awk線上例項入門教程 第3部分

helloxchen發表於2010-10-21
awk線上例項入門教程 第三部分
——字串函式和……支票簿？

格式化輸出

雖然大多數情況下 awk 的 print 語句可以完成任務，但有時我們還需要更多。在那些情況下，awk 提供了兩個我們熟知的老朋友 printf() 和 sprintf()。是的，如同其它許多 awk 部件一樣，這些函式等同於相應的 C 語言函式。printf() 會將格式化字串列印到 stdout，而 sprintf() 則返回可以賦值給變數的格式化字串。如果不熟悉 printf() 和 sprintf()，介紹 C 語言的文章可以讓您迅速瞭解這兩個基本列印函式。在 Linux 系統上，可以輸入 "man 3 printf" 來檢視 printf() 幫助頁面。

以下是一些 awk sprintf() 和 printf() 的樣本程式碼。可以看到，它們幾乎與 C 語言完全相同。
  1. x=1
  2. b="foo"
  3. printf("%s got a %d on the last testn","Jim",83)
  4. myout=("%s-%d",b,x)
  5. print myout
複製程式碼
此程式碼將列印：
Jim got a 83 on the last test
foo-1


字串函式

awk 有許多字串函式，這是件好事。在 awk 中，確實需要字串函式，因為不能象在其它語言（如 C、C++ 和 Python）中那樣將字串看作是字元陣列。例如，如果執行以下程式碼：
  1. mystring="How are you doing today?"
  2. print mystring[3]
複製程式碼
將會接收到一個錯誤，如下所示：
awk: string.gawk:59: fatal: attempt to use scalar as array



噢，好吧。雖然不象 Python 的序列型別那樣方便，但 awk 的字串函式還是可以完成任務。讓我們來看一下。

首先，有一個基本 length() 函式，它返回字串的長度。以下是它的使用方法：
  1. print length(mystring)
複製程式碼
此程式碼將列印值：
24


好，繼續。下一個字串函式叫作 index，它將返回子字串在另一個字串中出現的位置，如果沒有找到該字串則返回 0。使用 mystring，可以按以下方法呼叫它：
  1. print index(mystring,"you")
複製程式碼
awk 會列印：
9



讓我們繼續討論另外兩個簡單的函式，tolower() 和 toupper()。與您猜想的一樣，這兩個函式將返回字串並且將所有字元分別轉換成小寫或大寫。請注意，tolower() 和 toupper() 返回新的字串，不會修改原來的字串。這段程式碼：
  1. print tolower(mystring)
  2. print toupper(mystring)
  3. print mystring
複製程式碼
……將產生以下輸出：
how are you doing today?
HOW ARE YOU DOING TODAY?
How are you doing today?



到現在為止一切不錯，但我們究竟如何從字串中選擇子串，甚至單個字元？那就是使用 substr() 的原因。以下是 substr() 的呼叫方法：
  1. mysub=substr(mystring,startpos,maxlen)
複製程式碼
mystring 應該是要從中抽取子串的字串變數或文字字串。startpos 應該設定成起始字元位置，maxlen 應該包含要抽取的字串的最大長度。請注意，我說的是 最大長度 ；如果 length(mystring) 比 startpos+maxlen 短，那麼得到的結果就會被截斷。substr() 不會修改原始字串，而是返回子串。以下是一個示例：
  1. print substr(mystring,9,3)
複製程式碼
awk 將列印：
you


如果您通常用於程式設計的語言使用陣列下標訪問部分字串（以及不使用這種語言的人），請記住 substr() 是 awk 代替方法。需要使用它來抽取單個字元和子串；因為 awk 是基於字串的語言，所以會經常用到它。

現在，我們討論一些更耐人尋味的函式，首先是 match()。match() 與 index() 非常相似，它與 index() 的區別在於它並不搜尋子串，它搜尋的是規則表示式。match() 函式將返回匹配的起始位置，如果沒有找到匹配，則返回 0。此外，match() 還將設定兩個變數，叫作 RSTART 和 RLENGTH。RSTART 包含返回值（第一個匹配的位置），RLENGTH 指定它佔據的字元跨度（如果沒有找到匹配，則返回 -1）。透過使用 RSTART、RLENGTH、substr() 和一個小迴圈，可以輕鬆地迭代字串中的每個匹配。以下是一個 match() 呼叫示例：
  1. print match(mystring,/you/), RSTART, RLENGTH
複製程式碼
awk 將列印：
9 9 3


字串替換

現在，我們將研究兩個字串替換函式，sub() 和 gsub()。這些函式與目前已經討論過的函式略有不同，因為它們 確實修改原始字串 。以下是一個模板，顯示瞭如何呼叫 sub()：
  1. sub(regexp,replstring,mystring)
複製程式碼
呼叫 sub() 時，它將在 mystring 中匹配 regexp 的第一個字元序列，並且用 replstring 替換該序列。sub() 和 gsub() 用相同的自變數；唯一的區別是 sub() 將替換第一個 regexp 匹配（如果有的話），gsub() 將執行全域性替換，換出字串中的所有匹配。以下是一個 sub() 和 gsub() 呼叫示例：
  1. sub(/o/,"O",mystring)
  2. print mystring
  3. mystring="How are you doing today?"
  4. gsub(/o/,"O",mystring)
  5. print mystring
複製程式碼
必須將 mystring 復位成其初始值，因為第一個 sub() 呼叫直接修改了 mystring。在執行時，此程式碼將使 awk 輸出：
HOw are you doing today?
HOw are yOu dOing tOday?



當然，也可以是更復雜的規則表示式。我把測試一些複雜規則表示式的任務留給您來完成。

透過介紹函式 split()，我們來彙總一下已討論過的函式。split() 的任務是“切開”字串，並將各部分放到使用整數下標的陣列中。以下是一個 split() 呼叫示例：
  1. numelements=split("Jan,Feb,Mar,Apr,May,Jun,Jul,Aug,Sep,Oct,Nov,Dec",mymonths,",")
複製程式碼
呼叫 split() 時，第一個自變數包含要切開文字字串或字串變數。在第二個自變數中，應該指定 split() 將填入片段部分的陣列名稱。在第三個元素中，指定用於切開字串的分隔符。split() 返回時，它將返回分割的字串元素的數量。split() 將每一個片段賦值給下標從 1 開始的陣列，因此以下程式碼：
  1. print mymonths[1],mymonths[numelements]
複製程式碼
……將列印：
Jan Dec


特殊字串形式

簡短註釋 -- 呼叫 length()、sub() 或 gsub() 時，可以去掉最後一個自變數，這樣 awk 將對 $0（整個當前行）應用函式呼叫。要列印檔案中每一行的長度，使用以下 awk 指令碼：
  1. {
  2. print length()
  3. }
複製程式碼
財務上的趣事

幾星期前，我決定用 awk 編寫自己的支票簿結算程式。我決定使用簡單的 tab 定界文字檔案，以便於輸入最近的存款和提款記錄。其思路是將這個資料交給 awk 指令碼，該指令碼會自動合計所有金額，並告訴我餘額。以下是我決定如何將所有交易記錄到 "ASCII checkbook" 中：
23 Aug 2000 food - - Y Jimmy's Buffet 30.25



此檔案中的每個欄位都由一個或多個 tab 分隔。在日期（欄位 1，$1）之後，有兩個欄位叫做“費用分類帳”和“收入分類帳”。以上面這行為例，輸入費用時，我在費用欄位中放入四個字母的別名，在收入欄位中放入 "-"（空白項）。這表示這一特定項是“食品費用”。:) 以下是存款的示例：
23 Aug 2000 - inco - Y Boss Man 2001.00


在這個例項中，我在費用分類帳中放入 "-"（空白），在收入分類帳中放入 "inco"。"inco" 是一般（薪水之類）收入的別名。使用分類帳別名讓我可以按類別生成收入和費用的明細分類帳。至於記錄的其餘部分，其它所有欄位都是不需加以說明的。“是否付清？”欄位（"Y" 或 "N"）記錄了交易是否已過帳到我的帳戶；除此之外，還有一個交易描述，和一個正的美元金額。

用於計算當前餘額的演算法不太難。awk 只需要依次讀取每一行。如果列出了費用分類帳，但沒有收入分類帳（為 "-"），那麼這一項就是借方。如果列出了收入分類帳，但沒有費用分類帳（為 "-"），那麼這一項就是貸方。而且，如果同時列出了費用和收入分類帳，那麼這個金額就是“分類帳轉帳”；即，從費用分類帳減去美元金額，並將此金額新增到收入分類帳。此外，所有這些分類帳都是虛擬的，但對於跟蹤收入和支出以及預算卻非常有用。

程式碼

現在該研究程式碼了。我們將從第一行（BEGIN 塊和函式定義）開始：

balance，第 1 部分
  1. #!/usr/bin/env awk -f
  2. BEGIN {
  3. FS="t+"
  4. months="Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec"
  5. }
  6. function monthdigit(mymonth) {
  7. return (index(months,mymonth)+3)/4
  8. }
複製程式碼
首先執行 "chmod +x myscript" 命令，那麼將第一行 "#!..." 新增到任何 awk 指令碼將使它可以直接從 shell 中執行。其餘行定義了 BEGIN 塊，在 awk 開始處理支票簿檔案之前將執行這個程式碼塊。我們將 FS（欄位分隔符）設定成 "t+"，它會告訴 awk 欄位由一個或多個 tab 分隔。另外，我們定義了字串 months，下面將出現的 monthdigit() 函式將使用它。

最後三行顯示瞭如何定義自己的 awk 。格式很簡單 -- 輸入 "function"，再輸入名稱，然後在括號中輸入由逗號分隔的引數。在此之後，"{ }" 程式碼塊包含了您希望這個函式執行的程式碼。所有函式都可以訪問全域性變數（如 months 變數）。另外，awk 提供了 "return" 語句，它允許函式返回一個值，並執行類似於 C 和其它語言中 "return" 的操作。這個特定函式將以 3 個字母字串格式表示的月份名稱轉換成等價的數值。例如，以下程式碼：
  1. print monthdigit("Mar")
複製程式碼
……將列印：
3



現在，讓我們討論其它一些函式。

財務函式

以下是其它三個執行簿記的函式。我們即將見到的主程式碼塊將呼叫這些函式之一，按順序處理支票簿檔案的每一行，從而將相應交易記錄到 awk 陣列中。有三種基本交易，貸方 (doincome)、借方 (doexpense) 和轉帳 (dotransfer)。您會發現這三個函式全都接受一個自變數，叫作 mybalance。mybalance 是二維陣列的一個佔位符，我們將它作為自變數進行傳遞。目前，我們還沒有處理過二維陣列；但是，在下面可以看到，語法非常簡單。只須用逗號分隔每一維就行了。

我們將按以下方式將資訊記錄到 "mybalance" 中。陣列的第一維從 0 到 12，用於指定月份，0 代表全年。第二維是四個字母的分類帳，如 "food" 或 "inco"；這是我們處理的真實分類帳。因此，要查詢全年食品分類帳的餘額，應檢視 mybalance[0,"food"]。要查詢 6 月的收入，應檢視 mybalance[6,"inco"]。

balance，第 2 部分
  1. function doincome(mybalance) {
  2. mybalance[curmonth,$3] += amount
  3. mybalance[0,$3] += amount
  4. }
  5. function doexpense(mybalance) {
  6. mybalance[curmonth,$2] -= amount
  7. mybalance[0,$2] -= amount
  8. }
  9. function dotransfer(mybalance) {
  10. mybalance[0,$2] -= amount
  11. mybalance[curmonth,$2] -= amount
  12. mybalance[0,$3] += amount
  13. mybalance[curmonth,$3] += amount
  14. }
複製程式碼
呼叫 doincome() 或任何其它函式時，我們將交易記錄到兩個位置 -- mybalance[0,category] 和 mybalance[curmonth, category]，它們分別表示全年的分類帳餘額和當月的分類帳餘額。這讓我們稍後可以輕鬆地生成年度或月度收入／支出明細分類帳。

如果研究這些函式，將發現在我的引用中傳遞了 mybalance 引用的陣列。另外，我們還引用了幾個全域性變數：curmonth，它儲存了當前記錄所屬的月份的數值，$2（費用分類帳），$3（收入分類帳）和金額（$7，美元金額）。呼叫 doincome() 和其它函式時，已經為要處理的當前記錄（行）正確設定了所有這些變數。

主塊

以下是主程式碼塊，它包含了分析每一行輸入資料的程式碼。請記住，由於正確設定了 FS，可以用 $ 1 引用第一個欄位，用 $2 引用第二個欄位，依次類推。呼叫 doincome() 和其它函式時，這些函式可以從函式內部訪問 curmonth、$2、$3 和金額的當前值。請先研究程式碼，在程式碼之後可以見到我的說明。

balance，第 3 部分
  1. {
  2. curmonth=monthdigit(substr($1,4,3))
  3. amount=$7
  5. #record all the categories encountered
  6. if ( $2 != "-" )
  7. globcat[$2]="yes"
  8. if ( $3 != "-" )
  9. globcat[$3]="yes"
  10. #tally up the transaction properly
  11. if ( $2 == "-" ) {
  12. if ( $3 == "-" ) {
  13. print "Error: inc and exp fields are both blank!"
  14. exit 1
  15. } else {
  16. #this is income
  17. doincome(balance)
  18. if ( $5 == "Y" )
  19. doincome(balance2)
  20. }
  21. } else if ( $3 == "-" ) {
  22. #this is an expense
  23. doexpense(balance)
  24. if ( $5 == "Y" )
  25. doexpense(balance2)
  26. } else {
  27. #this is a transfer
  28. dotransfer(balance)
  29. if ( $5 == "Y" )
  30. dotransfer(balance2)
  31. }
  32. }
複製程式碼
在主塊中，前兩行將 curmonth 設定成 1 到 12 之間的整數，並將金額設定成欄位 7（使程式碼易於理解）。然後，是四行有趣的程式碼，它們將值寫到陣列 globcat 中。globcat，或稱作全域性分類帳陣列，用於記錄在檔案中遇到的所有分類帳 -- "inco"、"misc"、"food"、"util" 等。例如，如果 $2 == "inco"，則將 globcat["inco"] 設定成 "yes"。稍後，我們可以使用簡單的 "for (x in globcat)" 迴圈來迭代分類帳列

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/24790158/viewspace-1040124/，如需轉載，請註明出處，否則將追究法律責任。

相關文章