Gawk - příkaz Linux - příkaz Unixu

Proměnná prostředí AWKPATH specifikuje vyhledávací cestu, která se použije při hledání zdrojových souborů pojmenovaných pomocí -F volba. Pokud tato proměnná neexistuje, je výchozí cesta"/ usr / local / share / awk". (Skutečný adresář se může lišit v závislosti na tom, jakým způsobem gawk byl postaven a nainstalován.) Pokud je název souboru zadán -F volba obsahuje znak "` / '', není provedeno žádné vyhledávání.

Gawk spustí programy AWK v následujícím pořadí. Za prvé, všechna proměnná přiřazení zadaná prostřednictvím -proti jsou provedeny. Další, gawk program sestaví do interního formuláře. Pak, gawk provede kód v souboru ZAČÍT blok (y) (pokud existuje) a potom pokračuje číst každý soubor pojmenovaný v ARGV pole. Pokud na příkazovém řádku nejsou žádné soubory pojmenované, gawk čte standardní vstup.

Pokud má soubor na příkazovém řádku formulář var = val je považováno za proměnnou přiřazení. Proměnná var bude přiřazena hodnota val . (To se stane po každém ZAČÍT bloky byly spuštěny.) Přiřazení proměnné příkazového řádku je nejužitečnější pro dynamické přiřazení hodnot proměnným, které AWK používá k řízení toho, jak je vstup rozdělen do polí a záznamů. Je také užitečné pro řízení stavu, pokud je zapotřebí vícenásobných průchodů přes jediný datový soubor.

Pokud hodnota určitého prvku ARGV je prázdný (''), gawk přeskočí přes něj.

Pro každý záznam ve vstupu, gawk testy, zda se vůbec shoduje vzor v programu AWK. Pro každý vzorec, který se záznam shoduje, je přidružený akce je spuštěn. Vzory jsou testovány v pořadí, v jakém se vyskytují v programu.

Konečně po vyčerpání veškerého vstupu, gawk provede kód v souboru KONEC blok (y) (pokud existuje).

Proměnné, záznamy a pole

Proměnné AWK jsou dynamické; vzniká při prvním použití. Jejich hodnoty jsou buď čísla s plovoucí desetinnou čárkou, nebo řetězce, nebo obě, v závislosti na tom, jak jsou používány. AWK má také jednorozměrné pole; pole s více rozměry mohou být simulovány. Několik předdefinovaných proměnných je nastaveno jako běh programu; budou popsány podle potřeby a shrnuty níže.

Evidence

Obvykle jsou záznamy odděleny novými znaky. Můžete řídit, jak jsou záznamy odděleny přidáním hodnot k vestavěné proměnné RS. Li RS je libovolný znak, tento znak odděluje záznamy. V opačném případě, RS je regulární výraz. Text ve vstupu, který odpovídá tomuto regulárnímu výrazu, odděluje záznam. V režimu kompatibility se však pro oddělení záznamů používá pouze první znak řetězcové hodnoty. Li RS je nastaven na nulový řetězec, záznamy jsou odděleny prázdnými řádky. Když RS je nastaven na nulový řetězec, znak nového řádku vždy působí jako oddělovač polí, vedle jakékoliv hodnoty FS mohou mít.

Pole

Jakmile se zaznamená každý vstupní záznam, gawk rozdělí záznam na pole , pomocí hodnoty FS variabilní jako oddělovač pole. Li FS je jeden znak, pole jsou odděleny tímto znakem. Li FS je nulový řetězec, pak se každý jednotlivý znak stává samostatným polem. V opačném případě, FS se očekává, že bude plně regulární výraz. Ve zvláštním případě FS je jeden prostor, pole jsou odděleny spuštěnými mezerami a / nebo záložkami a / nebo novými řádky. (Ale podívejte se na diskusi o --posix, níže). POZNÁMKA: Hodnota IGNOROVAT PŘÍPAD (viz dále) ovlivňuje také rozdělení polí FS je regulární výraz a jak jsou záznamy odděleny RS je regulární výraz.

Pokud OBLAST POČTU proměnná je nastavena na seznam čísel oddělených mezerami, očekává se, že každé pole má pevnou šířku a gawk rozdělí záznam pomocí specifikovaných šířek. Hodnota FS je ignorována. Přiřazení nové hodnoty FS přepíše použití OBLAST POČTU, a obnoví výchozí chování.

Každé pole ve vstupním záznamu může být odkazováno na jeho polohu, $1, $2, a tak dále. $0 je celý záznam. Pole nemusí být odkazována na konstanty:

n = 5tisk $ n

vytiskne páté pole ve vstupním záznamu.

Proměnná NF je nastaven na celkový počet polí ve vstupním záznamu.

Odkazy na neexistující pole (tj. Pole po $ NF) produkují null-string. Přiřazení k neexistujícímu poli (např. $ (NF + 2) = 5) zvyšuje hodnotu NF, vytvoří jakékoliv pole s nulovým řetězcem jako jejich hodnotu a způsobí hodnotu $0 který má být přepočten, přičemž pole jsou odděleny hodnotou OFS. Odkazy na negativní očíslovaná pole způsobují fatální chybu. Decrementing NF způsobí ztrátu hodnot polí za novou hodnotu a hodnotu hodnoty $0 který má být přepočten, přičemž pole jsou odděleny hodnotou OFS.

Přiřazení hodnoty stávajícímu poli způsobí, že celý záznam bude znovu sestaven $0 je odkazováno. Podobně přiřazení hodnoty $0 způsobuje změnu záznamu a vytváření nových hodnot pro tato pole.

Vestavěné proměnné

Gawk vestavěné proměnné jsou:

ARGC

Počet argumentů příkazového řádku (neobsahuje volby pro gawk , nebo zdroj programu).

ARGIND

Index v ARGV aktuálního souboru, který se zpracovává.

ARGV

Array argumentů příkazového řádku. Pole je indexováno od 0 do ARGC - 1. dynamicky měnit obsah ARGV mohou řídit soubory používané pro data.

BINMODE

U systémů, které nejsou POSIX, určuje použití "binárního" režimu pro všechny soubory I / O. Číselné hodnoty 1, 2 nebo 3 specifikují, že vstupní soubory, výstupní soubory nebo všechny soubory by měly používat binární vstupy / výstupy. Hodnoty řetězce "r", nebo "w" že vstupní soubory nebo výstupní soubory by měly používat binární I / O. Hodnoty řetězce "rw" nebo "wr" určete, aby všechny soubory používaly binární vstupy / výstupy. Jakákoli jiná hodnota řetězce je považována za "rw", ale generuje varovnou zprávu.

CONVFMT

Formát konverze pro čísla, "% .6g", ve výchozím stavu.

ENVIRON

Pole obsahující hodnoty aktuálního prostředí. Pole je indexováno proměnnými prostředí, přičemž každý prvek je hodnotou proměnné (např.ENVIRON "HOME" možná / home / arnold). Změna tohoto pole neovlivní prostředí viděné programy, které gawk spouští přes přesměrování nebo Systém()funkce.

ERRNO

Pokud dojde k systémové chybě, provede se přesměrování getline, během čtení getline, nebo během zavřít(), pak ERRNO bude obsahovat řetězec popisující chybu. Hodnota je předmětem překladu v cizích jazycích.

OBLAST POČTU

Seznam šířky polí oddělený bílou oblastí. Když je nastaveno, gawk analyzuje vstup do polí s pevnou šířkou namísto použití hodnoty FS variabilní jako oddělovač pole.

NÁZEV SOUBORU

Název aktuálního vstupního souboru.Pokud na příkazovém řádku nejsou zadány žádné soubory, hodnota NÁZEV SOUBORU je `` - ''. Nicméně, NÁZEV SOUBORU je nedefinováno uvnitř ZAČÍT blok (pokud není nastaven getline).

FNR

Vstupní číslo záznamu v aktuálním vstupním souboru.

FS

Oddělovač vstupního pole, ve výchozím nastavení místo. Vidět Pole, výše.

IGNOROVAT PŘÍPAD

Řídí citlivost všech operací regulárního výrazu a řetězců. Li IGNOROVAT PŘÍPAD má nenulovou hodnotu, potom porovnává řetězce a odpovídá vzoru v pravidlech a rozděluje pole FS, záznam odděluje se RS, pravidelné výrazy se shodují s ~a !~, a gensub (), gsub (), index(), zápas(), rozdělit(), a sub() vestavěné funkce všechny ignorují případ při operacích regulárního výrazu. POZNÁMKA: Inkresování pole je ne postižené, ani není asort () funkce.

Tak, pokud IGNOROVAT PŘÍPAD není rovna nule, / aB / odpovídá všem řetězcům "ab", "aB","Ab", a "AB". Stejně jako u všech proměnných AWK, počáteční hodnota IGNOROVAT PŘÍPAD je nula, takže všechny operace s regulárním výrazem a řetězcem obvykle odpovídají velikosti písmen. Pod Unixem se při ignorování případu používá znaková sada ISO 8859-1 Latin-1.

LINT

Poskytuje dynamické ovládání --lint v rámci programu AWK. Když je pravda, gawk vytiskne upozornění na vlákna. Když je falešná, není. Při přiřazení hodnoty řetězce "fatální", upozornění na vlákna se stávají smrtelnými chybami, stejně jako --lint = fatální. Jakákoli jiná skutečná hodnota právě vytiskne varování.

NF

Počet polí v aktuálním záznamu vstupu.

NR

Celkový počet zaznamenaných vstupních záznamů.

OFMT

Výstupní formát pro čísla, "% .6g", ve výchozím stavu.

OFS

Oddělovač výstupního pole, ve výchozím nastavení místo.

ORS

Výstupní záznamový oddělovač, ve výchozím nastavení nový řádek.

PROCINFO

Prvky tohoto pole poskytují přístup k informacím o běžícím programu AWK. Na některých systémech mohou být prvky v poli, "group1" přes "skupina n ' pro některé n , což je počet doplňkových skupin, které má proces. Použijte v operátor testovat tyto prvky. K dispozici jsou následující prvky:

PROCINFO "egid"

hodnota getegid (2) systémové volání.

PROCINFO "euid"

hodnota geteuid (2) systémové volání.

PROCINFO "FS"

"FS" pokud pole se dělí FS je platný, nebo "FIELDWIDTHS" pokud pole se dělí OBLAST POČTU je v platnosti.

PROCINFO "gid"

hodnota getgid (2) systémové volání.

PROCINFO "pgrpid"

ID skupiny procesů aktuálního procesu.

PROCINFO "pid"

ID procesu aktuálního procesu.

PROCINFO "ppid"

ID nadřazeného procesu aktuálního procesu.

PROCINFO "uid"

hodnota getuid (2) systémové volání.

RS

Separátor záznamu vstupu, ve výchozím nastavení nový řádek.

RT

Terminál záznamu. Gawk sady RT na vstupní text odpovídající danému znaku nebo regulárnímu výrazu RS.

RSTART

Index prvního znaku odpovídá zápas(); 0, pokud není shoda. (To znamená, že znakové indexy začínají na jednom.)

RLENGTH

Délka řetězce odpovídá zápas(); -1, pokud žádná shoda.

SUBSEP

Znak použitý k oddělení více indexů v prvcích pole, ve výchozím nastavení ' 034'.

TEXTDOMAIN

Textová doména programu AWK; použitý k nalezení lokalizovaných překladů pro řetězce programu.

Pole

Políčka jsou přihlášena s výrazem mezi hranatými závorkami ( a ). Je-li výraz výrazem ( expr , expr …) pak indexový pořad je řetězec sestávající ze zřetězení hodnoty (řetězce) každého výrazu, odděleného hodnotou SUBSEP proměnná. Toto zařízení se používá k simulaci vícerozměrných polí. Například:

i = "A"; j = "B"; k = "C"x i, j, k = "Ahoj, svět n"

přiřadí řetězec "ahoj, svět n" k prvku pole X který je indexován řetězcem"A 034B 034C". Všechna pole v AWK jsou asociativní, tj. Indexovány hodnotami řetězce.

Zvláštní operátor v může být použit v -li nebo zatímco prohlášení, zda pole má index skládající se z konkrétní hodnoty.

li (vlna v poli) pole pro tisk val

Pokud pole má více indexů, použijte (i, j) v poli.

The v konstrukce může být také použita v a pro smyčku pro iteraci nad všemi prvky pole.

Element může být odstraněn z pole pomocí vymazat prohlášení. The vymazat příkazu lze také použít k odstranění celého obsahu pole pouze zadáním názvu pole bez indexu.

Variabilní psaní a konverze

Proměnné a pole mohou být čísla (s plovoucí desetinnou čárkou) nebo řetězce nebo obojí. Jak je interpretována hodnota proměnné závisí na kontextu. Pokud se použije v číselném výrazu, bude se jednat o číslo, pokud se použije jako řetězec, bude se jednat o řetězec.

Chcete-li vynutit, aby se proměnná považovala za číslo, přidejte do ní 0; vynutit jej, aby byl považován za řetězec, spojit jej s nulovým řetězcem.

Když řetězec musí být převeden na číslo, konverze je provedena pomocí strtod (3). Číslo je převedeno na řetězec pomocí hodnoty CONVFMT jako formátovací řetězec pro sprintf (3) s číselnou hodnotou proměnné jako argumentu. Nicméně, i když všechna čísla v AWK jsou plovoucí bod, integrální hodnoty jsou vždy převedeny jako celá čísla. Tak, daný

CONVFMT = "% 2.2f" a = 12 b = a ""

proměnné b má hodnotu řetězce '12' a ne '12.00'.

Gawk provádí porovnání takto: Jsou-li dvě proměnné numerické, porovnávají se numericky. Pokud je jedna hodnota číselná a druhá má hodnotu řetězce, která je "číselný řetězec", pak se porovnává také číselně. V opačném případě se číselná hodnota převede na řetězec a provede se porovnání řetězců. Dvě řetězce jsou samozřejmě porovnány jako struny. Všimněte si, že standard POSIX aplikuje pojem "číselný řetězec" všude, dokonce i na řetězcové konstanty. To je však jasně nesprávné a gawk to neudělá. (Naštěstí to je opraveno v další verzi tohoto standardu.)

Všimněte si, že řetězcové konstanty, například '57', jsou ne číselné řetězce, jsou řetězcové konstanty. Myšlenka na "číselný řetězec" se vztahuje pouze na pole, getline vstup, NÁZEV SOUBORU, ARGV Prvky, ENVIRON prvky a prvky pole vytvořené rozdělit() které jsou číselné řetězce. Základní myšlenkou je to uživatelský vstup , a pouze uživatelský vstup, který vypadá číselně, by se měl zacházet tímto způsobem.

Neinicializované proměnné mají číselnou hodnotu 0 a hodnotu řetězce "" (prázdný nebo prázdný řetězec).

Oktální a hexadecimální konstanty

Počínaje verzí 3.1 gawk, ve zdrojovém kódu programu AWK můžete použít oktávové a hexadecimální konstanty ve stylu C. Například osmičková hodnota 011 se rovná desítkové hodnotě 9a hexadecimální hodnotu 0x11 se rovná desítkové hodnotě 17.

Řetězcové konstanty

Stringové konstanty v AWK jsou sekvence znaků uzavřených mezi dvojitými uvozovkami ('). Uvnitř řetězců jistě únikové sekvence jsou rozpoznány stejně jako v C. Jedná se o:

\

Doslovné zpětné lomítko.

A

Znak "upozornění"; obvykle znak ASCII BEL.

b

backspace.

F

form-feed.

n

nový řádek.

r

návrat vozíku.

t

horizontální záložka.

proti

vertikální záložku.

X hex číslic

Znak reprezentovaný řetězcem hexadecimálních číslic následujících po X. Stejně jako v ANSIC jsou všechny následující hexadecimální číslice považovány za součást escape sekvence. (Tato funkce by nám měla říci něco o jazykovém návrhu výboru). Např. " x1B" je znak ASCIIESC (escape).

ddd

Znak reprezentovaný 1-, 2- nebo 3-místnou sekvencí osmičkových číslic. Např., ' 033' je znak ASCII ESC (escape).

C

Doslovná postava C .

Únikové sekvence mohou být také použity v konstantních regulárních výrazech (např./ t f n r v / odpovídá znakům bílé znaky).

V režimu kompatibility jsou znaky reprezentované osmičkovými a hexadecimálními escape sekvencemi zpracovány doslovně při použití v konstantách regulárního výrazu. Tím pádem, / a 52b / je ekvivalentní/ a * b /.

Vzory a akce

AWK je jazykově orientovaný jazyk. Vzorek je na prvním místě a pak akce. Příkazy o činnosti jsou přiloženy { a }. Buď chybí vzorek nebo akce může chybět, ale samozřejmě ne obojí. Pokud vzorek chybí, provede se akce pro každý záznam vstupu. Chybějící akce je ekvivalentní

{ vytisknout }

který vytiskne celý záznam.

Komentáře začínají znakem `` # '' a pokračují až do konce řádku. Na oddělení příkazů lze použít prázdné řádky. Obvykle se výpis končí novým řádkem, nicméně není tomu tak u řádků končících písmeny ``, '', {, ?, :, &&, nebo ||. Linky končící v dělat nebo jiný mají také své prohlášení automaticky pokračovat na následujícím řádku. V ostatních případech může linka pokračovat tím, že ji ukončí znakem ', v takovém případě bude nový řádek ignorován.

Několik výkazů může být umístěno na jeden řádek tím, že je oddělíte ``; ''. To se týká jak výroků uvnitř akční části páru vzorku-akce (obvyklého případu), tak samotných příkazů vzorové akce.

Vzory

Vzorů AWK může být jeden z následujících způsobů:

ZAČÍT KONEC / regulární výraz / relační výraz vzor && vzor vzor || vzor vzor ? vzor : vzor ( vzor ) ! vzor vzor1 , vzor2

ZAČÍT a KONEC jsou dva speciální typy vzorků, které nejsou testovány na vstupu. Akční části všech ZAČÍT vzory jsou sloučeny, jako kdyby všechny výroky byly napsány v jediném ZAČÍT blok. Vykonávají se před čtením jakéhokoli vstupu. Podobně, všechny KONEC bloky jsou sloučeny a provedeny, když je veškerý vstup vyčerpán (nebo když je výstup prohlášení je spuštěno). ZAČÍT a KONEC vzory nelze kombinovat s jinými vzory v výrazových vzorech. ZAČÍT a KONEC vzory nemohou mít chybějící části akce.

Pro / regulární výraz / vzory jsou přidružené příkazy provedeny pro každý vstupní záznam, který odpovídá regulárnímu výrazu. Pravidelné výrazy jsou stejné jako v egrep (1) a jsou shrnuty níže.

A relační výraz může použít kterýkoliv z níže uvedených operátorů v sekci akce. Obecně testují, zda se některá pole shodují s některými regulárními výrazy.

The &&, ||, a ! operátoři jsou logická AND, logická OR a logická NOT, respektive, jako v C. Provádějí zkratové vyhodnocení, stejně jako v C, a používají se pro kombinování primitivnějších výrazových vzorů. Stejně jako ve většině jazyků mohou být pro změnu pořadí vyhodnocení použity závorky.

The ?: operátor je jako stejný operátor v C. Pokud je první vzorec pravdivý, pak vzor použitý pro testování je druhý vzor, ​​jinak je to třetí. Pouze jeden z druhých a třetích modelů je vyhodnocen.

The vzor1 , vzor2 forma výrazu se nazývá a rozsah . Shoduje se se všemi vstupními záznamy, které začínají záznamem, který odpovídá vzor1 , a pokračovat až do záznamu, který odpovídá vzor2 , včetně. Nekombinuje se žádným jiným výrazem.

Pravidelné výrazy

Pravidelné výrazy jsou rozšířené druhy nalezené v egrep . Jsou složeny z následujících znaků:

C

odpovídá non-metacharacter C .

C

odpovídá doslovnému charakteru C .

.

odpovídá libovolnému znaku počítaje v to nový řádek.

^

odpovídá začátku řetězce.

$

odpovídá konci řetězce.

abc …

seznam znaků, odpovídá některému z znaků abc … .

^ abc …

negovaný seznam znaků, odpovídá libovolnému znaku kromě abc … .

r1 | r2

střídání: odpovídá buď r1 nebo r2 .

r1r2

zřetězení: shody r1 , a pak r2 .

r +

odpovídá jednomu nebo více r 's.

r *

odpovídá nula nebo více r 's.

r ?

odpovídá nula nebo jedna r 's.

( r )

seskupování: shody r .

r { n }

r { n ,}

r { n , m } Jedno nebo dvě čísla uvnitř rovnačky označují jeden intervalový výraz . Pokud je v závorce jedno číslo, je předchozí regulární výraz r se opakuje n časy. Pokud jsou dvě čísla oddělená čárkou, r se opakuje n na m časy. Pokud je jedno číslo následované čárkou, pak r se opakuje alespoň n časy.

Intervalové výrazy jsou k dispozici pouze v případě, že jsou k dispozici --posix nebo - interval je zadán na příkazovém řádku.

y

odpovídá prázdnému řetězci buď na začátku, nebo na konci slova.

B

odpovídá prázdnému řetězci v rámci jednoho slova.

<

odpovídá prázdnému řetězci na začátku slova.

>

odpovídá prázdnému řetězci na konci slova.

w

odpovídá libovolnému slovu-složkovému znaku (písmeno, číslice nebo podtržítko).

W

odpovídá libovolnému znaku, který není slovní složkou.

`

odpovídá prázdnému řetězci na začátku vyrovnávací paměti (řetězec).

'

odpovídá prázdnému řetězci na konci vyrovnávací paměti.

Sekvence úniků, které jsou platné v řetězcových konstantách (viz níže), platí také v regulárních výrazech.

Třídy znaků jsou novou funkcí zavedenou v standardu POSIX. Třída znaků je speciální notace pro popis seznamů znaků, které mají specifický atribut, ale kde se skutečné znaky mohou lišit v jednotlivých zemích a / nebo z množiny znaků na znakovou sadu. Například pojem abecedního charakteru se liší v USA a ve Francii.

Třída znaků je platná pouze v regulárním výrazu uvnitř závorky seznamu znaků. Znakové třídy se skládají z :klíčové slovo označující třídu a :. Třídy znaků definované standardem POSIX jsou:

: alnum:

Alfanumerické znaky.

: alfa:

Abecední znaky.

:prázdný:

Prostor nebo znaky tabulátoru.

: cntrl:

Ovládací prvky.

:číslice:

Číselné znaky.

:graf:

Znaky, které jsou tisknutelné i viditelné. (Prostor je tiskitelný, ale není viditelný, zatímco A je oba.)

:dolní:

Malé abecední znaky.

:vytisknout:

Tisknutelné znaky (znaky, které nejsou kontrolními znaky.)

: bod:

Interpunkční znaky (znaky, které nejsou písmeny, číslice, řídicí znaky nebo mezery).

:prostor:

Prostorové znaky (například mezeru, tabulátor a formfeed).

:horní:

Abecední znaky v horní části.

: xdigit:

Znaky, které jsou hexadecimální číslice.

Například před standardem POSIX, aby odpovídaly alfanumerické znaky, byste museli napsat / A-Za-z0-9 /. Pokud by vaše znaková sada měla v sobě jiná abecední znaky, neodpovídalo by to, a pokud je vaše sada znaků sdružená odlišně od ASCII, nemusí to vůbec odpovídat alfanumerickým znakům ASCII. Pomocí tříd znaků POSIX můžete psát/ : alnum: /, a to odpovídá abecedním a číselným znakům v sadě znaků.

V seznamu znaků se mohou objevit dvě další speciální sekvence. Ty se vztahují na znakové sady jiné než ASCII, které mohou mít jednotlivé symboly (nazývané uspořádání prvků ), které jsou reprezentovány více než jedním znakem, stejně jako několik znaků, které jsou ekvivalentní shromažďování , nebo třídění, účely. (Např. Ve francouzštině je ekvivalentní rovina `` e '' a ekvivalentní hrob).)

Shodovat symboly

Symbol řazení je vícenásobný znak pro porovnávání . a .. Například pokud ch je tedy srovnávací prvek .ch. je regulární výraz, který odpovídá tomuto prvku porovnávání ch je regulární výraz, který odpovídá buď C nebo h.

Třídy ekvivalence

Třída ekvivalence je název specifický pro daný jazyk pro seznam znaků, které jsou ekvivalentní. Název je přiložen = a =. Například jméno E může být použito k reprezentaci všech e, e, e a e. V tomto případě, = e = je regulární výraz, který odpovídá kterékoli z nich E, E', nebo e ".

Tyto funkce jsou velmi cenné v doménách, které nejsou anglicky mluvící. Knihovna to funguje gawk Použití pro přizpůsobení regulárního výrazu v současnosti rozpoznává pouze třídy POSIX; nerozpoznávají srovnávací symboly nebo třídy ekvivalence.

The y, B, <, >, w, W, `, a ' operátoři jsou specifické gawk ; jsou rozšířeními založenými na zařízeních knihoven regulárních výrazů GNU.

Různé možnosti příkazového řádku řídí, jakým způsobem gawk interpretuje znaky v regulárních výrazech.

Žádné možnosti

Ve výchozím případě, gawk poskytují všechna zařízení POSIX regulárních výrazů a operátory regulárního výrazu GNU popsané výše. Intervalové výrazy však nejsou podporovány.

--posix

Jsou podporovány pouze regulární výrazy POSIX, operátoři GNU nejsou speciální. (Např., w odpovídá doslovně w). Intervalové výrazy jsou povoleny.

--tradiční

Tradiční Unix awk regulární výrazy jsou shodné. Operátoři GNU nejsou speciální, intervalové výrazy nejsou k dispozici a nejsou ani třídy znaků POSIX (: alnum: a tak dále). Znaky popsané osmičkovými a hexadecimálními sekvencemi escape jsou zacházeny doslovně, i když představují metacharactery s regulárním výrazem.

- interval

Povolit intervalové výrazy v regulárních výrazech, i když --tradiční byl poskytnut.

Akce

Akční výkazy jsou přiloženy ve svincích, { a }. Prohlášení o akci se skládají z obvyklých přiřazených, podmíněných a smyčkových příkazů nalezených ve většině jazyků. Operátoři, řídící příkazy a vstupní / výstupní výkazy, které jsou k dispozici, jsou vzorované po těch v C.

Operátoři

Provozovatelé v AWK jsou v pořadí klesající prioritou

(…)

Seskupování

$

Odkaz na pole.

++ --

Přírůstek a zmenšování, jak prefix, tak postfix.

^

Exponentiace (** mohou být také použity a **= pro operátor přiřazení).

+ - !

Unary plus, unary mínus a logická negace.

* / %

Násobení, dělení a modul.

+ -

Sčítání a odčítání.

prostor

Zřetězení řetězce.

< >

<= >=

!= == Pravidelní relační operátoři.

~ !~

Shoda s pravidelným výrazem, negovaná shoda. POZNÁMKA: Nepoužívejte konstantní regulární výraz (/ foo /) na levé straně a ~ nebo !~. Používejte pouze jednu na pravé straně. Výraz / foo / ~ exp má stejný význam jako (($ 0 ~ / foo /) ~ exp ). To je obvykle ne co bylo zamýšleno.

v

Členství v poli.

&&

Logické AND.

||

Logické OR.

?:

Podmínkový výraz C. Toto má formu expr1 ? expr2 : expr3 . Li expr1 je pravda, hodnota výrazu je expr2 , jinak to je expr3 . Pouze jeden expr2 a expr3 je vyhodnocena.

= += -=

*= /= %= ^= Úkol. Absolutní zadání ( var = hodnota ) a přiřazení operátorů (ostatní formuláře).

Kontrolní výkazy

Kontrolní výkazy jsou následující:

pokud ( stav ) prohlášení jiný prohlášení zatímco ( stav ) prohlášení dělat prohlášení zatímco ( stav ) pro ( expr1 ; expr2 ; expr3 ) prohlášení pro ( var v pole ) prohlášení přestávka pokračovat vymazat pole index vymazat pole výstup výraz { prohlášení }

Výkazy I / O

Příkazy vstupu / výstupu jsou následující:

zavřít( soubor , jak )

Zavřete soubor, potrubí nebo kooperační proces. Volitelný jak by měla být použita pouze při uzavření jednoho konce dvoucestné trubky do společného procesu. Musí to být také hodnota řetězce "na" nebo "z".

getline

Soubor $0 od dalšího záznamu o vstupu; soubor NF, NR, FNR.

getline < soubor

Soubor $0 od dalšího záznamu soubor ; soubor NF.

getline var

Soubor var od dalšího záznamu o vstupu; soubor NR, FNR.

getline var < soubor

Soubor var od dalšího záznamu soubor .

příkaz | getline var

Běh příkaz pipetujte výstup buď do $0 nebo var , jak je uvedeno výše.

příkaz & getline var

Běh příkaz jako společné zpracování potrubí výstup buď do $0 nebo var , jak je uvedeno výše. Společné procesy jsou a gawk rozšíření.

další

Zastavte zpracování aktuálního záznamu. Další vstupní záznam se přečte a zpracování začíná s prvním vzorkem v programu AWK. Je-li dosaženo konce vstupních dat, KONEC blok (y), pokud existují.

nextfile

Zastavte zpracování aktuálního vstupního souboru. Další čtení vstupního záznamu pochází z dalšího vstupního souboru. NÁZEV SOUBORU a ARGIND jsou aktualizovány, FNR je resetováno na hodnotu 1 a zpracování začíná na prvním místě v programu AWK. Je-li dosaženo konce vstupních dat, KONEC blok (y), pokud existují.

vytisknout

Vytiskne aktuální záznam. Výstupní záznam je ukončen hodnotou ORS proměnná.

vytisknout expr-list

Vytiskne výrazy. Každý výraz je oddělen od hodnoty OFS proměnná. Výstupní záznam je ukončen hodnotou ORS proměnná.

vytisknout expr-list > soubor

Vytiskne výrazy na soubor . Každý výraz je oddělen od hodnoty OFS proměnná. Výstupní záznam je ukončen hodnotou ORS proměnná.

printf fmt, expr-seznam

Formátovat a tisknout.

printf fmt, expr-seznam > soubor

Formátovat a tisknout soubor .

Systém( cmd-line )

Proveďte příkaz cmd-line , a vrátí stav ukončení. (V systémech jiných než POSIX nemusí být k dispozici.)

fflush ( soubor )

Spláchněte všechny vyrovnávací paměti spojené s otevřeným výstupním souborem nebo potrubím soubor . Li soubor chybí, pak je standardní výstup propláchnut. Li soubor je nulový řetězec, pak všechny otevřené výstupní soubory a potrubí mají vyprázdněné vyrovnávací paměti.

K dispozici jsou další přesměrování výstupů vytisknout a printf.

tisk … >> soubor

připojuje výstup k soubor .

tisk … | příkaz

píše na trubce.

tisk … | & příkaz

odesílá data do společného procesu.

The getline příkaz vrátí 0 na konec souboru a -1 na chybu. Po chybě, ERRNO obsahuje řetězec popisující problém.

POZNÁMKA: Pokud používáte potrubí nebo společný proces getline, nebo od vytisknout nebo printf ve smyčce, ty musí použití zavřít() k vytvoření nových instancí příkazu. AWK automaticky neuzavírá potrubí nebo kooperační procesy při návratu EOF.

Příkaz printf

AWK verze printf prohlášení a sprintf () (viz níže) akceptuje následující formáty specifikací konverzí:

%C

Znak ASCII. Pokud argument použitý pro %C je číselný, považuje se za znak a vytiskne. V opačném případě se argument předpokládá jako řetězec a vytiskne se pouze první znak tohoto řetězce.

% d, % i

Desetinné číslo (celé číslo).

% e,% E

Číslo s plovoucí částí formuláře - d.dddddde + - dd. The %E formátů E namísto E.

%F

Číslo s plovoucí částí formuláře - ddd.ddddddd.

% g,% G

Použití %E nebo %F konverze, podle toho, co je kratší, s nenávratnými nulami potlačeny. The%G formátů %E namísto %E.

%Ó

Nepodpísané osmičkové číslo (také celé číslo).

% u Nepodpísané desítkové číslo (opět celé číslo).

% s

Řetězec znaků.

% x,% X

Nepodpísané hexadecimální číslo (celé číslo). The %X formátů A B C D E F namístoa B c d e f.

%%

Jediný % charakter; žádný argument není převeden.

Volitelné další parametry mohou být mezi % a kontrolní písmeno:

spočítat $

Použijte spočítat "argument v tomto bodě při formátování. Toto se nazývá a polohový specifikátor a je určena především pro použití v přeložených verzích formátovacích řetězců, nikoliv v původním textu programu AWK. Je to gawk rozšíření.

-

Výraz by měl být ve své oblasti opuštěn.

prostor

Pro číselné převody platí předpony kladné hodnoty s mezerou a záporné hodnoty s znaménkem mínus.

+

Značka plus, použitá před modifikátorem šířky (viz níže), říká, že vždy dodává znaménko pro číselné konverze, a to iv případě, že data, která mají být formátována, jsou pozitivní. The + přepíše modifikátor místa.

#

Pro určité ovládací písmena použijte "alternativní formulář". Pro %Ó, dodat p