amennyiben egy, a -f opcióval átadott fájlnév ``/''
karaktert tartalmaz, nem hajtódik végre útvonal-keresés.
A gawk a következő forgatókönyv szeint hajtja végre a programokat. Először végrehajt
minden, a -v opcióval előírt változó-értékadást. Ezután egy belső formába fordítja a
programot, végrehajtja a BEGIN blokk(ok)ban levő kódot (ha van ilyen), majd beolvas
minden, az ARGV tömbben megadott fájlt. Ha nincs file megnevezve a parancssorban, a gawk a
szabványos bemenetet olvassa.
Ha egy, a parancssorban megadott fájlnév var=val formájú, akkor ezt a gawk
változó-értékadásként kezeli; a var változó megkapja a val értéket. (Ez azután történik,
hogy minden BEGIN block lefutott.) A parancssori értékadás ott a leghasznosabb, ahol olyan
változók értékeit adjuk meg dinamikusan, amelyek azt írják elő, hogy a bemenetet milyen
módon kell mezőkre és rekordokra bontani. Ez állapot figyelésre is alkalmas, ha több futás
is szükséges egyetlen adatfile-on.
Ha az ARGV egy bizonyos eleme üres értékű (""), a gawk átugorja azt.
A gawk ellenőrzi a bemenet minden rekordját, hogy eldöntse, illeszkedik-e az AWK program
bármely mintájára. Minden olyan mintához rendelt tevékenység végrehajtódik, amely mintára
a rekord illeszkedik. A minták a programbeli előfordulás sorrendjében kerülnek vizsgálat
alá.
Végül, miután minden bemenetnek a végére ért, a gawk végrehajtja az END blokk(ok)ban lévő
kódot (ha van ilyen).
VÁLTOZÓK, REKORDOK ÉS MEZŐK
Az AWK változók dinamikusak; első használatukkor jönnek létre. Értékük vagy lebegőpontos,
vagy karakterlánc, vagy mindkettő, a használatuk módjától függően. Az AWK-ban léteznek még
egydimenziós tömbök; a többdimenziósak szimulálhatók. Számos elődefiniált változó kap
értéket egy program futása alatt; ezek leírása és összegzése alább, a szükséges helyen
történik.
Rekordok
Rendszerint a rekordok újsor karakterekkel vannak elválasztva. Megadható a
rekordelválasztás módja az RS nevű beépített változó értékének hozzárendelésével. Ha RS
egyetlen karakter, ez a karakter lesz a rekordelválasztó. Egyébként RS reguláris
kifejezés. Az erre a reguláris kifejezésre illeszkedő szöveg a rekordelválasztó. Azonban
kompatíbilis módban csak karakterlánc-értékének első karaktere lesz felhasználva a
rekordok szétválasztására. Ha RS üres karakterláncra van beállítva, akkor a rekordokat
üres sorok választják el. Ilyenkor az újsor karakter mezőelválasztóként viselkedik,
bármilyen értékű is FS.
Mezők
Amint beolvassa az egyes rekordokat, a gawk mezők -re bontja azokat, az FS változó értékét
használva mezőelválasztóként. Ha FS egyetlan karakter, ez a karakter választja el a
mezőket. Ha FS üres karakterlánc, akkor minden egyes karakter külön mező lesz. Egyébként a
program FS -t, mint reguláris kifejezést kezeli. Abban a speciális esetben, amikor FS
egyetlen space, a mezőket space és/vagy tab és/vagy újsor karakterek választják el. (De
lásd lejjebb a --posix opció tárgyalását). Fontos, hogy az IGNORECASE értéke (lásd
lejjebb) szintén befolyásolja, hogy a mezők miként választódnak szét, amikor az FS
reguláris kifejezés; és hogy hogyan szeparálódnak a rekordok, amikor az RS reguláris
kifejezés.
Ha a FIELDWIDTHS változó értékeként space-ekkel elválasztott számlista van megadva, a gawk
fix szélességű mezőket vár, és a rekordot az adott szélességekre darabolja. Az FS értékét
figyelmen kívül hagyja. FS-nek új értéket adva a FIELDWIDTHS használata megszüntethető,
és visszaállítható az alapértelmezett működés.
A bemeneti rekord minden mezőjére pozíciója alapján hivatkozhatunk ( $1, $2, stb.) $0 az
egész rekord. A mező értéke meg is adható. A mezőhivatkozásnak nem szükséges konstansnak
lennie:
n = 5
print $n
kiírja a bemeneti rekord ötödik mezőjét. Az NF változó a bemeneti rekord mezőinek számát
tartalmazza.
A nemlétező mezőkre történő hivatkozások (azaz $NF-nél nagyobb indexű mezők) üres
karakterláncot eredményeznek. Azonban a nemlétező mezőnek történő értékadás (pl. $(NF+2)
= 5) megnöveli NF értékét, minden közbeeső mezőt üres karakterlánc-értékkel hoz létre, és
$0 értékét újra kiértékelteti úgy, hogy a mezőelválasztó OFS értéke lesz. A negatív
mezőhivatkozások fatális hibát okoznak. NF dekrementálása az új érték utáni mezők
értékének elvesztésével jár, valamint $0 értékének újraszámítását okozza, OFS értékének
megfelelő mezőelválasztással.
Beépített változók
A gawk beépített változói:
ARGC A parancssori argumentumok száma (nem tartalmazza a gawk -nak szóló
argumentumokat, vagy a program forráskódját).
ARGIND Az éppen feldolgozás alatt álló file indexe az ARGV tömbben.
ARGV A parancssori argumentumok tömbje. A tömb indexei 0-tól ( ARGC -1 ) -ig
tartanak. Az ARGV tartalmának dinamikus megváltoztatásával az adatfile-ok
csoportja módosítható.
CONVFMT A számok konverziós formátuma. Alapértelmezésben %.6g.
ENVIRON Az aktuális környezetet tartalmazó tömb. A tömb a környezeti változók nevével
van indexelve, minden elem az adott változó értéke (pl. ENVIRON["HOME"] értéke
lehet /home/valaki ). E tömb megváltoztatása nincs hatással a gawk -ból
átirányítással vagy a system() függvénnyel hívott programok által látott
környezetre. (Ez a gawk jövőbeni verzióiban változhat.)
ERRNO Ha rendszerhiba történik a getline -ba átirányításkor, a getline -ba
olvasáskor vagy a close() alatt, akkor az ERRNO tartalmazza a hibát leíró
karakterláncot.
FIELDWIDTHS A mezőszélességek szóközökkel elválasztott listája. Ha ez be van állítva, a
gawk rögzített szélességű mezőkre tördeli a bemenetet, ahelyett, hogy az FS
változó, mint mezőelválasztó értékét használná. A rögzített mezőszélesség
használatának lehetősége még kísérleti jellegű; jelentése idővel változhat.
FILENAME Az aktuális bemeneti file neve. Ha nincs file megadva a parancssorban, a
FILENAME értéke ``-''. Azonban a FILENAME nem definiált a BEGIN blokkon belül.
FNR A bemeneti rekord sorszáma az aktuális bemeneti fájlban.
FS A bemeneti mezőelválasztó. Alapértelmezésben szóköz. Lásd feljebb: Mezők.
IGNORECASE Meghatározza minden reguláris kifejezés és karakterlánc-művelet
esetérzékenységét. Ha az IGNORECASE nem nulla, akkor a karakterláncok
összehasonlítása és a mintaillesztés, a meződarabolás FS -szel, a rekordok
elválasztása RS -szel, a reguláris kifejezések illesztése ~ -vel és !~ -vel,
és a gensub(), gsub(), index(), match(), split(), valamint a sub(), előre
definiált függvények nem lesznek esetérzékenyek a reguláris kifejezésekkel
végzett műveleteknél. Így, ha az IGNORECASE nem nulla, /aB/ egyaránt
illeszkedik az ab, aB, Ab, és AB karakterláncokra. Mint minden AWK változónak,
az IGNORECASE -nek is nulla a kezdeti értéke, tehát rendesen minden reguláris
kifejezés esetérzékeny. Unix alatt a teljes ISO 8859-1 Latin-1 karakterkészlet
használatos az esetérzékenység elhagyásakor. FONTOS: a 3.0-át megelőző gawk
verziókban, az IGNORECASE csak a reguláris kifejezéssel végzett műveletekre
volt hatással. Ma már befolyásolja a karakterlánc-összehasonlításokat is.
NF A mezők száma az aktuális bemeneti rekordban.
NR A már beolvasott rekordok teljes összege.
OFMT A számok kimeneti formátuma. Alapértelmezésben %.6g.
OFS A bemeneti mezőelválasztó. Alapértelmezésben szóköz.
ORS A kimeneti rekordelválasztó. Alapértelmezésben újsor karakter.
RS A bemeneti rekordelválasztó. Alapértelmezésben újsor karakter.
RT Rekordterminátor. A gawk arra a bemenő szövegre állítja be, amely illeszkedik
az RS által meghatározott karakterre vagy reguláris kifejezésre.
RSTART Az első, match() által talált karakter indexe; 0, ha nincs találat.
RLENGTH A match() által talált karakterlánc hossza; -1, ha nincs találat.
SUBSEP A többindexű tömbelemek indexelválasztó karaktere. Alapértelmezésben 34.
Tömbök
A tömbök indexei szögletes zárójelben ([ és ]). megadott kifejezések. Ha a kifejezés egy
kifejezéslista (kif, kif ...) akkor a tömbindex az egyes kifejezések
(karakterlánc-)értékének konkatenációjából álló karakterlánc, ahol az egyes részeket a
SUBSEP változó értéke szerinti karakter választja el. Például:
i = "A"; j = "B"; k = "C"
x[i, j, k] = "hello, world\n"
a "hello, world\n" karakterláncot rendeli az x tömb "A\034B\034C" karakterlánccal indexelt
eleméhez. az AWK-ban minden tömb asszociatív, azaz karakterláncokkal indexelt.
Az in, különleges operátor használható if és while utasításban annak eldöntésére, hogy egy
tömbben létezik-e egy adott értékből álló index.
if (val in array)
print array[val]
Ha a tömb többindexű, az (i, j) in array forma alkalmazandó.
Az in szerkezet for ciklusban is használható egy tömb minden elemének eléréséhez.
Egy tömbelem a delete utasítással törölhető. A delete a tömb teljes tartalmának törlésére
is használható, a tömbnév index nélküli megadásával.
Változótipizálás és konverzió
A változók és mezők lehetnek (lebegőpontos) számok, karakterláncok, vagy mindkettő. A
változó értékének kezelése a környezetétől függ. Ha numerikus kifejezésben szerepel,
számként lesz kezelve, ha karakterláncként használják, akkor karakterláncként.
Ha kényszeríteni szeretnénk, hogy egy változó számként legyen kezelve, adjunk hozzá 0-t;
ha azt akarjuk, hogy karakterláncként, összefűzzük az üres karakterlánccal.
Ha egy karakterláncot számmá kell konvertálni, a konverzió az atof(3) függvénnyel valósul
meg. Egy szám karakterlánccá konvertálódik, ha a CONVFMT értékét, mint az sprintf(3)
függvény formázó karakterláncát használjuk, argumentumként pedig a változó számértékét
adjuk meg. Azonban, jóllehet az AWK-ban minden szám lebegőpontos, az egész értékek mindig
integer-szerűen konvertálódnak. Így
CONVFMT = "%2.2f"
a = 12
b = a ""
a b változó karakterlánc-értéke "12" és nem "12.00".
A gawk a következőképpen hajtja végre az összehasonlítást: ha két változó numerikus,
numerikusan hasonlít össze. Ha az egyik érték numerikus és a másik karakterlánc-érték,
amely ``numerikus karakterlánc'', akkor az összehasonlítás szintén numerikusan történik.
Egyébként a numerikus érték karakterlánccá konvertálódik és karakterlánc-összehasonlítás
hajtódik végre. Két karakterlánc, természetesen karakterláncként hasonlítódik össze. A
POSIX szabvány szerint, akkor is numerikus összehasonlítást kell végezni, ha két
karakterlánc numerikus karakterlánc. Azonban ez teljesen helytelen, és a gawk nem ezt
teszi.
Fontos, hogy a karakterlánc konstansok, úgy mint az "57", nem numerikus karakterláncok;
ezek karakterlánc konstansok. A ``numerikus karakterlánc'' fogalom csak a mezőkre, a
getline bemenetre, a FILENAME -re, az ARGV elemekre, az ENVIRON elemekre és a split()
függvénnyel létrehozott tömb numerikus karakterlánc elemeire vonatkozik. Az alapgondolat
az, hogy a numerikus alakú felhasználói bemenetet, és csak a felhasználói bemenetet szabad
így kezelni.
Az inicializálatlan változók numerikus érteke 0, karakterlánc-értékük "" (null-, vagy üres
karakterlánc).
MINTÁK ÉS TEVÉKENYSÉGEK
Az AWK sororientált nyelv. Előbb jön a minta, majd a tevékenység. A tevékenység-
utasítások { és } közé vannak zárva. Vagy a minta, vagy a tevékenység elmaradhat, de
természetesen mindkettő nem. Ha a minta hiányzik, a tevékenység minden egyes bemenő
rekordon végrehajtódik. A hiányzó tevékenység ugyanaz, mint a
{ print }
amely kiírja az egész rekordot.
A megjegyzések ``#''-kal kezdődnek és a sor végéig folytatódnak. Üres sorok használhatók
az utasítások elkülönítésére. Rendszerint egy utasítás az újsor karakterrel befejeződik,
de ez nem igaz a ``,'', {, ?, :, &&, vagy || végű sorokra. A do vagy else végű sorokban
szereplő utasítások szintén automatikusan folytatódnak a következő sorban. Más esetekben
a sort a végére írt ``´' karakterrel lehet folytatni. Ekkor az újsor karaktert a gawk
figyelmen kívül hagyja.
Több, ``;''-vel elválasztott utasítás is írható egy sorba. Ez vonatkozik egyaránt a
minta-tevékenység pár tevékenység részében szereplő utasításokra és magukra a minta-
tevékenység utasításokra.
Minták
Az AWK minták a következók lehetnek:
BEGIN
END
/reguláris kifejezés/
relációs kifejezés
minta && minta
minta || minta
minta ? minta : minta
(minta)
! minta
minta1, minta2
A BEGIN és az END két speciális minta, amely nem inputfüggő. Minden BEGIN minta
tevékenység része egy egységet képez úgy, mintha minden utasítás egyetlen BEGIN blokkba
volna írva. Ezek előbb végrehajtásra kerülnek, mielőtt bármilyen bemenet beolvasása
megtörténne. Ehhez hasonlóan az END blokkok is egybeolvadnak, és akkor hajtódnak végre,
amikor minden bemenet beolvasása véget ért (vagy amikor exit utasítás hajtódik végre). A
BEGIN és az END blokkok nem kombinálhatók más mintákkal a mintakifejezésekben. A BEGIN és
az END mintákból nem hiányozhat a tevékenység rész.
A /reguláris kifejezés/ mintákhoz rendelt utasítás minden olyan rekordra végrehajtódik,
amely illeszkedik a reguláris kifejezésre. A reguláris kifejezések azonosak az egrep(3)
programéival. Ezek összefoglalását lásd lejjebb.
A relációs kifejezésekben szerepelhet bármelyik, a lenti, tevékenységekről szóló részben
definiált operátorok közül. Ezek rendszerint azt ellenőrzik, hogy bizonyos mezők
illeszkednek-e bizonyos reguláris kifejezésekre.
Az &&, ||, és ! operátorok rendre a logikai ÉS, logikai VAGY és logikai NEM, mint a C-
ben. Rövidzár kiértékelést végeznek, szintén, mint a C-ben. Egyszerűbb mintakifejezések
összekapcsolására szolgálnak. Mint a legtöbb nyelvben, zárójelek használhatók a
kiértékelés sorrendjének megváltoztatására.
A ?: operátor hasonlít a C ugyanezen operátorához. Ha az első minta igaz, akkor a második
minta kerül felhasználásra az ellenőrzéshez, egyébként a harmadik. A második és harmadik
minta közül csak az egyik értékelődik ki.
A minta1, minta2 kifejezésforma neve tartományminta. Ez illeszkedik a minta1 -re
illeszkedő rekorddal kezdve folytatólagosan minden bemenő rekordra, egy, a minta2 -re
illeszkedő rekordig - beleértve a két határmintára illeszkedő rekordokat. Nem működik
együtt másfajta mintakifejezésekkel.
Reguláris kifejezések
A reguláris kifejezések az egrep -ben megtalálható kibővített típusúak. A következő
karakterekből állnak:
c a nem-metakarakter c-re illeszkedik.
\c a literális c karakterre illeszkedik. . minden karakterre illeszkedik,
beleértve az újsort.
^ egy karakterlánc kezdetére illeszkedik.
$ egy karakterlánc végére illeszkedik.
[abc...] karakterlista, amely az abc... karakterek bármelyikére illeszkedik.
[^abc...] negált karakterlista, minden karakterre illeszkedik, kivéve abc... -t.
r1|r2 vagylagosság: r1 -re vagy r2 -re illeszkedik.
r1r2 összekapcsolás: az r1 és r2 sorozatra illeszkedik.
r+ egy vagy több r -re illeszkedik.
r* nulla vagy több r -re illeszkedik.
r? nulla vagy egy r -re illeszkedik.
(r) csoportosítás: r -re illeszkedik. r.
r{n}
r{n,}
r{n,m} Egy vagy két szám kapcsos zárójelek között intervallum-kifejezést jelent. Ha
egy szám szerepel a zárójelek között, az előtte álló r reguláris kifejezés n
-szer megismétlődik. Ha két szám van zárójelezve, vesszővel elválasztva, r n és
m közötti számszor ismétlődik meg. Ha egy számot követ vessző, ez r legalább n
-szeri ismétlését jelzi.
Az intervallum-kifejezések csak akkor használhatók, ha a parancssorban --posix
vagy --re-interval opciót jelölünk meg.
\y egy szó elején vagy végén álló üres karakterláncra illeszkedik.
\B egy szón belüli üres karakterláncra illeszkedik.
\< egy szó elején álló üres karakterláncra illeszkedik.
\> egy szó végén álló üres karakterláncra illeszkedik.
\w minden szóalkótó karakterre (betű, szám, aláhúzás) illeszkedik.
\W minden nem-szóalkótó karakterre illeszkedik.
\` egy puffer (karakterlánc) elején álló üres karakterláncra illeszkedik.
\' egy puffer végén álló üres karakterláncra illeszkedik.
A karakterlánc konstansokban érvényes escape szekvenciák (lásd lejjebb) szintén
használhatók a reguláris kifejezésekben.
A karakterosztály a POSIX szabványban bevezetett új lehetőség. A karakterosztály egy
speciális jelölés adott attribútumú karakterek leírásához, ahol viszont a tulajdonképpeni
karakterek ország és ország és/vagy karakterkészlet és karakterkészlet között mások
lehetnek. Például az alfabetikus karakter fogalma mást jelent az USA-ban és mást
Franciaországban.
A karakterosztályok csak a karakterlista szögletes zárójelein belüli reguláris
kifejezésben használhatók. Formájuk: [:, az osztályt jelölő kulcsszó és :]. Íme a POSIX
szabványban definiált karakterosztályok.
[:alnum:]
Alfanumerikus karakterek.
[:alpha:]
Alfabetikus karakterek.
[:blank:]
Space vagy tab karakterek.
[:cntrl:]
Vezérlő karakterek.
[:digit:]
Numerikus karakterek.
[:graph:]
Látható és nyomtatható karakterek. (A space nyomtatható, de nem látható, míg egy a
mindkettő.)
[:lower:]
Kisbetűs alfabetikus karakterek.
[:print:]
Nyomtatható karakterek (nem vezérlő karakterek.)
[:punct:]
Írásjelek (nem betű-, szám-, vezérlő vagy space karakterek).
[:space:]
Space karakterek (úgy mint például space, tab és lapdobás).
[:upper:]
Nagybetűs alfabetikus karakterek.
[:xdigit:]
Hexadecimális számkarakterek.
Példának okáért, a POSIX szabvány előtt, az alfanumerikus karakterekre illeszkedést a /[A-
Za-z0-9]/ leírásával lehetett volna elérni. Ha karakterkészletünkben egyéb alfabetikus
karakterek is vannak, ez nem fog illeszkedni rájuk. A POSIX karakterosztályt használva a
/[[:alnum:]]/ forma illeszkedni fog a karakterkészlet minden alfabetikus és numerikus
karakterére.
Két további speciális szekvencia is megjelenhet a karakterlistákban. Ezek nem-ASCII
karakterkészletekre vonatkoznak, amelyeknek lehetnek olyan szimbólumaik ( egybeolvasott
elemek ), amelyek több, mint egy karakterrel vannak ábrázolva, és számos olyan karakter
is, amelyek összehasonlító vagy rendező szempontból egyenértékűek. (Pl. a francia
nyelvben a sima ``e'' és a tompaékezetes e` egyenértékűek.)
Egybeolvasott szimbólumok
Az egybeolvasott szimbólum egy többkarakteres egybeolvasott elem, amely [. és .]
közé van zárva. Például, ha ch egy egybeolvasott elem, akkor [[.ch.]] az a
reguláris kifejezés, amely illeszkedik rá, míg a [ch] reguláris kifejezés c-re,
vagy h-ra illeszkedik.
Ekvivalenciaosztályok
Az ekvivalenciaosztály ekvivalens karakterek listájának helyileg definiált neve. A
név [= és =] közé van zárva. Például az e név használható volna az ``e'', ``e''' és
``e`'' mindegyikének ábrázolására. Ebben az esetben a [[=e=]] olyan reguláris
kifejezés, amely e-re e'-re és e`-re is illeszkedik.
Ezek a szolgáltatások igan hasznosak a nem angolul beszélő területeken. A gawk által a
reguláris kifejezések illesztéséhez használt könyvtári függvények jelenleg csak a POSIX
karakterosztályokat ismerik fel; nem kezelik az egybeolvasott szimbólumokat vagy az
ekvivalenciaosztályokat.
A \y, \B, \<, \>, \w, \W, \`, és \' operátorok gawk-specifikusak; a GNU reguláris
kifejezés könyvtárainak szolgáltatásaira épülő bővítések.
A számos parancsssori opció azt szabályozza, hogy a
hogyan kezelje a reguláris kifejezésekben szereplő karaktereket.
Nincs opció
Alapesetben a gawk a POSIX reguláris kifejezések és a fent leírt GNU reguláris
kifejezés operátorok minden szolgáltatását nyújtja. Azonban az intervallum-
kifejezések nincsenek támogatva.
--posix
Csak a POSIX reguláris kifejezések támogatottak, a GNU operátorok nem definiáltak.
(Pl. a \w a literális w-re illeszkedik). Az intervallum-kifejezések
engedélyezettek.
--traditional
A hagyományos Unix awk reguláris kifejezései működnek. A GNU operátorok nem
definiáltak, az intervallum-kifejezések nem elérhetők és a POSIX karakterosztályok
sem ([[:alnum:]] stb). Az oktális vagy hexadecimális escape szekvenciákkal megadott
karakterek kezelése literális, még ha reguláris kifejezés metakaraktereket
ábrázolnak is.
--re-interval
Engedélyezi az intervallum-kifejezéseket a reguláris kifejezésekben, még ha a
--traditional opció meg is van adva.
Tevékenységek
A tevékenységek utasításai { és } közé vannak zárva. A más nyelvekben meglévő, megszokott
értékadó, feltételes és ciklusutasításokból állnak. A használható operátorok, vezérlő
utasítások és bemeneti/kimeneti utasítások a C-beli megfelelőkről vannak mintázva.
Operátorok
Az AWK operátorai csökkenő precedencia szerint:
(...) Csoportosítás.
$ Mezőhivatkozás.
++ -- Inkrementálás és dekrementálás, mindkettő prefix és postfix.
^ Hatványozás (** szintén használható, **= pedig értekadó operátorként).
+ - ! Egyoperandusú plusz/mínusz és logikai tagadás.
* / % Szorzás, osztás és maradékképzés.
+ - Összeadás és kivonás.
space Karakterláncok összekapcsolása (konkatenáció).
< >
<= >=
!= == A megszokott relációs operátorok.
~ !~ Reguláris kifejezés illeszkedése, nem-illeszkedése. FONTOS: Ne használjunk
konstans reguláris kifejezést (/foo/) ~ vagy !~ baloldalán, csakis a jobbon! A
/foo/ ~ exp kifejezés jelentése ugyanaz, mint a (($0 ~ /foo/) ~ exp)
kifejezésé. Rendszerint nem ezt várják.
in Tömbhöz tartozás.
&& Logikai ÉS.
|| Logikai VAGY.
? : A C feltételes kifejezése. Ennek formája kif1 ? kif2 : kif3. Ha kif1 igaz, a
kifejezés értéke kif2, egyébként kif3. Csak egy értékelődik ki kif2 és kif3
közül.
= += -=
*= /= %= ^= Értékadás. Úgy az abszolút értékadás (var = value) mint az operátor-értékadás
(a többi forma) egyaránt támogatott.
Vezérlő utasítások
A vezérlő utasítások a következők:
if (feltétel) utasítás [ else utasítás ]
while (feltétel) utasítás
do utasítás while (feltétel)
for (kif1; kif2; kif3) utasítás
for (var in array) utasítás
break
continue
delete array[index]
delete array
exit [ kifejezés ]
{ utasítások }
Bemeneti/kimeneti utasítások
A bemeneti/kimeneti utasítások a következők:
close(file) Lezárja a fájlt (vagy csatornát, lásd lenn).
getline $0 értékét a következő bemeneti rekordból veszi; beállítja NF, NR,
FNR értékét.
getline <file $0 értékét file következő bemeneti rekordjából veszi; beállítja NF
értékét.
getline var var értékét a következő bemeneti rekordból veszi; beállítja NF, FNR
értékét.
getline var <file var értékét file következő rekordjából veszi.
next Abbamarad az aktuális rekord feldolgozása. Megtörténik a következő
bemeneti rekord beolvasása és a feldolgozás az AWK program első
mintájával kezdődik. Ha a végrehajtás elérte a bemeneti adatok
végét, az END blokk(ok) (ha van(nak)) kerülnek végrehajtásra.
nextfile Abbamarad az aktuális bemeneti file feldolgozása. A következő
bemeneti rekord a következő fájlból érkezik. FILENAME és ARGIND
aktualizálódik, FNR értéke 1-re áll be, és a feldolgozás az AWK
program első mintajával kezdődik. Ha a vegrehajtás elérte a bemeneti
adatok végét, az END blokk(ok) (ha van(nak)) kerülnek végrehajtásra.
FONTOS: A gawk korábbi verziói a next file -t két szóban használták.
Noha még felismeri ezt a használati módot, figyelmeztető üzenetet
generál és előbb-utóbb elhagyásra kerül.
print Kiírja az aktuális rekordot. A kimeneti rekord az ORS változó
értékével fejeződik be.
print expr-list Kiírja a kifejezések értékét. Minden kifejezés az OFS változó
értékével választódik el. A kimeneti rekord az ORS változó értékével
fejeződik be.
print expr-list >file A file-ba írja a kifejezések értékét. Minden kifejezés az OFS
változó értékével választódik el. A kimeneti rekord az ORS áltozó
értékével fejeződik be.
printf fmt, expr-list Formáz és kiír.
printf fmt, expr-list >file
Formáz és a file-ba ír.
system(cmd-line) Végrehajtja a cmd-line parancsot, és visszatér az exit státusszal.
(Ez lehet, hogy nem használható nem-POSIX rendszerekben.)
fflush([file]) Lemezre ír minden, a nyitott kimeneti vagy csatorna file -hoz
rendelt puffert. Ha a file paraméter nincs megadva, a szabványos
kimenetre ír. Ha file üres karakterlánc, akkor minden nyitott
kimeneti és csatorna file puffere kiíródik.
Egyéb kimeneti/bemeneti átirányítások is megengedettek. A print -re és printf -re
vonatkozóan a >>file a kimenetet a file végére írja, míg a | parancs csatornába ír. Ehhez
hasonlóan a parancs | getline getline-ba irányít át. A getline parancs 0-val tér vissza a
file végénél és -1-gyel hiba esetén.
A printf utasítás
A printf utasítás és sprintf() függvény (lásd lenn) AWK verziója a következő konverziós
karaktereket fogadja el:
%c Egy ASCII karakter. Ha %c -hez rendelt argumentum numerikus, a gawk karakterként
kezeli és kiírja. Egyébként feltételezi, hogy az argumentum karakterlánc, és csak a
karakterlánc első karakterét írja ki.
%d
%i Decimális szám (az egészrész).
%e
%E [-]d.dddddde[+-]dd formájú lebegőpontos szám. A %E -s forma E -t használ e helyett.
%f [-]ddd.dddddd formájú lebegőpontos szám.
%g
%G A %e vagy %f konverziók közül a rövidebbet alkalmazza. Az értéktelen nullákat
elhagyja. A %G -s forma %E -t alkalmaz %e helyett.
%o Jelöletlen oktális szám (megint csak egész).
%s Karakterlánc.
%x
%X Jelöletlen hexadecimális szám (egész). A %X -es forma ABCDEF -et használ abcdef
helyett.
%% Egy % karakter; argumentumot nem konvertál.
Léteznek további, opcionális paraméterek, amelyek a % és a vezérlőkarakter között
állhatnak:
- A kifejezésnek a mezőben balra igazítva kell megjelennie.
space Numerikus konverziókban space-et ír a pozitív, mínusz jelet a negatív kifejezések
elé.
+ A plusz jel - a szélességmódosító előtt (lásd lejjebb) használva - előírja, hogy a
numerikus konverziókban mindig előjelet kell írni, akkor is, ha a formázott szám
pozitív. A + felülbírálja a space jelzőt.
# ``Alternatív forma'' használata bizonyos vezérlő betűkhöz. A %o -hoz bevezető 0-t
ad. A %x -hez és %X -hez bevezető 0x -et vagy 0X -et ad, ha az eredmény nem nulla.
A %e, %E és %f esetében az eredmény mindig tartalmazni fog tizedespontot. A %g -nél
és %G -nél a számvégi nullák nem maradnak ki az eredményből.
0 A bevezető 0 jelzőként működik, amely azt mutatja, hogy a kimenetben a bevezető
space-ek helyett nullák legyenek. Ez a nem-numerikus kimenetek formázására is
vonatkozik. Ennek a jelzőnek csak akkor van hatása, amikor a mező szélesebb, mint a
kiírandó szöveg.
width A mezőt ilyen szélességűre kell feltölteni. A feltöltés rendszerint space-ekkel
történik. Ha a 0 jelzőt használjuk, nulla lesz a kitöltő karakter.
.prec Szám, amely meghatározza a kiíráskor alkalmazandó pontosságot. A %e, %E és %f
formák esetében ez határozza meg a tizedespont jobb oldalán kiírni kívánt jegyek
számát. A %g és %G formáknál ez az értékes jegyek maximális számát adja meg. A %d,
%o, %i, %u, %x és %X formák esetében ez a kiírandó jegyek maximális számát
határozza meg.
Az ANSI C printf() rutinjainak dinamikus szélesség és pontosság szolgáltatásai
támogatottak. Egy * a width vagy prec előírások helyén azt eredményezi, hogy értéküket a
printf vagy sprintf() argumentumlistájából veszik.
Különleges fájlnevek
Amikor akár print -ből, akár printf -ből bemeneti/kimeneti átirányítást végzünk egy
fájlba, a gawk felismer néhány speciális fájlnevet. Ezek elérhetővé teszik a szülő
processzből (ez rendszerint a shell) örökölt nyitott fájldeszkriptorokat. Más különleges
fájlnevek a futó gawk processzről szóló információhoz szolgáltatnak elérést. Ezek a
fájlnevek:
/dev/pid E file olvasása visszaadja az aktuális processz újsorral terminált, decimális
azonosítóját.
/dev/ppid E file olvasása visszaadja a szülő processz újsorral terminált, decimális
azonosítóját.
/dev/pgrpid E file olvasása visszaadja az aktuális processz újsorral terminált, decimális
csoportazonosítóját.
/dev/user E file olvasása egy, újsorral terminált rekordot ad vissza. A mezők space-szel
vannak elválasztva. $1 a getuid(2) rendszerhívás értéke, $2 a geteuid(2)
rendszerhívás értéke, $3 a getgid(2) -é és $4 a getegid(2) -é. Ha további mező
fordul elő, akkor azok a getgroups(2) által visszaadott group ID-k. Lehet,
hogy a többcsoportúságot nem minden rendszer támogatja.
/dev/stdin A szabványos bemenet.
/dev/stdout A szabványos kimenet.
/dev/stderr A szabványos hibakimenet.
/dev/fd/n A nyitott n file-deszkriptorhoz rendelt file.
Ezek különösen hibaüzenetek szempontjából fontosak. Például:
print "A gépnek annyi!" > "/dev/stderr"
ahol egyébként a következő formát kellene használni:
print "A gépnek annyi!" | "cat 1>&2"
Ezek a fájlnevek a parancssorban is felhasználhatók adatfile-ok megnevezésére.
Numerikus függvények
Az AWK a következő elődefiniált aritmetikai függvényekkel rendelkezik:
atan2(y, x) visszaadja radiánban y/x arkusz tangensét. cos(expr) visszaadja expr radián
koszinuszát.
exp(expr) az exponenciális függvény.
int(expr) egészrészre csonkol.
log(expr) természetes alapú logaritmus függvény.
rand() visszaad egy véletlenszámot 0 és 1 között.
sin(expr) visszaadja expr radián szinuszát.
sqrt(expr) a négyzegyökfüggvény.
srand([expr]) expr értékét használja a véletlenszámgenerátor inicializálására. Ha expr
nincs megadva, az időt használja. A visszatérési érték a véletlenszám-
generátor korábbi inicializáló értéke.
Karakterlánc-függvények
A gawk a következő elődefiniált karakterlánc függvényekkel rendelkezik:
gensub(r, s, h [, t]) a t tárgykarakterláncban keresi r reguláris kifejezést. Ha h g
vagy G kezdetű karakterlánc, akkor r minden illeszkedését s -re
cseréli. Egyébként h egy szám, amely azt jelzi, hogy r melyik
illeszkedését kell lecserélni. Ha t nincs megadva, $0 -t
alkalmazza. Az s csereszövegben a \n, szekvencia (ahol n egy, 0 és
9 közötti számjegy) használható a csak az n -edik zárójelezett al-
kifejezésre illeszkedő szöveg jelölésére. A \0 szekvencia az egész
illeszkedő szöveget jelképezi, csakúgy mint az & karakter.
Eltérően a sub() és gsub() függvényektől, a visszatérési érték a
módosított karakterlánc, az eredeti tárgykarakterlánc pedig nem
módosul.
gsub(r, s [, t]) t karakterlánc minden r reguláris kifejezésre illeszkedő
alkarakterláncát s karakterláncra cseréli és visszaadja a
helyettesítések számát. Ha t nincs megadva, $0 -ban keres. Egy &
jel a csereszövegben az illeszkedő szöveggel helyettesítődik,
literális & eléréséhez \& forma alkalmazandó. Az & és backslash
jelek csereszövegekbeni alkalmazási szabályairól a sub(), gsub()
és gensub() függvényekben bővebb leírás olvasható az AWK Language
Programming c. könyvben.
index(s, t) visszaadja t karakterlánc s karakterláncbeli indexét vagy 0-t, ha
t nem szerepel s -ben.
length([s]) visszatér s karakterlánc hosszával (vagy $0 -éval, ha s nincs
megadva).
match(s, r) visszaadja r reguláris kifejezés s -ben elfoglalt helyét (vagy
0-t, ha r nem szerepel benne), és beállítja RSTART és RLENGTH
értékét.
split(s, a [, r]) r regurális kifejezés alapján a t tömbbe darabolja az s
karakterláncot és visszatér a mezők számával. Ha r elmarad, FS -t
használja. A darabolás a - fent leírt - mezőkre bontással
megegyezően történik.
sprintf(fmt, expr-list) a fmt -nak megfelelően kiírja a kifejezéslistát és visszatér az
eredmény-karakterlánccal.
sub(r, s [, t]) mint a gsub() függvény, de csak az első illeszkedést cseréli.
substr(s, i [, n]) visszaadja s karakterlánc i-nél kezdődő, legfeljebb n karakteres
alkarakterláncát. Ha n nincs megadva, s teljes maradékát
alkalmazza.
tolower(str) visszatér str karakterlánc másolatával, amelyben minden nagybetűt
a megfelelő kisbetűre alakít. A nem-alfabetikus karakterek nem
változnak.
toupper(str) visszatér str karakterlánc másolatával, amelyben minden kisbetűt a
megfelelő nagybetűre alakít. A nem-alfabetikus karakterek nem
változnak.
Időfüggvények
Mivel az AWK programok egyik elsődleges felhasználási területe a log fájlok feldolgozása -
amelyek időadatot tartalmaznak -, a gawk a következő két függvényt nyújtja az időadatok
kinyeréséhez és formázásához:
systime() visszaadja az Epoch (POSIX rendszereken 1970. jan. 1. 00:00:00) óta
másodpercekben eltelt időt.
strftime([format [, timestamp]])
az időadatot a formátumnak megfelelően formázza. Az időadatnak a systime() által
visszaadott formával megegyezőnek kell lennie. Ha a formátum hiányzik, a date(1)
parancs kimenetével megegyező, alapértelmezett formátumot alkalmaz. A biztosan
használható formátum konverziókat lásd az ANSI C strftime() függvényének
specifikációjánál. A gawk -kal jár az strftime(3) függvény public-domain
verziója és az ahhoz tartozó man lap. Ha a gawk fordításakor ezt a verziót
használták, akkor a man lapban leírt minden konverzió elérhető a gawk számára.
Karakterlánc állandók
Az AWK karakterláncai dupla idézőjelek (") közé zárt karaktersorozatok. A gawk bizonyos
escape szekvenciákat felismer a karakterláncokban. Ezek:
\\ Literális backslash.
\a Az "alert" karakter; rendszerint az ASCII csengő (ASCII BEL) karakter.
\b Backspace.
\f Lapdobás.
\n Újsor.
\r Kocsivissza.
\t Vízszintes tabulátor.
\v Függőleges tabulátor.
\x hexa jegyek
A \x -et követő hexadecimális számmal jelzett karakter. Mint az ANSI C-ben, az utána
álló minden hexadecimális jegy az escape szekvencia részeként kerül feldolgozásra.
(Ez a jellemző kell hogy mondjon valamit a bizottsági nyelvtervezésről.) Pl. az
"\x1B" az ASCII ESC (escape) karakter.
\ddd Az egy-, két-, vagy háromjegyű oktális számnak megfelelő karakter. Pl. az "\033" az
ASCII ESC (escape) karakter.
\ c A literális c karakter.
Az escape szekvenciák konstans reguláris kifejezésekben szintén használhatók (pl.
/[ \t\f\n\r\v]/ whitespace karakterekre illeszkedik).
Kompatíbilis módban az oktális vagy hexadecimális escape szekvenciákkal jelölt karakterek
literálisan kerülnek feldolgozásra a regurális kifejezés konstansokban. Így a /a\52b/
ugyanaz, mint a /a\*b/.
FÜGGVÉNYEK
Az AWK függvényei a következőképpen definiálandók:
function név(paramáterlista) { utasítások }
A függvények végrehajtása akár mintából, akár tevékenységből való meghívásukkor történik
meg. A függvényhívásokban megadott aktuális paraméterek a függvényekben deklarált formális
paramétereknek adnak konkrét értéket. A tömbök átadása hivatkozás szerinti, a többi
paraméteré érték szerinti.
Mivel a függvények eredetileg nem voltak az AWK nyelv részei, a lokális változók eléggé
suta módon adhatók meg: a paraméterlistában extra paraméterekként deklarálandók. A
konvenció az, hogy a paraméterlistában a lokális változókat extra space-ekkel választják
el a valódi paraméterektől. Például:
function f(p, q, a, b) # a és b lokális
{
.....
}
/abc/ { ... ; f(1, 2) ; ... }
A függvényhívás bal oldali zárójelének közvetlenül kell követnie a függvénynevet,
whitespace nem lehet közöttük. Ez a konkatenációs operátorral való összekeverés elkerülése
miatt van így. A megkötés nem vonatkozik a fent felsorolt beépített függvényekre.
A függvények hívhatják egymást és lehetnek rekurzívak. A lokális változóként használt
függvényparaméterek üres karakterlánc és zéró számértékkel inicializálódnak a
függvényhívás során.
Ha a --lint opció meg van adva, a gawk fordítási és nem futási időben figyelmeztet a
definiálatlan függvények hívása esetén. Futási időben egy definiálatlan függvény meghívása
fatális hiba.
A func kulcsszó használható a function helyén.
PÉLDÁK
Az összes felhasználó login nevének rendezése és kiírása:
BEGIN { FS = ":" }
{ print $1 | "sort" }
Egy file sorainak megszámlálása:
{ nlines++ }
END { print nlines }
A file minden sora elé a sorszám kiírása:
{ print FNR, $0 }
A sorszám konkatenációja (egy témavariáció):
{ print NR, $0 }
LÁSD MÉG
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.
POSIX KOMPATIBILITÁS
A gawk egyik elsődleges célja a POSIX szabvánnyal - csakúgy, mint a UNIX awk legújabb
verziójával - való kompatibilitás. E célból a gawk egyesíti a következő, felhasználó által
látható szolgáltatásokat, amelyeket nem ír le az AWK könyv, de részei a Bell Labs awk
verziójának, és a POSIX szabványnak.
Új dolog a -v opció a programvégrehajtás megkezdése előtti változó-értékadáshoz. A könyv
azt jelzi, hogy a parancssori értékadás akkor történik meg, amikor az awk egyébként
fájlként nyitná meg az argumentumot - amely a BEGIN blokk végrehajtása után valósul meg.
Azonban a korai megvalósításokban, amikor ilyen értékadás jelent meg fájlnevek előtt, az
megtörtént, mielőtt a BEGIN blokk lefutott volna. Programok váltak ettől a
``szolgáltatástól'' függővé. Amikor az awk -ot a dokumentációjához igazították, ezt az
opciót adták hozzá, hogy alkalmazkodjon a régi viselkedéstől függő alkalmazásokhoz. (E
szolgáltatással szemben nem volt ellenvetés sem az AT&T, sem a GNU fejlesztői részéről.)
Az alkalmazás specifikus szolgáltatásokhoz tartozó -W opció a POSIX szabványból ered.
Az argumentumok feldolgozása során a gawk a ``--'' speciális opciót használja az
argumentumok végének jelzéséhez. Kompatíbilis módban figyelmeztet a definiálatlan
opciókra, másrészről viszont figyelmen kívül hagyja azokat. Rendes működéskor az ilyen
argumentumok átadódnak az AWK programnak, hogy az dolgozza fel őket.
Az AWK könyv nem definiálja az srand() visszatérési értékét. A POSIX szabvány szerint az
inicializáló értéket adja vissza, lehetővé téve a véletlenszám-sorozatok nyomonkövetését.
Ezért a gawk srand() függvénye szintén az említett számmal tér vissza.
További új szolgáltatások: Több -f opció használata (az MKS awkból); az ENVIRON tömb; a \a
és \v escape szekvenciák (eredetileg a gawk -ban, majd onnan áttéve az AT&T awk -jába); a
tolower() és toupper() beépített függvények (az AT&T-ből); és a printf ANSI C konverziós
szabályai (először az AT&T verzióban).
GNU BŐVÍTÉSEK
A gawk számos szolgáltatással kibővíti a POSIX awk -ot. Ezek leírása ebben a részben
szerepel. Minden itt felsorolt bővítés kikapcsolható a gawk --traditional opció hívásával.
A gawk következő szolgáltatásai nem érhetők el a POSIX awk -ban:
• A \x escape szekvencia. (A --posix kikapcsolja).
• Az fflush() függvény. (A --posix kikapcsolja).
• A systime(), strftime() és gensub() függvények.
• A bemeneti/kimeneti átirányításra használt különleges fájlneveket nem ismeri fel.
• Az ARGIND, ERRNO és RT változóknak nincs speciális jelentésük.
• Az IGNORECASE változó és annak mellékhatásai nem érhetők el.
• A FIELDWIDTHS változó és a rögzített szélességű meződarabolás.
• Az RS változó reguláris kifejezésként való használata.
• Egyes karakterekre szétvágás az FS változó vagy a split() harmadik argumentumának
üres karakterláncra állításával.
• Nincs elérési út bejárás a -f opcióval megadott fájlok megtalálásához. Tehát az
AWKPATH környezeti változónak nincs különleges jelentése.
• Az aktuális file feldolgozásának megszüntetésére használt nextfile utasítás.
• A delete array használata egy teljes tömb törléséhez.
Az AWK könyv nem definiálja a close() függvény visszatérési értékét. A gawk close()
függvénye az fclose(3) vagy pclose(3) függvénytől kapott értéket adja vissza, amikor egy
fájlt illetve csatornát lezár.
A gawk --traditional opcióval történő hívásakor - ha a -F opciónak adott fs értéke ``t'' -
az FS értéke a tab karakter lesz. Fontos, hogy a gawk -F\t ... megadása egyszerűen a
shell ``t''-re hivatkozását eredményezi, és nem ad át ``\t''-t a -F opciónak. Mivel ez
egy meglehetősen csúnya, speciális eset, nem ez az alapértelmezett viselkedés. Szintén nem
ez történik, ha a --posix opció meg van adva. Hogy igazán a tab karaktert kapjuk
mező-elválasztóként, a legjobb, ha aposztrófot használunk: gawk -F'\t' ....
TÖRTÉNELMI SZOLGÁLTATÁSOK
A történelmi AWK megvalósításoknak két szolgáltatását támogatja a gawk. Először:
lehetőség van a length() beépített függvény nem csak argumentumok, hanem zárójelek nélküli
hí- vására is. Ilyenformán az
a = length # Holy Algol 60, Batman!
ugyanaz, mint bármelyik az
a = length()
a = length($0)
közül. Ezt a lehetőséget ``helytelenítik'' a POSIX szabványban, és a gawk figyelmeztető
üzenetet jelenít meg, ha a --lint opció meg van adva a parancssorban.
A másik szolgáltatás a continue vagy break utasítás használata while, for vagy do ciklus
törzsén kívül. A tradícionális AWK megvalósítások ezt a használatot a next utasítással
egyenértékűként kezelték. A gawk --traditional megadása esetén támogatja ezt a
használatot.
KÖRNYEZETI VÁLTOZÓK
Ha a POSIXLY_CORRECT környezeti változó létezik, akkor a gawk pontosan úgy viselkedik,
mintha a --posix volna megadva a parancsssorban. Ha a --lint meg van adva, a gawk
figyelmeztető üzenetet küld erről a hatásról.
Az AWKPATH környezeti változó használható olyan könyvtárak megadására, amelyeket a gawk
bejár a -f és --file opcióval megadott fájlok megkeresése érdekében.
HIBÁK
A -F opcióra nincs szükség, adva lévén a parancsori változó-értékadás lehetősége; csupán a
kompatibilitás fenntartása miatt marad.
Ha a rendszer támogatja a /dev/fd, és az összerendelt /dev/stdin/, /dev/stdout és
/dev/stderr file-okat, lehet, hogy más lesz a kimenet, mint ezen fájlok nélküli
rendszereken. Amikor a gawk belül emulálja ezeket a fájlokat, összehangolja a szabványos
kimenetre küldött kimenetet a /dev/out-ba küldött kimenettel; míg az ilyen fájlokkal
rendelkező rendszereken a kimenet lényegében más fájlokba megy. Vigyázz, Vásárló!
Szintaktikailag érvénytelen egykarakteres programok valószínűleg túlcsordulnak az elemző
vermen, és meglehetősen semmitmondó üzenetet generálnak. Az ilyen programokat meglepően
nehéz teljesen általános esetben felismerni, és igazán nem éri meg ilyenirányú
erőfeszítéseket tenni.
VERZIÓ
Ez a man lap a 3.0.2-es verziószámú gawk -ot dokumentálja.
SZERZŐK
A UNIX awk eredeti verzióját Alfred Aho, Peter Weinberger és Brian Kernighan tervezte és
vitelezte ki a AT&T Bell Labs-nál. Brian Kernighan továbbra is javítja és fejleszti.
A gawkot Paul Rubin és Jay Fenlason írta a Szabad Software Alapítványnál úgy, hogy
kompatíbilis legyen a Seventh Edition UNIX-ban közzétett eredeti awk verzióval. John Woods
számos hibajavítással járult hozzá. David Trueman - Arnold Robbins támogatásával -
kompatíbilissá tette az awk -ot a UNIX awk új verziójával. Arnold Robbins a jelenlegi
karbantartó.
Az eredeti DOS-os változatot Conrad Kwok és Scott Garfinkle készítette. A jelenlegi
DOS-os karbantartó Scott Deifik. Pat Rankin munkája a VMS változat, és Michal Jaegermanné
az Atari ST-s. Az OS/2-es változatot Kai Uwe Rommel készítette Darrel Hankerson
támogatásával és segítségével. Fred Fish szolgáltatta az Amiga támogatást.
HIBAJELENTÉS
Ha hibát találsz a gawk -ban, kérünk, küldj egy e-mailt a bug-gnu-utils@prep.ai.mit.edu
címre, és cc-zd azt az arnold@gnu.ai.mit.edu -hoz. Kérünk, mellékeld az operációs
rendszered nevét és verziószámát, a gawk verziószámát, hogy milyen C fordítót használtál a
fordításához, és egy minél kisebb tesztprogramot és adatsort a probléma reprodukálásához.
Mielőtt hibajalentést küldenél, kérünk, tégy meg két dolgot. Először: ellenőrizd, hogy a
gawk legújabb verziója van-e meg. Sok hiba (rendszerint hajszálnyiak) kerül kijavításra
minden verzióban, és ha a tiéd elavult, lehet, hogy a problémát már megoldották.
Másodszor: olvasd el figyelmesen a man lapot és a referenciakönyvet, hogy megbizonyosodj
róla, hogy amit hibának gondolsz az valóban hiba, és nem csak egy hirtelen fordulat a
nyelvben.
Bármit is teszel, NE küldj hibajalantést a comp.lang.awk címre. Jóllehet a gawk
fejlesztői alkalmanként olvassák ezt a hírcsoportot, a hibajelentések oda postázása
megbízhatatlan módja a hibajelentésnek. Ehelyett, kérünk, használd a fent megadott e-mail
címeket.
KÖSZÖNETNYILVÁNÍTÁS
A Bell Labsnél dolgozó Brian Kernighan értékes segítséget nyújtott a tesztelés és
hibajavítás alatt. Köszönjük neki.
MÁSOLÁSI JOGOK
Copyright ©) 1996 Free Software Foundation, Inc.
Mindenki számára engedélyezzük, hogy teljes másolatot készítsenek és terjesszenek erről az
iratról, azzal a kikötéssel, hogy a copyright megjegyzés és ez az engedély fel legyen
tüntetve minden másolaton.
Engedélyezzük, hogy ezen irat megváltoztatott verzióit másolják és terjesszék - a teljes
másolatra vonatkozó kikötéssel - , feltéve, hogy a teljes leszármazott munka ezzel a
copyright megjegyzéssel megegyező engedélyekkel bírjon.
Engedélyezzük ennek az iratnak más nyelvre történt fordításának másolását és terjesztését
a fenti feltételek szerint, azzal a különbséggel, hogy ezt az engedélyező megjegyzést - a
Free Software Foundation által elfogadott - fordításban is lehet közölni.
MAGYAR FORDÍTÁS
Gombai Sándor <sgombai@hotmail.com>