A parancssor tartalmazza magát a gawk-ot, az AWK program szövegét (ha nem a -f vagy --file kapcsolóval adjuk meg), valamint azokat az értékeket, amelyeket az ARGC és ARGV elôre definiált változókban lehet majd elérni.
A Gawk kapcsolók lehetnek a hagyományos POSIX egy betûből álló kapcsolók, vagy a GNU stílusú hosszabb kapcsolók. A POSIX kapcsolók egy ``-'' jellel kezdődnek , míg a GNU hosszú kapcsolók ``--'' jellel. A GNU stílusú hosszú kapcsolók használhatóak mind a GNU-specifikus , mind a POSIX által meghatározott lehetőségekhez. Az AWK más implementációi lehet , hogy csak a hagyományos , egy betûs kapcsolókat fogadják el.
A POSIX szabványnak megfelelően , gawk -specific opciókat a -W opció argumentumaként lehet megadni . Több -W kapcsolót is meg lehet adni, illetve több argumentumot vesszővel elválasztva , vagy idézőjelben ,szóközökkel elválasztva. A -W opció argumentumaiban a kis és nagybetûket nem különböztetjük meg . Minden -W opciónak van egy megfelelő GNU stílusú hosszú kapcsolója, amint az lejjebb részletezve van. A GNU stílusú kapcsolók argumentumai lehetnek a kapcsoló után egy = jellel elválasztva , szóközök nélkül , vagy megadhatók a következő parancssorban.
A Gawk a következő kapcsolókat fogadja el:
A "-W source=" formában megadott opció a parancssor egész hátralevö részét a program-text ; paraméternek tekinti, más -W opciók nem használhatók ebben az argumentumban.
Kompatibilitási üzemmódban minden más opció illegálisnak számít, de máskülönben figyelmen kívü hagyott. Normál üzemmódban, ha a program-text paraméter adott, akkor az ismeretlen kapcsolók feldolgozásra az AWK-nak továbbítódnak az ARGV tömbben. Ez különösen hasznos AWK programok futtatásánál a ``#!'' interpreter mechanizmuson keresztül.
An AWK program consists of a sequence of pattern-action statements and optional function definitions.
pattern { action statements }
function name(parameter list) { statements }
Gawk first reads the program source from the program-file (s) if specified, from arguments to "-W source=" , or from the first non-option argument on the command line. The -f and "-W source=" options may be used multiple times on the command line. Gawk will read the program text as if all the program-file s and command line source texts had been concatenated together. This is useful for building libraries of AWK functions, without having to include them in each new AWK program that uses them. It also provides the ability to mix library functions with command line programs.
The environment variable AWKPATH specifies a search path to use when finding source files named with the -f option. If this variable does not exist, the default path is ".:/usr/lib/awk:/usr/local/lib/awk". If a file name given to the -f option contains a ``/'' character, no path search is performed.
Gawk executes AWK programs in the following order. First, all variable assignments specified via the -v option are performed. Next, gawk compiles the program into an internal form. Then, gawk executes the code in the BEGIN block(s) (if any), and then proceeds to read each file named in the ARGV array. If there are no files named on the command line, gawk reads the standard input.
If a filename on the command line has the form var = val it is treated as a variable assignment. The variable var will be assigned the value val . (This happens after any BEGIN block(s) have been run.) Command line variable assignment is most useful for dynamically assigning values to the variables AWK uses to control how input is broken into fields and records. It is also useful for controlling state if multiple passes are needed over a single data file.
If the value of a particular element of ARGV is empty (""), gawk skips over it.
For each line in the input, gawk tests to see if it matches any pattern in the AWK program. For each pattern that the line matches, the associated action is executed. The patterns are tested in the order they occur in the program.
Finally, after all the input is exhausted, gawk executes the code in the END block(s) (if any).
As each input line is read, gawk splits the line into fields , using the value of the FS variable as the field separator. If FS is a single character, fields are separated by that character. Otherwise, FS is expected to be a full regular expression. In the special case that FS is a single blank, fields are separated by runs of blanks and/or tabs. Note that the value of IGNORECASE (see below) will also affect how fields are split when FS is a regular expression.
If the FIELDWIDTHS variable is set to a space separated list of numbers, each field is expected to have fixed width, and gawk will split up the record using the specified widths. The value of FS is ignored. Assigning a new value to FS overrides the use of FIELDWIDTHS , and restores the default behavior.
Each field in the input line may be referenced by its position, $1 , $2 , and so on. $0 is the whole line. The value of a field may be assigned to as well. Fields need not be referenced by constants:
n = 5
print $n
prints the fifth field in the input line. The variable NF is set to the total number of fields in the input line.
References to non-existent fields (i.e. fields after $NF ) produce the null-string. However, assigning to a non-existent field (e.g., "$(NF+2) = 5" ) will increase the value of NF , create any intervening fields with the null string as their value, and cause the value of $0 to be recomputed, with the fields being separated by the value of OFS . References to negative numbered fields cause a fatal error.
AWK's built-in variables are:
A tömbök indexhatárait szögletes zárójelben levő kifejezéssel adjuk meg ( [ " és " ] ). Ha a kifejezés egy kifejezés lista ( kif ", " kif " ...)" akkor a tömb indexeit az a sztring határozza meg, amely a kifejezések (sztring) értékeineknek konkatenációjával jött létre. Ezeket a kifejezéseket SUBSEP változó választja el. Ezzel a lehetőséggel többdimenziós tömböket szimulálhatunk. Például:
a "hello, world\n" sztringet az x tömb azon eleméhez rendeli amelyet az "A\034B\034C" sztring határoz meg. Az AWK-ban minden tömb hasonló abban az értelemben, hogy sztringértékekkel indexeljük őket.
Az in különleges operátort if vagy while kifejezésben használhatjuk arra, hogy megnézzük, hogy a tömbnek van-e egy meghatározott értékű indexe.
if (val in array)
print array[val]
Ha a tömbnek több indexe van, akkor az "(i, j) in array" alakot használjuk.
Az in szerkezetet for ciklusban is használhatjuk, ha végig akarunk menni a tömb elemein.
A tömb egy elemét a delete paranccsal törölhetjük. A delete segítségével a tömb teljes tartalmát is törölhetjük.
A változók és mezők (lebegőpontos) számok vagy sztringek (vagy mindkettő) lehetnek. A változó értékének értelmezése a kontextus alapján történik. Ha numerikus kifejezésben használjuk akkor számként, ha pedig sztringként használjuk akkor sztringként kezeli őket a gép.
Ha változót mindenképp számként akarjuk kezelni, akkor adjuk hozzá 0-át, ha pedig sztringként, akkor üres sztringet fűzzünk hozzá.
Ha sztringet számmá kell konvertálni, akkor a konverzió az atof (3) segítségével történik. Szám konverziója sztringgé CONVFMT értékének segítségével történik, amely formátum sztringje sprintf (3)-nek, ahol a változó numerikus értéke az argumentum. Annak ellenére, hogy az AWK-ban minden szám lebegőpontos, a gép az egész számokat mindig integer típusúvá konvertálja. Tehát a
CONVFMT = "%2.2f" a = 12 b = a ""
módon megadott változónak b a sztringértéke "12", nem pedig "12.00".
A Gawk az összehasonlításokat a következőképpen végzi: Ha a két változó numerikus, akkor numerikusan hasonlítja őket össze. Ha az egyik érték numerikus a másik olyan sztring, amely egy szám, akkor az összehasonlítás numerikus. Egyéként a numerikus értékeket sztringgé alakítja, és sztringként történik az összahasonlítás. Két sztringet nyilván sztringként hasonlít össze. A POSIX szabványban, ha két sztring tartalma szám, akkor numerikus az összahasonlítás. Viszont ez nyilvánvalóan helytelen és a gawk nem így csinálja.
Ha a változóknak nem adunk kezdőértéket akkor a 0 és a "" (üres sztring) értéket veszik fel.
"{ print }"
felel meg, ami egy egész sort ír ki.
A megjegyzések a "#" jellel kezdődnek, és a sor végéig tartanak. Az állításokat üres sorral is elválaszthatjuk. Általában egy állítás végét az újsor jelenti, kivéve ha a sor végén a ",", "{", "?", ":", "&&", vagy "||" jelek valamelyike van. Azok az állítások, amelyeknél a sor végén do vagy else van, a automatikusan következő sorban folytatódnak. Más esetben ha a sort "\" jellel zárjuk, akkor az újsor figyelmen kívül marad.
Ha több állítást írunk egy sorba, akkor őket a ";" jellel kell elválasztanunk. Ez a minta-művelet pár műveleti részén belüli állításokra (általános eset) és a magukra a minta-műveletek állításaira is vonatkozik.
BEGIN END / regular expression / relational expression pattern && pattern pattern || pattern pattern ? pattern : pattern ( pattern ) ! pattern pattern1 , pattern2
BEGIN and END are two special kinds of patterns which are not tested against the input. The action parts of all BEGIN patterns are merged as if all the statements had been written in a single BEGIN block. They are executed before any of the input is read. Similarly, all the END blocks are merged, and executed when all the input is exhausted (or when an exit statement is executed). BEGIN and END patterns cannot be combined with other patterns in pattern expressions. BEGIN and END patterns cannot have missing action parts.
For / regular expression / patterns, the associated statement is executed for each input line that matches the regular expression. Regular expressions are the same as those in egrep (1), and are summarized below.
A relational expression may use any of the operators defined below in the section on actions. These generally test whether certain fields match certain regular expressions.
The && , || , and ! operators are logical AND, logical OR, and logical NOT, respectively, as in C. They do short-circuit evaluation, also as in C, and are used for combining more primitive pattern expressions. As in most languages, parentheses may be used to change the order of evaluation.
The ?: operator is like the same operator in C. If the first pattern is true then the pattern used for testing is the second pattern, otherwise it is the third. Only one of the second and third patterns is evaluated.
The pattern1 , pattern2 form of an expression is called a range pattern . It matches all input records starting with a line that matches pattern1 , and continuing until a record that matches pattern2 , inclusive. It does not combine with any other sort of pattern expression.
The escape sequences that are valid in string constants (see below) are also legal in regular expressions.
The operators in AWK, in order of increasing precedence, are
A vezérlô utasítások a következôek:
if (feltétel) utasítás [ else utasítás ]
while (feltétel) utasítás
do utasítás while (feltétel)
for (kif1; kif2; kif3) utasítás
for (változó in tömb) utasítás
break
continue
delete tömb[index]
delete tömb
exit [ kifejezés ]
{ utasítások }
Az input/output utasítások a következôek:
Más input/output átirányísok szintén megengedettek. A print-nél és a printf-nél a >> file hozzáfûzi az outputot a file-hoz, míg a | command pipe-ba továbbítja. Hasonlóan a command | getline a getline-nak továbbít. A getline parancs 0-t ad vissza ha eléri a file végét, hiba esetén pedig -1 -et.
The AWK versions of the printf statement and sprintf() function (see below) accept the following conversion specification formats:
There are optional, additional parameters that may lie between the % and the control letter:
The dynamic width and prec capabilities of the ANSI C printf() routines are supported. A * in place of either the width or prec specifications will cause their values to be taken from the argument list to printf or sprintf() .
When doing I/O redirection from either print or printf into a file, or via getline from a file, gawk recognizes certain special filenames internally. These filenames allow access to open file descriptors inherited from gawk 's parent process (usually the shell). Other special filenames provide access information about the running gawk process. The filenames are:
Ezek fôleg hibaüzenetként használhatók. Például:
különben ezt kellene használni
Ezek a filenevek használhatók a parancssorban az adatfileok megnevezésére.
Az AWKnak a következô elôre definiált aritmetikai függvényei vannak:
Az AWK a következô elôdefiniált sztringkezelô függvénykkel rendelkezik
Mivel az AWK programok egyik elsôdleges felhasználása a log file-ok kezelése,melyek keltezé idôrôl tartalmaznak információt,a GAWK a következô két függ vénnyel rendelkezik a keltezési idô leolvasására és formatálására
String constants in AWK are sequences of characters enclosed between double quotes ("). Within strings, certain "escape sequences" are recognized, as in C. These are:
The escape sequences may also be used inside constant regular expressions (e.g., "/[ \t\f\n\r\v]/" matches whitespace characters).
Functions are executed when called from within the action parts of regular pattern-action statements. Actual parameters supplied in the function call are used to instantiate the formal parameters declared in the function. Arrays are passed by reference, other variables are passed by value.
Since functions were not originally part of the AWK language, the provision for local variables is rather clumsy: They are declared as extra parameters in the parameter list. The convention is to separate local variables from real parameters by extra spaces in the parameter list. For example:
function f(p, q, a, b) { # a & b are local
..... }
/abc/ { ... ; f(1, 2) ; ... }
The left parenthesis in a function call is required to immediately follow the function name, without any intervening white space. This is to avoid a syntactic ambiguity with the concatenation operator. This restriction does not apply to the built-in functions listed above.
Functions may call each other and may be recursive. Function parameters used as local variables are initialized to the null string and the number zero upon function invocation.
The word func may be used in place of function .
Print and sort the login names of all users:
BEGIN { FS = ":" } { print $1 | "sort" }
Count lines in a file:
{ nlines++ } END { print nlines }
Precede each line by its number in the file:
{ print FNR, $0 }
Concatenate and line number (a variation on a theme):
{ print NR, $0 }
The AWK Programming Language , Alfred V. Aho, Brian W. Kernighan, Peter J. Weinberger, Addison-Wesley, 1988. ISBN 0-201-07981-X.
The GAWK Manual , Edition 0.15, published by the Free Software Foundation, 1993.
The -v option for assigning variables before program execution starts is new. The book indicates that command line variable assignment happens when awk would otherwise open the argument as a file, which is after the BEGIN block is executed. However, in earlier implementations, when such an assignment appeared before any file names, the assignment would happen before the BEGIN block was run. Applications came to depend on this ``feature.'' When awk was changed to match its documentation, this option was added to accommodate applications that depended upon the old behavior. (This feature was agreed upon by both the AT&T and GNU developers.)
The -W option for implementation specific features is from the POSIX standard.
When processing arguments, gawk uses the special option ``--'' to signal the end of arguments. In compatibility mode, it will warn about, but otherwise ignore, undefined options. In normal operation, such arguments are passed on to the AWK program for it to process.
The AWK book does not define the return value of srand() . The System V Release 4 version of UNIX awk (and the POSIX standard) has it return the seed it was using, to allow keeping track of random number sequences. Therefore srand() in gawk also returns its current seed.
Other new features are: The use of multiple -f options (from MKS awk ); the ENVIRON array; the \a , and \v escape sequences (done originally in gawk and fed back into AT&T's); the tolower() and toupper() built-in functions (from AT&T); and the ANSI C conversion specifications in printf (done first in AT&T's version).
A gawk következõ elemei nem használhatók a POSIX awk-val .
Az AWK könyv nem definiálja a close() függvény visszatérési értékét. A Gawk close() függvénye az fclose (3), vagy a pclose (3) értékével tér vissza, illetve mikor egy filet vagy egy pipe-t bezár.
Mikor a gawk-ot segitségül hivjuk a -W compat opcióval , és ha az fs argumentum -F opciója ``t'', akkor az FS a tab karakterre állitódik. Mivel ez elég ritka eset , ez nem az alapértelmezés. Ez akkor sem fordul elõ ,ha a -W posix specifikálva lett.
Ha a gawk ellenõrzés céljából van leforditva , a következõ plusz opciók lesznek lehetségesek:
a = length
is the same as either of
a = length()
a = length($0)
This feature is marked as ``deprecated'' in the POSIX standard, and gawk will issue a warning about its use if -W lint is specified on the command line.
The other feature is the use of either the continue or the break statements outside the body of a while , for , or do loop. Traditional AWK implementations have treated such usage as equivalent to the next statement. Gawk will support this usage if -W compat has been specified.
If your system actually has support for /dev/fd and the associated /dev/stdin , /dev/stdout , and /dev/stderr files, you may get different output from gawk than you would get on a system without those files. When gawk interprets these files internally, it synchronizes output to the standard output with output to /dev/stdout , while on a system with those files, the output is actually to different open files. Caveat Emptor.
Starting with the 2.15 version of gawk , the -c , -V , -C , -D , -a , and -e options of the 2.11 version are no longer recognized. This fact will not even be documented in the manual page for the next major version.
Paul Rubin and Jay Fenlason, of the Free Software Foundation, wrote gawk , to be compatible with the original version of awk distributed in Seventh Edition UNIX. John Woods contributed a number of bug fixes. David Trueman, with contributions from Arnold Robbins, made gawk compatible with the new version of UNIX awk . Arnold Robbins is the current maintainer.
The initial DOS port was done by Conrad Kwok and Scott Garfinkle. Scott Deifik is the current DOS maintainer. Pat Rankin did the port to VMS, and Michal Jaegermann did the port to the Atari ST. The port to OS/2 was done by Kai Uwe Rommel, with contributions and help from Darrel Hankerson.
Before sending a bug report, please do two things. First, verify that you have the latest version of gawk . Many bugs (usually subtle ones) are fixed at each release, and if your's is out of date, the problem may already have been solved. Second, please read this man page and the reference manual carefully to be sure that what you think is a bug really is, instead of just a quirk in the language.