跳到主要內容

精通awk系列(8)：awk劃分字段的3種方式

回到：









詳細分析awk字段分割


awk讀取每一條記錄之後，會將其賦值給$0，同時還會對這條記錄按照預定義變量FS劃分字段，將劃分好的各個字段分別賦值給$1 $2 $3 $4...$N，同時將劃分的字段數量賦值給預定義變量NF。


引用字段的方式


$N引用字段：



  • N=0：即$0，引用記錄本身

  • 0<N<=NF：引用對應字段

  • N>NF：表示引用不存在的字段，返回空字符串

  • N<0：報錯


可使用變量或計算的方式指定要獲取的字段序號。


awk '{n = 5;print $n}' a.txt
 awk '{print $(2+2)}' a.txt   # 括號必不可少，用於改變優先級
 awk '{print $(NF-3)}' a.txt

分割字段的方式


讀取record之後，將使用預定義變量FS、FIELDWIDTHS或FPAT中的一種來分割字段。分割完成之後，再進入main代碼段(所以，在main中設置FS對本次已經讀取的record是沒有影響的，但會影響下次讀取)。



劃分字段方式(一)：FS或-F


FS或者-F：字段分隔符



  • FS為單個字符時，該字符即為字段分隔符

  • FS為多個字符時，則採用正則表達式模式作為字段分隔符

  • 特殊的，也是FS默認的情況，FS為單個空格時，將以連續的空白（空格、製表符、換行符）作為字段分隔符

  • 特殊的，FS為空字符串""時，將對每個字符都進行分隔，即每個字符都作為一個字段

  • 設置預定義變量IGNORECASE為非零值，正則匹配時表示忽略大小寫(隻影響正則，所以FS為單字時無影響)

  • 如果record中無法找到FS指定的分隔符(例如將FS設置為"\n")，則整個記錄作為一個字段，即$1和$0相等


# 字段分隔符指定為單個字符
 awk -F":" '{print $1}' /etc/passwd
 awk 'BEGIN{FS=":"}{print $1}' /etc/passwd
 
 # 字段分隔符指定為正則表達式
 awk 'BEGIN{FS=" +|@"}{print $1,$2,$3,$4,$5,$6}' a.txt


劃分字段方式(二)：FIELDWIDTHS


指定預定義變量FIELDWIDTHS按字符寬度分割字段，這是gawk提供的高級功能。在處理某字段缺失時非常好用。


用法：



示例1：


# 沒取完的字符串DDD被丟棄，且NF=3
 $ awk 'BEGIN{FIELDWIDTHS="2 3 2"}{print $1,$2,$3,$4}' <<<"AABBBCCDDDD"
 AA BBB CC 
 
 # 字符串不夠長度時無視
 $ awk 'BEGIN{FIELDWIDTHS="2 3 2 100"}{print $1,$2,$3,$4"-"}' <<<"AABBBCCDDDD"
 AA BBB CC DDDD-
 
 # *號取剩餘所有，NF=3
 $ awk 'BEGIN{FIELDWIDTHS="2 3 *"}{print $1,$2,$3}' <<<"AABBBCCDDDD"      
 AA BBB CCDDDD
 
 # 字段數多了，則取完字符串即可，NF=2
 $ awk 'BEGIN{FIELDWIDTHS="2 30 *"}{print $1,$2,NF}' <<<"AABBBCCDDDD"  
 AA BBBCCDDDD 2

示例2：處理某些字段缺失的數據。


如果按照常規的FS進行字段分割，則對於缺失字段的行和沒有缺失字段的行很難統一處理，但使用FIELDWIDTHS則非常方便。


假設a.txt文本內容如下：


ID  name    gender  age  email          phone
 1   Bob     male    28   abc@qq.com     18023394012
 2   Alice   female  24   def@gmail.com  18084925203
 3   Tony    male    21   aaa@163.com    17048792503
 4   Kevin   male    21   bbb@189.com    17023929033
 5   Alex    male    18                  18185904230
 6   Andy    female  22   ddd@139.com    18923902352
 7   Jerry   female  25   exdsa@189.com  18785234906
 8   Peter   male    20   bax@qq.com     17729348758
 9   Steven  female  23   bc@sohu.com    15947893212
 10  Bruce   female  27   bcbd@139.com   13942943905

因為email字段有的是空字段，所以直接用FS劃分字段不便處理。可使用FIELDWIDTHS。


# 字段1：4字符
 # 字段2：8字符
 # 字段3：8字符
 # 字段4：2字符
 # 字段5：先跳過3字符，再讀13字符，該字段13字符
 # 字段6：先跳過2字符，再讀11字符，該字段11字符
 awk '
 BEGIN{FIELDWIDTHS="4 8 8 2 3:13 2:11"}
 NR>1{
     print "<"$1">","<"$2">","<"$3">","<"$4">","<"$5">","<"$6">"
 }' a.txt
 
 # 如果email為空，則輸出它
 awk '
 BEGIN{FIELDWIDTHS="4 8 8 2 3:13 2:11"}
 NR>1{
     if($5 ~ /^ +$/){print $0}
 }' a.txt


劃分字段方式(三)：FPAT


FS是指定字段分隔符，來取得除分隔符外的部分作為字段。


FPAT是取得匹配的字符部分作為字段。它是gawk提供的一個高級功能。


FPAT根據指定的正則來全局匹配record，然後將所有匹配成功的部分組成$1、$2...，不會修改$0。



  • awk 'BEGIN{FPAT="[0-9]+"}{print $3"-"}' a.txt

  • 之後再設置FS或FPAT，該變量將失效


FPAT常用於字段中包含了字段分隔符的場景。例如，CSV文件中的一行數據如下：


Robbins,Arnold,"1234 A Pretty Street, NE",MyTown,MyState,12345-6789,USA

其中逗號分隔每個字段，但雙引號包圍的是一個字段整體，即使其中有逗號。


這時使用FPAT來劃分各字段比使用FS要方便的多。


echo 'Robbins,Arnold,"1234 A Pretty Street, NE",MyTown,MyState,12345-6789,USA' |\
 awk '
     BEGIN{FPAT="[^,]*|(\"[^\"]*\")"}
     {
         for (i=1;i<NF;i++){
             print "<"$i">"
         }
     }
 '

最後，patsplit()函數和FPAT的功能一樣。


檢查字段劃分的方式


有FS、FIELDWIDTHS、FPAT三種獲取字段的方式，可使用PROCINFO數組來確定本次使用何種方式獲得字段。


PROCINFO是一個數組，記錄了awk進程工作時的狀態信息。


如果：



  • PROCINFO["FS"]=="FS"，表示使用FS分割獲取字段

  • PROCINFO["FPAT"]=="FPAT"，表示使用FPAT匹配獲取字段

  • PROCINFO["FIELDWIDTHS"]=="FIELDWIDTHS"，表示使用FIELDWIDTHS分割獲取字段


例如：


if(PROCINFO["FS"]=="FS"){
     ...FS spliting...
 } else if(PROCINFO["FPAT"]=="FPAT"){
     ...FPAT spliting...
 } else if(PROCINFO["FIELDWIDTHS"]=="FIELDWIDTHS"){
     ...FIELDWIDTHS spliting...
 }
本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理【其他文章推薦】

※USB CONNECTOR掌控什麼技術要點? 帶您認識其相關發展及效能



※評比前十大台北網頁設計、台北網站設計公司知名案例作品心得分享



※智慧手機時代的來臨，RWD網頁設計已成為網頁設計推薦首選



Orignal From: 精通awk系列(8)：awk劃分字段的3種方式

留言

張貼留言

這個網誌中的熱門文章

有了四步解題法模板，再也不害怕動態規劃！（看不懂算我輸）

導言 動態規劃問題一直是算法面試當中的重點和難點，並且動態規劃這種通過空間換取時間的算法思想在實際的工作中也會被頻繁用到，這篇文章的目的主要是解釋清楚 什麼是動態規劃 ，還有就是面對一道動態規劃問題，一般的 思考步驟 以及其中的注意事項等等，最後通過幾道題目將理論和實踐結合。 什麼是動態規劃 如果你還沒有聽說過動態規劃，或者僅僅只有耳聞，或許你可以看看 Quora 上面的這個 回答 。 How to explain dynamic 用一句話解釋動態規劃就是 " 記住你之前做過的事 "，如果更準確些，其實是 " 記住你之前得到的答案 "。 我舉個大家工作中經常遇到的例子。 在軟件開發中，大家經常會遇到一些系統配置的問題，配置不對，系統就會報錯，這個時候一般都會去 Google 或者是查閱相關的文檔，花了一定的時間將配置修改好。 過了一段時間，去到另一個系統，遇到類似的問題，這個時候已經記不清之前修改過的配置文件長什麼樣，這個時候有兩種方案，一種方案還是去 Google 或者查閱文檔，另一種方案是借鑒之前修改過的配置，第一種做法其實是萬金油，因為你遇到的任何問題其實都可以去 Google，去查閱相關文件找答案，但是這會花費一定的時間，相比之下，第二種方案肯定會更加地節約時間，但是這個方案是有條件的，條件如下： 之前的問題和當前的問題有着關聯性，換句話說，之前問題得到的答案可以幫助解決當前問題 需要記錄之前問題的答案 當然在這個例子中，可以看到的是，上面這兩個條件均滿足，大可去到之前配置過的文件中，將配置拷貝過來，然後做些細微的調整即可解決當前問題，節約了大量的時間。 不知道你是否從這些描述中發現，對於一個動態規劃問題，我們只需要從兩個方面考慮，那就是 找出問題之間的聯繫 ，以及 記錄答案 ，這裏的難點其實是找出問題之間的聯繫，記錄答案只是順帶的事情，利用一些簡單的數據結構就可以做到。 概念 上面的解釋如果大家可以理解的話，接    動態規劃 算法是通過拆分問題，定義問題狀態和狀態之間的關係，使得問題能夠以遞推（或者說分治）的方式去解決。它的幾個重要概念如下所述。    階段： 對於一個完整的問題過程，適當的切分為若干個相互聯繫的子問題，每次在求解一個子問題...
張貼留言
閱讀完整內容

計算機本地文件快要滅絕了

　　 編者按： 文件是数字世界的基石，是我們基本的工作單位。但是，隨着互聯網的雲化、平台化、服務化，文件日益變得可有可無。這樣一種改變究竟好不好呢？喜歡懷舊的 Simon Pitt 開始回顧各種文件的好處，哪怕這讓他顯得不合時宜。原文發表在 medium 上，標題是：Computer Files Are Going Extinct 　　我喜歡文件。我喜歡對文件重命名、移動、排序，改變它們在文件夾中的显示方式，去備份文件，將之上傳到互聯網，恢復它們，對其進行複製，甚至還可以對文件進行碎片整理。作為信息存儲方式的一種隱喻，在我看來文件是很出色的。我喜歡把文件當作一個工作單位。如果我要寫篇文章，文章會放在文件裏面。如果我要生成圖像，圖像會保存進文件裏面。 　　 謳歌 files.doc 　　文件是擬物化的。這是個很花哨的詞，只是用來表示文件是反映現實物品的一個数字概念。比方說，Word 文檔就像一張紙，躺在你的辦公桌上（desktop）。JPEG 就像一幅畫，等等。它們每個都有一個小圖標，圖標的樣子看起來像它們所代表的現實物品。一堆紙，一個畫框，一個馬尼拉文件夾。真的挺很迷人的。 　　我喜歡文件的一點是，不管裏面有什麼，跟文件的交互方式總是一致的。我上面提到的那些東西——複製、排序、碎片整理——我可以對任何文件進行那些處理。文件可能是圖像、遊戲的一部分、也可能是我最喜歡的餐具清單。碎片整理程序不在乎它是什麼。它不會去判斷內容。 　　自從我開始在 Windows 95 裏面創建文件以來，我就一直都很喜歡文件。但是我注意到我們已經開始慢慢地遠離把文件當作基本工作單位的做法。 Windows95。我的計算機 　　 services.mp3 的興起 　　十幾歲的時候，我開始痴迷於收集和管理数字音樂：我收藏 MP3 文件。一大堆的 128 kbps MP3 文件。如果你足夠幸運，有自己的 CD 刻錄機的話，就可以將它們刻錄到 CD 上，然後在朋友之間傳遞。一張 CD 可以容納 700 MB。這相當於將近 500 張軟盤！ 　　我會仔細端詳我的收藏，然後煞費苦心地給它們添加上 IDv1 和 IDv2 音樂標籤。隨着時間的流逝，大家開始開發可以在雲端自動獲取曲目列表的工具，這樣你就可以檢查和驗證 MP3 的質量。有時候我甚至會去聽那些該死的東西，儘管...
張貼留言
閱讀完整內容

純電動 Mini Cooper SE 將成為中國國產車，年產 16 萬輛

BMW 集團與中國長城汽車合資，將於江蘇建立新廠，專門投入生產 MINI Cooper SE 和部分長城品牌電動車，預計於 2022 年完工並投入生產，每年將可生產 16 萬輛電動車。 靈動可愛的 Mini Cooper，在許多車迷心中都有著特殊的地位，今年 7 月發表了首款純電動版本的 Mini Cooper SE 之後，獲得熱烈迴響，預訂數量已接近 8 萬台，顯示大家對於純電 Mini 的熱愛，因為油電版的 Mini Cooper Countryman 的全球總銷售量也才 3 萬出頭。 Mini Cooper SE 之前公布了官方定價，最低從 27,900 歐元起算，美國售價約 29,900 美元。相比現有的三門款，只貴了一成左右。然而，三年後，中國消費者將有機會買到最便宜的電動 Mini。 電動 Mini Cooper SE 最低價是 27,900 歐元，扣掉全額補助最低可以到 24,400 歐元。 BMW 集團與中國長城汽車集團於 2018 年宣布，將組建合資公司光束汽車，投入在中國的電動車生產計畫，而現在他們正式宣布啟動計畫，於江蘇張家港打造一個新工廠，全部投入電動車的製造，包括了 Mini Cooper SE 和其他長城汽車旗下的電動車。 目前的電動 Mini 只在英國牛津工廠製造，不難想像當產能轉移到中國後，Mini Cooper SE 的價格將有機會進一步調降，來競爭全球最大的電動車市場。這座屬於合資公司光束汽車的新工廠，採用一個新的產銷模式，由 BMW 和長城共同合作開發、設計、製造新產品，但是銷售通路完全沿用原本的品牌渠道。 換句話說，2020 年到 2022 年銷售的電動 Mini，將會是英國製造，而 2022 年後就會有中國製造版本開賣，考量到 Mini 在中國每年約有 30 萬輛的銷售額，同時油電版的 Coutryman 銷量更佔了全球將近五分之一，無怪乎 BMW 會想在最接近主要市場的地方蓋工廠囉。 外型完美復刻油車版 最後，簡單介紹一下 Mini Cooper SE 這台車。Mini 在電動化的路上，盡力保持著跟經典造型一致的設計，畢竟大家愛的就是它的設計。電動版的 Mini 車頭、車身跟車屁股都多了一個黃色的插頭標誌，車頭的氣壩則變成封閉式設計，除此之外，幾乎看不出來差別，連馬達...
張貼留言
閱讀完整內容