1. Struktura programu¶

Program w języku AWK jest składa się z sekwencji par wzorzec {akcja} i definicji funkcji użytkownika.

Wzorcem może być:

BEGIN
END
wyrażenie
wyrażenie, wyrażenie

Instrukcje zakończone są znakami nowej linii, średnikami lub oboma tymi znakami. Grupy instrukcji, jak akcje czy ciała pętli, łączone są w bloki za pośrednictwem { ... }, jak w C. Ostatnia instrukcja w bloku nie wymaga znaku kończącego. Puste wiersza nie mają znaczenia; pusta instrukcja zakończona jest średnikiem. Długie instrukcje można kontynuować przy pomocy odwrotnego ukośnika \. Instrukcję można podzielić między wiersze bez użycia odwrotnego ukośnika po przecinku, nawiasie otwierającym, &&, ||, do, else, nawiasie zamykającym instrukcji if, while lub for oraz nawiasie zamykającym definicji funkcji. Komentarze zaczynają się od # i rozciągają się do aż końca wiersza, choć go nie obejmują.

Poniższe instrukcje sterują przepływem programu wewnątrz bloków.

2. Typy danych, konwersja i porównywanie¶

Istnieją dwa podstawowe typy danych, numeryczny i łańcuch znakowy. Stałe liczbowe mogą być całkowite, jak -2, dziesiętne jak 1.08, lub podane w notacji naukowej jak -1.1e4 czy .28E-3. Wszystkie liczby są reprezentowane wewnętrznie w arytmetyce zmiennoprzecinkowej. Wszystkie obliczenia również są zmiennoprzecinkowe. Tak więc, na przykład, wyrażenie 0.2e2 == 20 jest prawdą. Prawda reprezentowana jest jako 1.0.

Stałe łańcuchowe ujęte są w cudzysłowy.

"To jest łańcuch ze znakiem nowej linii na końcu.\n"

Łańcuchy znakowe mogą być kontynuowane w kolejnych wierszach dzięki poprzedzeniu znaku nowej linii odwrotnym ukośnikiem (\). Rozpoznawane są następujące sekwencje specjalne:

    \\        \


    \"        "


    \a        dzwonek, ascii 7


    \b        backspace, ascii 8


    \t        tabulacja, ascii 9


    \n        znak nowej linii, newline , ascii 10


    \v        tabulacja pionowa, ascii 11


    \f        wysuw strony, formfeed, ascii 12


    \r        powrót karetki, carriage return, ascii 13


    \ddd      1, 2 lub 3 cyfry ósemkowe dla ascii ddd


    \xhh      1 lub 2 cyfry szesnastkowe dla ascii hh

Naprawdę istnieją trzy podstawowe typy danych; trzecim jest liczba i łańcuch, posiadający równocześnie wartość liczbową i wartość łańcuchową. Zmienne definiowane przez użytkownika pojawiają się przy pierwszym ich użyciu i są inicjowane na null, typu "liczba i łańcuch", mające wartość numeryczną 0 a łańcuchową "". Nietrywialne dane typu liczbowo-łańcuchowego pochodzą z wejścia i zwykle przechowywane są w polach (zobacz sekcja 4).

Typ wyrażenia określany jest przez jego kontekst. W razie potrzeby wykonywana jest automatyczna konwersja typów. Na przykład, wyznaczenie wartości instrukcji

	y = x + 2  ;  z = x  "hello"

Przy wyliczaniu, wyraż1 op-rel wyraż2, jeżeli oba operandy są numeryczne lub numeryczno-łańcuchowe, to porównywanie jest numeryczne; jeżeli oba operandy są łańcuchami to porównywanie jest łańcuchowe; jeśli jeden z operandów jest łańcuchem, to operand nie-łańcuchowy jest przekształcany i porównywanie jest łańcuchowe. Wynik jest numeryczny, 1 lub 0.

W kontekstach logicznych, jak if ( wyraż ) instrukcja, wartością wyrażenia łańcuchowego jest prawda wtedy i tylko wtedy, gdy nie jest ono łańcuchem pustym ""; wyrażeń liczbowych wtedy i tylko wtedy gdy nie są numerycznie zerem.

3. Wyrażenia regularne¶

W języku AWK rekordy, pola i łańcuchy są często sprawdzane na dopasowanie do wyrażenia regularnego. Wyrażenia regularne umieszczone są między ukośnikami, a

	wyraż ~ /r/

jest wyrażeniem AWK o wartości 1 jeśli wyraż "pasuje do" r, co oznacza, że pewien podłańcuch wyraż jest w zestawie łańcuchów zdefiniowanych przez r. Jeśli nie występuje dopasowanie, to wyrażenie otrzymuje wartość 0; zastąpienie ~ operatorem "nie pasuje", !~, odwraca znaczenia. Pary wzorzec-akcja

        /r/ { akcja }   i   $0 ~ /r/ { akcja }

są takie same, zaś dla każdego rekordu wejściowego pasującego do r wykonywana jest akcja. Faktycznie, /r/ jest wyrażeniem AWK równoważnym ($0 ~ /r/) wszędzie z wyjątkiem wystąpienia po prawej stronie operatora dopasowania lub przekazywania do funkcji wbudowanej oczekującej jako argumentu wyrażenia regularnego.

AWK stosuje rozszerzone wyrażenia regularne jak egrep(1). Metaznakami wyrażeń regularnych, tj. znakami o specjalnym znaczeniu w wyrażeniach regularnych są

	 ^ $ . [ ] | ( ) * + ?

Wyrażenia regularne konstruowane są z innych wyrażeń regularnych w następujący sposób:

Operatory według rosnącego priorytetu: alternatywa, konkatenacja (złączenie) i operatory jednoargumentowe (*, + lub ?).

Na przykład,

    /^[_a-zA-Z][_a-zA-Z0-9]*$/  i


    /^[-+]?([0-9]+\.?|\.[0-9])[0-9]*([eE][-+]?[0-9]+)?$/

Po prawej stronie operatorów ~ lub !~ może zostać użyte dowolne wyrażenie. Podobnie, dowolne wyrażenie można przekazać do funkcji wbudowanej oczekującej wyrażenia regularnego. W razie potrzeby zostanie ono przekształcone na łańcuch, a następnie zinterpretowane jako wyrażenie regularne. Na przykład,

	BEGIN { identifier = "[_a-zA-Z][_a-zA-Z0-9]*" }
	$0 ~ "^" identifier

mawk rozpoznaje puste wyrażenie regularne, //, dopasowujące łańcuch pusty. Zatem pasuje do niego dowolny łańcuch na początku, końcu i pomiędzy dowolnym znakiem. Na przykład,

	echo  abc | mawk '{ gsub(//, "X") ; print }'
	XaXbXcX

4. Rekordy i pola¶

Rekordy czytane są po jednym na raz, i przechowywane w zmiennej $0. Rekord rozbijany jest na pola, przechowywane w $1, $2, ..., $NF. Wbudowana zmienna NF ustawiana jest na liczbę pól, a NR i FNR są zwiększane o 1. Pola powyżej $NF ustawiane są na "".

Przypisanie do $0 powoduje, że pola i NF są obliczane ponownie. Przypisanie do NF lub do pola powoduje, że $0 jest ponownie tworzone przez złączenie kolejnych pól separowanych przez OFS. Przypisanie do pola o indeksie większym od NF, powiększa NF i powoduje ponowne utworzenie $0.

Dane wejściowe przechowywane w polach są łańcuchami, chyba że całe pole ma postać numeryczną a wówczas typ jest liczbowo-łańcuchowy. Na przykład,

	echo 24 24E |
	mawk '{ print($1>100, $1>"100", $2>100, $2>"100") }'
	0 1 1 1

$0 i $2 są łańcuchami a $1 jest liczbowo-łańcuchowe. Pierwsze porównanie jest numeryczne, drugie łańcuchowe, trzecie łańcuchowe (100 jest konwertowane na "100"), i ostatnie łańcuchowe.

5. Wyrażenia i operatory¶

Składnia wyrażeń jest podobna jak w C. Wyrażeniami pierwotnymi są stałe liczbowe, stałe łańcuchowe, zmienne, pola, tablice i wywołania funkcji. Identyfikator zmiennej, tablicy bądź funkcji może być ciągiem liter, cyfr i znaków podkreślenia, nie rozpoczynającym się od cyfry. Zmienne nie są deklarowane; zaistnieją przy pierwszym do nich odwołaniu, a inicjowane są na null.

Nowe wyrażenia tworzone są z użyciem poniższych, podanych w kolejności rosnącego priorytetu, operatorów:

przypisanie                =  +=  -=  *=  /=  %=  ^=
warunkowe                 ?  :
logiczne or               ||
logiczne and              &&
przynależność do tablicy  in
dopasowanie               ~   !~
relacyjne                 <  >   <=  >=  ==  !=
konkatenacja              (bez specjalnego operatora)
dodawanie/odejmowanie     +  -
mnożenie/dzielenie        *  /  %
jednoargumentowe          +  -
logiczne not              !
potęgowanie               ^
inkrementacja/dekr.       ++ -- (zarówno post jak i pre)
pole                      $

6. Tablice¶

Awk obsługuje tablice jednowymiarowe. Elementy tablic wskazuje się jako tablica[wyraż]. Wyraż jest przekształcane wewnętrznie na typ łańcuchowy, więc, na przykład, A[1] i A["1"] są tym samym elementem, a faktycznym indeksem jest "1". Tablice indeksowane łańcuchami zwane są tablicami asocjacyjnymi (tablicami przyporządkowującymi). Pierwotnie tablica jest pusta; elementy zaistnieją przy pierwszym do nich odwołaniu. Wyrażenie wyraż in tablica daje w wyniku 1 jeżeli istnieje tablica[wyraż], w przeciwnym razie 0.

Istnieje postać instrukcji for wykonująca pętlę po wszystkich indeksach tablicy.

        for ( zmn in tablica ) instrukcja

Instrukcja delete tablica[wyraż], powoduje usunięcie tablica[wyraż]. mawk obsługuje rozszerzenie, delete tablica, które usuwa wszystkie elementy tablicy.

Tablice wielowymiarowe tworzone są sztucznie przez konkatenację z zastosowaniem wbudowanej zmiennej SUBSEP. tablica[wyraż1,wyraż2] jest równoważnikiem tablica[wyraż1 SUBSEP wyraż2]. Sprawdzanie elementu tablicy wielowymiarowej używa indeksu w nawiasach, jak w

	if ( (i, j) in A )  print A[i, j]

7. Zmienne wbudowane¶

Poniższe zmienne są zmiennymi wbudowanymi. Są one inicjowane przed wykonaniem programu.

8. Funkcje wbudowane¶

Funkcje łańcuchowe

Funkcje arytmetyczne

atan2(y,x)     arcus tangens z y/x pomiędzy -PI i PI.

cos(x)         funkcja cosinus, x w radianach.

exp(x)         funkcja wykładnicza.

int(x)         zwraca x obcięte w stronę zera.

log(x)         logarytm naturalny.

rand()         zwraca liczbę losową między zero a jeden.

sin(x)         funkcja sinus, x w radianach.

9. Wejście i wyjście¶

Istnieją dwie instrukcje wyjścia: print i printf.

Lista argumentów print lub printf może być opcjonalnie ujęta w nawiasy. Print formatuje liczby przy pomocy OFMT lub "%d" dla dokładnie całkowitych. "%c" z argumentem numerycznym wypisuje odpowiedni znak 8-bitowy, z argumentem łańcuchowym wypisuje pierwszy znak łańcucha. Wyjście print i printf można przekierować do pliku lub polecenia dołączając > plik, >> plik lub | polecenie na końcu instrukcji drukowania. Przekierowanie otwiera plik lub polecenie tylko raz, kolejne przekierowania dołączane są do już otwartego strumienia. Zgodnie z konwencją, mawk łączy nazwę pliku "/dev/stderr" z stderr, co pozwala na przekierowanie wyników print i printf na standardowe wyjście diagnostyczne. mawk wiąże również, odpowiednio, "-" i "/dev/stdout" z stdin i stdout, co umożliwia przysyłanie tych strumieni do funkcji.

Funkcja wejścia getline ma następujące warianty:

Getline zwraca 0 na końcu pliku, -1 przy błędzie, w pozostałych przypadkach 1.

Polecenia na końcu potoków wykonywane są przez /bin/sh.

Funkcja close(wyraż) zamyka plik lub potok skojarzony z wyraż. Close zwraca 0 jeżeli wyraż jest otwartym plikiem, kod zakończenia jeśli wyraż jest poleceniem potoku, a -1 w pozostałych przypadkach. Close stosowane jest do ponownego odczytu pliku lub polecenia, upewnienia się, że drugi koniec potoku wyjściowego jest zakończony lub do zachowania zasobów plikowych.

Funkcja fflush(wyraż) wymiata plik wyjściowy lub potok skojarzony z wyraż. Fflush zwraca 0 jeśli wyraż jest otwartym strumieniem wyjściowym, w przeciwnym razie -1. Fflush bez argumentu opróżnia stdout. Fflush z pustym argumentem ("") opróżnia wszystkie otwarte wyjścia.

Funkcja system(wyraż) wykorzystuje /bin/sh do wykonania wyraż i zwraca kod zakończenia polecenia wyraż. Zmiany tablicy ENVIRON nie są przekazywane poleceniom wykonywanym przez system lub potoki.

10. Funkcje definiowane przez użytkownika¶

Funkcja definiowana przez użytkownika ma następującą składnię:

    function nazwa( argumenty ) { instrukcje }

Ciało funkcji może zawierać instrukcję zwrócenia wartości (return)

     return opcjonalne-wyraż

Instrukcja return nie jest wymagana. Wywołania funkcji mogą być zagnieżdżane lub rekurencyjne. Wyrażenia przekazywane są funkcjom przez wartość a tablice przez wskazanie. Dodatkowe argumenty służą jako zmienne lokalne i są inicjowane na null. Na przykład, csplit(s,A) wstawia każdy znak s do tablicy A i zwraca długość s.

	function csplit(s, A,	n, i)
	{
	  n = length(s)
	  for( i = 1 ; i <= n ; i++ ) A[i] = substr(s, i, 1)
	  return n
	}

Wstawienie dodatkowych odstępów pomiędzy przekazywanymi parametrami a zmiennymi lokalnymi wynika z konwencji. Do funkcji można odwoływać się przed ich zdefiniowaniem, ale nazwa funkcji i nawias '(' rozpoczynający listę argumentów muszą się stykać, by uniknąć pomyłki z konkatenacją.

11. Podział łańcuchów, rekordów i plików¶

Programy awk używają tego samego algorytmu do rozbicia łańcuchów na tablice przy pomocy split() i rekordów na pola według FS. mawk stosuje zasadniczo ten sam algorytm przy podziale plików na rekordy według RS.

Split(wyraż,A,sep) działa następująco:

Podział rekordów na pola działa tak samo, z wyjątkiem tego, iż części wpisywane są do $1, $2,..., $NF. Jeżeli $0 jest puste, NF jest ustawiane na 0 a wszystkie $i na "".

mawk dzieli pliki na rekordy przy pomocy tego samego algorytmu, ale z tą niewielką różnicą, iż RS jest faktycznie ciągiem kończącym a nie separatorem. (ORS też jest faktycznie ciągiem kończącym).

RS = " " nie ma specjalnego znaczenia.

Jeżeli FS = "", to mawk rozbija rekord na pojedyncze znaki, i, podobnie split(s,A,"") umieszcza poszczególne znaki s w A.

12. Rekordy wielowierszowe¶

Ponieważ mawk interpretuje RS jako wyrażenie regularne, obsługa rekordów wielowierszowych jest łatwa. Ustawienie RS = "\n\n+", powoduje, że rekordy rozdzielane są co najmniej jednym pustym wierszem. Jeżeli FS = " " (domyślnie), to pojedyncze znaki nowej linii, według zasad <ODSTĘPU> powyżej, stają się odstępami a pojedyncze znaki nowej linii są separatorami pól.

Traktowanie wierszy ze spacjami lub tabulacjami jako pustych można uzyskać ustawiając RS = "\n([ \t]*\n)+". W celu utrzymania zgodności z innymi implementacjami awk, ustawienie RS = "" daje te same wyniki, co usunięcie pustych wierszy z początku i końca pliku i określanie rekordów tak, jakby RS = "\n\n+". Posix wymaga, by "\n" zawsze separowało rekordy gdy RS = "" niezależnie od wartości FS. mawk nie obsługuje tej konwencji, gdyż zdefiniowanie "\n" jako <ODSTĘPU> czyni ją zbędną.

W większości przypadków zmieniając RS w celu obsługi rekordów wielowierszowych, stosuje się też zmienione na "\n\n" ORS, aby na wyjściu zachować odstępy między rekordami.

13. Wykonywanie programu¶

Ta sekcja opisuje kolejność wykonywania programu. Po pierwsze, ARGC ustawiane jest na całkowitą liczbę argumentów wiersza poleceń przekazanych do fazy wykonania programu. ARGV[0] ustawiane jest na nazwę interpretera AWK a ARGV[1] ... ARGV[ARGC-1] przechowuje pozostałe argumenty wiersza poleceń z wyjątkiem opcji i źródła programu. Na przykład, dla

	mawk  -f  prog  v=1  A  t=hello  B

ARGC = 5 oraz ARGV[0] = "mawk", ARGV[1] = "v=1", ARGV[2] = "A", ARGV[3] = "t=hello" i ARGV[4] = "B".

Następnie wykonywany jest kolejno każdy z bloków BEGIN. Jeżeli program składa się wyłącznie z bloków BEGIN, to na tym wykonywanie się kończy, w przeciwnym razie otwierany jest strumień wejściowy i wykonywanie jest kontynuowane. Jeżeli ARGC równa się 1, strumień wejściowy ustawiany jest na stdin, w przypadku przeciwnym w poszukiwaniu argumentu plikowego sprawdzane są argumenty wiersza poleceń ARGV[1] ... ARGV[ARGC-1].

Argumenty wiersza poleceń dzielą się na trzy grupy: argumenty plikowe, argumenty przypisań i łańcuchy puste "". Przypisanie ma postać zmn=łańcuch. Podczas sprawdzania ARGV[i] jako możliwego argumentu plikowego, jeśli jest ono puste to jest pomijane; jeśli jest argumentem typu przypisania, odbywa się przypisanie wartości zmiennej zmn a i zmienia się na następny argument; w pozostałych przypadkach ARGV[i] jest otwierane jako wejście. Jeżeli otwarcie nie powiedzie się, wykonywanie programu jest kończone z kodem 2. Jeżeli żaden z argumentów wiersza poleceń nie jest argumentem plikowym, to wejście pochodzi z stdin. Getline w akcji BEGIN otwiera wejście. "-" jako argument plikowy oznacza stdin.

Po otwarciu strumienia wejściowego każdy z rekordów wejścia sprawdzany jest z każdym ze wzorców, a jeśli pasuje, to wykonywana jest akcja skojarzona z danym wzorcem. Wzorzec w postaci wyrażenia pasuje jeśli jego wartością logiczną jest prawda (zobacz koniec sekcji 2). Wzorzec BEGIN zestawiany jest przed rozpoczęciem odczytu wejścia, zaś wzorzec END po przeczytaniu całego wejścia. Wzorzec zakresu, wyraż1,wyraż2, dopasowuje każdy rekord pomiędzy rekordem pasującym do wyraż1 a rekordem pasującym do wyraż2 łącznie z nimi.

Po napotkaniu końca pliku w strumieniu wejściowym, sprawdzane są pozostałe argumenty wiersza poleceń w poszukiwaniu kolejnego argumentu plikowego. Jeśli taki istnieje, to jest otwierany, w przeciwnym wypadku przyjmuje się, że został dopasowany wzorzec END i wykonywane są wszystkie akcje END.

W rozważanym przykładzie, przypisanie v=1 ma miejsce po wykonaniu akcji BEGIN, a dana umieszczona w v otrzymuje typ liczbowo-łańcuchowy. Następnie z pliku A jest czytane wejście. Po końcu pliku A, zmienna t jest ustawiana na łańcuch "hello", a B jest otwierany jako wejście. Po osiągnięciu końca pliku B są wykonywane akcje wzorca END.

Przebieg programu na poziomie wzorzec {akcja} można zmienić przy pomocy instrukcji

     next


     exit  wyraż-opcjonalne.