（转）关于 awk 的 pattern(模式)
本文转自chinaunix http://bbs.chinaunix.net/thread-4246512-1-1.html 作者reyleon
我们知道, awk程序由一系列 pattern 以及与之对应的 action 组成的 rule 组成,rule之间用";"分号隔开, 一条输入记录与 pattern 匹配则执行与之关联的action, 如下所示:
awk '
pattern { action };
pattern { action };
.....
'
可是, 很多人并不清楚什么东西可以做为 pattern下面就来聊聊这些个事儿. 以下文本做为测试文本:
1 $ cat myfile 2 Amelia 555-5553 amelia.zodiacusque@gmail.com F 3 Anthony 555-3412 anthony.asserturo@hotmail.com A 4 Becky 555-7685 becky.algebrarum@gmail.com A 5 Bill 555-1675 bill.drowning@hotmail.com A 6 Broderick 555-0542 broderick.aliquotiens@yahoo.com R 7 Camilla 555-2912 camilla.infusarum@skynet.be R 8 Fabius 555-1234 fabius.undevicesimus@ucb.edu F 9 Julie 555-6699 julie.perscrutabor@skeeve.com F 10 Martin 555-6480 martin.codicibus@hotmail.com A 11 Samuel 555-3430 samuel.lanceolis@shu.edu A 12 Jean-Paul 555-2127 jeanpaul.campanorum@nyu.edu R
首先, 要记住, 凡是被 {} 包裹的, 就是 action, 或者说, action 必然被 {} 包裹着
凡是没有被{}包裹的, 就是pattern, 或者说pattern不能被{}包裹着.
一. 正则表达式做为 pattern
最常见的, 就是一个正则表达式做为一个 pattern了, 如:
1 awk '/555-5553/ { print $0 }' myfile
/555-5553/ 就是一个正则表达式, 如果输入记录匹配555-5553, 就输出这条记录, 这里只有第一行匹配 555-5553, 所以就输出了第一行这条记录.
1 $ awk '/555-5553/ { print $0 }' myfile
2 Amelia 555-5553 amelia.zodiacusque@gmail.com F
二. 比较表达式做为 pattern
1 $ awk '$NF == "A" { print $0 }' myfile
2 Anthony 555-3412 anthony.asserturo@hotmail.com A
3 Becky 555-7685 becky.algebrarum@gmail.com A
4 Bill 555-1675 bill.drowning@hotmail.com A
5 Martin 555-6480 martin.codicibus@hotmail.com A
最后一个字段为 "A" 的, 输出这条记录.
1 $ awk '$NF != "A" { print $0 }' myfile
2 Amelia 555-5553 amelia.zodiacusque@gmail.com F
3 Broderick 555-0542 broderick.aliquotiens@yahoo.com R
4 Camilla 555-2912 camilla.infusarum@skynet.be R
5 Fabius 555-1234 fabius.undevicesimus@ucb.edu F
6 Julie 555-6699 julie.perscrutabor@skeeve.com F
7 Jean-Paul 555-2127 jeanpaul.campanorum@nyu.edu R
最后一个字段不为 "A" 的, 输出这条记录.
三. 常量表达式做为 pattern
这种pattern一般是最不易被新手理解的, 事实上, 既然是 pattern 匹配, 结果就只有两种情况, 要么匹配(即为真),就执行后面的 action, 要么不匹配(即为假), 就不会执行后面的action.
所以, awk 的规则基本上也就是:
awk ' 真 { 执行代码 }; 假 { 不执行代码 }'
也理解为:
awk ' 条件 { 动作 } 条件 { 动作 } '
什么东西可以做为一个常量? 一个数字, 或者一个字符串, 都可以做为一个常量 pattern. 那这里就有一个龟腚了:
凡是非0的数字, 就表示pattern匹配成功, 也就是pattern为真. 否则表示匹配失败, 为假.
凡是非空的字符串, 就表示pattern匹配成功, 也就是pattern为真. 否则表示匹配失败, 为假.
注意: 字符串是由引号引起来的! 比如数字 0 与 字符串 "0" 不是一样的. 数字0为假, 字符串"0"为真(不为空).
如:
1 $ awk '1 { print $0 }' myfile
2 Amelia 555-5553 amelia.zodiacusque@gmail.com F
3 Anthony 555-3412 anthony.asserturo@hotmail.com A
4 Becky 555-7685 becky.algebrarum@gmail.com A
5 Bill 555-1675 bill.drowning@hotmail.com A
6 Broderick 555-0542 broderick.aliquotiens@yahoo.com R
7 Camilla 555-2912 camilla.infusarum@skynet.be R
8 Fabius 555-1234 fabius.undevicesimus@ucb.edu F
9 Julie 555-6699 julie.perscrutabor@skeeve.com F
10 Martin 555-6480 martin.codicibus@hotmail.com A
11 Samuel 555-3430 samuel.lanceolis@shu.edu A
12 Jean-Paul 555-2127 jeanpaul.campanorum@nyu.edu R
1 $ awk '2 { print $0 }' myfile
2 Amelia 555-5553 amelia.zodiacusque@gmail.com F
3 Anthony 555-3412 anthony.asserturo@hotmail.com A
4 Becky 555-7685 becky.algebrarum@gmail.com A
5 Bill 555-1675 bill.drowning@hotmail.com A
6 Broderick 555-0542 broderick.aliquotiens@yahoo.com R
7 Camilla 555-2912 camilla.infusarum@skynet.be R
8 Fabius 555-1234 fabius.undevicesimus@ucb.edu F
9 Julie 555-6699 julie.perscrutabor@skeeve.com F
10 Martin 555-6480 martin.codicibus@hotmail.com A
11 Samuel 555-3430 samuel.lanceolis@shu.edu A
12 Jean-Paul 555-2127 jeanpaul.campanorum@nyu.edu R
1 $ awk '0 { print $0 }' myfile
2 // 数字 0 做为 pattern, 0为假, pattern 匹配失败, 所以不执行 print $0, 没有打印.
1 $ awk ' "0" { print $0 }' myfile
2 Amelia 555-5553 amelia.zodiacusque@gmail.com F
3 Anthony 555-3412 anthony.asserturo@hotmail.com A
4 Becky 555-7685 becky.algebrarum@gmail.com A
5 Bill 555-1675 bill.drowning@hotmail.com A
6 Broderick 555-0542 broderick.aliquotiens@yahoo.com R
7 Camilla 555-2912 camilla.infusarum@skynet.be R
8 Fabius 555-1234 fabius.undevicesimus@ucb.edu F
9 Julie 555-6699 julie.perscrutabor@skeeve.com F
10 Martin 555-6480 martin.codicibus@hotmail.com A
11 Samuel 555-3430 samuel.lanceolis@shu.edu A
12 Jean-Paul 555-2127 jeanpaul.campanorum@nyu.edu R
13 // 字符串 "0" 做为 pattern, 为真, pattern 匹配成功, 所以执行 print $0, 打印.
还有一些, 可能是写错的赋值语句做为了pattern的, 或者其他乱七八糟的, 等等..:
1 $ awk 'a=0' myfile // 数字0. 假, 没输出.
1 $ awk 'a=1' myfile // 1 为真. 2 Amelia 555-5553 amelia.zodiacusque@gmail.com F 3 Anthony 555-3412 anthony.asserturo@hotmail.com A 4 Becky 555-7685 becky.algebrarum@gmail.com A 5 Bill 555-1675 bill.drowning@hotmail.com A 6 Broderick 555-0542 broderick.aliquotiens@yahoo.com R 7 Camilla 555-2912 camilla.infusarum@skynet.be R 8 Fabius 555-1234 fabius.undevicesimus@ucb.edu F 9 Julie 555-6699 julie.perscrutabor@skeeve.com F 10 Martin 555-6480 martin.codicibus@hotmail.com A 11 Samuel 555-3430 samuel.lanceolis@shu.edu A 12 Jean-Paul 555-2127 jeanpaul.campanorum@nyu.edu R
1 $ awk 'x-1' myfile // x 为未定义的变量, 做数学运算, 结果为 -1 , 因 -1 也是非0的数字常量, pattern 匹配成功, 为真, print $0. 2 Amelia 555-5553 amelia.zodiacusque@gmail.com F 3 Anthony 555-3412 anthony.asserturo@hotmail.com A 4 Becky 555-7685 becky.algebrarum@gmail.com A 5 Bill 555-1675 bill.drowning@hotmail.com A 6 Broderick 555-0542 broderick.aliquotiens@yahoo.com R 7 Camilla 555-2912 camilla.infusarum@skynet.be R 8 Fabius 555-1234 fabius.undevicesimus@ucb.edu F 9 Julie 555-6699 julie.perscrutabor@skeeve.com F 10 Martin 555-6480 martin.codicibus@hotmail.com A 11 Samuel 555-3430 samuel.lanceolis@shu.edu A 12 Jean-Paul 555-2127 jeanpaul.campanorum@nyu.edu R
1 1 $ awk 'xxoo' myfile //xxoo为变量, 未赋值, 为假
1 $ awk '"xxoo"' myfile // 字符串, 真. 2 Amelia 555-5553 amelia.zodiacusque@gmail.com F 3 Anthony 555-3412 anthony.asserturo@hotmail.com A 4 Becky 555-7685 becky.algebrarum@gmail.com A 5 Bill 555-1675 bill.drowning@hotmail.com A 6 Broderick 555-0542 broderick.aliquotiens@yahoo.com R 7 Camilla 555-2912 camilla.infusarum@skynet.be R 8 Fabius 555-1234 fabius.undevicesimus@ucb.edu F 9 Julie 555-6699 julie.perscrutabor@skeeve.com F 10 Martin 555-6480 martin.codicibus@hotmail.com A 11 Samuel 555-3430 samuel.lanceolis@shu.edu A 12 Jean-Paul 555-2127 jeanpaul.campanorum@nyu.edu R
四. 空 pattern
1 $ awk '{print $0}' myfile
2 Amelia 555-5553 amelia.zodiacusque@gmail.com F
3 Anthony 555-3412 anthony.asserturo@hotmail.com A
4 Becky 555-7685 becky.algebrarum@gmail.com A
5 Bill 555-1675 bill.drowning@hotmail.com A
6 Broderick 555-0542 broderick.aliquotiens@yahoo.com R
7 Camilla 555-2912 camilla.infusarum@skynet.be R
8 Fabius 555-1234 fabius.undevicesimus@ucb.edu F
9 Julie 555-6699 julie.perscrutabor@skeeve.com F
10 Martin 555-6480 martin.codicibus@hotmail.com A
11 Samuel 555-3430 samuel.lanceolis@shu.edu A
12 Jean-Paul 555-2127 jeanpaul.campanorum@nyu.edu R
// 这里没有 pattern, 空的, empty pattern, 那么就表示匹配输入记录永远成功, 也就是说永远为真, 这是龟腚. action永远都会执行.
我们知道, awk 的rule 就是由一系列 pattern 和 action 构成, 这里所谓的空 pattern, 也可以说是省略了 pattern, 那么 action 可不可以省略呢?
事实上, action也是可以省略的, 但如果省略了的话,它就会有一个默认的action行为, 即 { print $0 } !
很多人新手经常搞不懂一下的代码:
awk '{a=1}1' myfile
经常会碰到有人问, 这个代码后面的1是干嘛的? 其实, 我们拆分下 awk 的 rule 就明白了.
awk '{a=1}1' 这个语句包含了两条规则:
awk '
[空pattern] {a=1} #第一条规则
1 [{省略的action}] #第二条规则
'
第一条rule: {a=1} , 这条规则这里有一个{}大括号包裹着, 表示这是一个 action, 但是省略了pattern, 即空pattern,
上面说了, 空pattern是永远匹配为真的,
所以{a=1}这个action会针对每条输入记录对执行,只是我们看不到它的具体表现而已.
第二条rule: 1, 这条规则仅仅只有一个1字, 没有被{}大括号包裹着,
所以这个1是一个pattern, 省略了{action}, 而这个数字 1 , 实际上就是一个常量表达式pattern, 因它为非0的数字,所以pattern匹配成功,为真,就执行action,
因为这里省略了{action},就触发默认的行为,而默认的action行为是print $0,即打印这条记录.
再如: awk '1;1' ,省略了两个action, 所以这条实际上就是两个 {print $0}{print $0}.
所以, 凡是action只是要输出这条记录的, 通通都可以省略这个 action.
如:
1 $ awk '/Amelia/ || /Martin/' myfile 2 Amelia 555-5553 amelia.zodiacusque@gmail.com F 3 Martin 555-6480 martin.codicibus@hotmail.com A 4 $ awk '$NF ~ /F/' myfile 5 Amelia 555-5553 amelia.zodiacusque@gmail.com F 6 Fabius 555-1234 fabius.undevicesimus@ucb.edu F 7 Julie 555-6699 julie.perscrutabor@skeeve.com F 8 $ awk 'NR==5' myfile 9 Broderick 555-0542 broderick.aliquotiens@yahoo.com R
五. 特殊的 pattern: BEGIN, END ..
在 awk 中, 肯定会经常看到 BEGIN, END 这两个玩意儿. 如 awk 'BEGIN { ... } END { ... } '
实际上, BEGIN 和 END 只是两个特殊的 pattern . 类似的还有 BEGINFILE, ENDFILE.
BEGIN 在读入文件之前匹配成功, 即为在读入文件之前这条 rule 就已经执行了.
END 在处理完文件之后才匹配陈宫, 即在处理完文件之后才会执行这条 rule.
1 $ awk 'BEGIN { n=5 } NR==n { print $0 } END { print $0 }' myfile
2 Broderick 555-0542 broderick.aliquotiens@yahoo.com R
3 Jean-Paul 555-2127 jeanpaul.campanorum@nyu.edu R
分析下这条 awk 语句:
首先, 它包含三条规则
1. BEGIN { n=5 } ,BEGIN 为 特殊pattern, {n=5} 为 action
2. NR==n { print $0 }, NR==n 是一个比较表达式pattern, { print $0 } 为action.
3. END { print $0 }, END 也是一个特殊的pattern.
BEGIN 模式一般读入文件之前常用的是做一些相关的定义操作, 这里设定变量n=5.
然后awk开始处理记录, 当 NR==n 时, 即处理到我们定义的那条记录时(第5条记录时), 执行 print $0, 输出这条记录.
最后是END模式, awk处理完文件里, END模式匹配成功,执行print $0, 即输出最后一条记录.
所以, 结果是输出第5条记录和最后一条记录.
六. 模式范围: begpat, endpat
这个模式范围, 是由两个 pattern 组成, 每个 pattern可以是任意的非特殊类型(非BEGIN/END模式类型)的pattern类型(可以是正则,比较,常量等pattern).
这个模式范围匹配的规则有点儿特殊, 这里以一个"开闸放水"的例子做为一个类比.
1. 首先以第一个pattern匹配输入记录, 如果第一个pattern匹配成功,就"打开放水的开关开始放水",[开关的状态: 开], 即会立即执行后面的action.此时不管第二个pattern是否匹配.
2. 接着再匹配第二pattern, 如果第二pattern匹配失败,开关的状态不变,即还是会执行action.
3. 接着继续以第二个pattern匹配下一条输入记录,直到第二个pattern匹配成功. 就"关闭放水的开关停止放水",[开关的状态: 关], 模式范围匹配结束.
4. 以1,2,3步骤进入下一轮模式范围匹配
如:
1 $ awk 'NR==4, /555-3430/ { print $0}' myfile
2 Bill 555-1675 bill.drowning@hotmail.com A
3 Broderick 555-0542 broderick.aliquotiens@yahoo.com R
4 Camilla 555-2912 camilla.infusarum@skynet.be R
5 Fabius 555-1234 fabius.undevicesimus@ucb.edu F
6 Julie 555-6699 julie.perscrutabor@skeeve.com F
7 Martin 555-6480 martin.codicibus@hotmail.com A
8 Samuel 555-3430 samuel.lanceolis@shu.edu A
先执行 NR==4 这个 pattern 匹配, 当第四条记录匹配成功时, 放水开关打开, 开始放水了, 即开始执行action , 执行 print $0 , 输出第四条记录.
接着使用 /555-3430/ 当前记录, 不成功.
第5条记录继续执行 action.继续以第二个pattern匹配这条记录..不成功..,开关是开的
第6条记录继续执行 action.继续以第二个pattern匹配这条记录..不成功..,开关是开的
...
..
直到匹配 /555-3430/, 第二个pattern匹配成功. 开关关闭. 模式范围匹配结束..
开始下一轮模式范围匹配..
以上就是各种 pattern 的简要解说了.. 至于 action, 也没啥可说的, action一般做具体的事情.
那些个流程控制语句 if/for/while 等一般都属于action了, 不能做为 pattern了.
