Registros¶

Normalmente, los registros se separan por caracteres de salto de línea. Puede controlar cómo son separados los registros asignando valores a la variable predefinida RS. Si RS tiene un único carácter, ese carácter separará los registros. De otro modo, RS se considerará como una expresión regular. El texto de la entrada que concuerde con esa expresión regular será el que separará los registros. De todas maneras, en el modo compatibilidad, solo el primer carácter de esa cadena será usado para separar registros. Si RS contiene la cadena vacía, entonces los registros serán separados por espacios en blanco. Cuando RS contiene la cadena vacía, el carácter de salto de línea siempre actúa como separador de campos, añadiéndose a cualquier valor que FS pudiera tener.

Campos¶

Conforme cada registro de entrada es leído, gawk divide el registro en campos, usando el valor de la variable FS como separados de campos. Si FS tiene un único carácter, los campos serán separados por ese carácter. Si FS contiene la cadena vacía, entonces cada carácter individual se convierte en separador de campo. De otro modo, se espera que FS sea una expresión regular completa. En el caso especial de que FS tuviera un único espacio en blanco, los campos serían separados por tiras de espacios y/o tabuladores y/o saltos de línea. (Vea la discusión sobre --posix, más adelante). Nótese que el valor de IGNORECASE (vea más adelante) afectará también a cómo son divididos los registros en el caso de que FS fuera una expresión regular, y a cómo son separados cuando RS fuera una expresión regular.

Si la variable FIELDWIDTHS está definida como una lista de número separados por espacios, se espera que cada campo tenga ancho fijo, y gawk dividiría el registro usando los anchos especificados. El valor de FS es ignorado es este caso. Asignar un nuevo valor a FS haría saltarse el uso de FIELDWIDTHS, y volver a la forma de actuar por defecto.

Cada campo en el registro de entrada puede ser referenciado por su posición, $1, $2, etc. $0 es el registro completo. El valor de un campo puede ser también asignado. Los campos no necesitan ser referenciados por constantes:

imprime el quinto campo del registro de entrada. La variable NF se define con el número total de campos en el registro de entrada.

Las referencias a campos que no existen (por ejemplo los campos por detrás de $NF) producen la cadena vacía. De todas maneras, la asignación de un campo no existente (por ejemplo, $(NF+2) = 5) incrementaría el valor de NF, creando los campos que intervienen como cadenas vacías, y causando que el valor de $0 fuera recalculado, siendo separados los campos mediante el valor de OFS. Las referencias a campos con numeración negativa causan un error fatal. Decrementar NF causa que el valor de los campos que pasen del nuevo número se pierda, y el valor de $0 sea recalculado, siendo separados los campos mediante el valor de OFS.

Variables Predefinidas¶

Las variables predefinidas de gawk son:

ARGC

EL número de argumentos en la línea de orden (no incluye las opciones para gawk, o el fuente del programa).

ARGIND

El índice en ARGV del fichero que actualmente se está procesando.

ARGV

Tabla con los argumentos de la línea de orden. La tabla está indexada desde el 0 hasta ARGC - 1. Cambiando dinámicamente el contenido de ARGV permite controlar los ficheros usados para datos.

CONVFMT

El formato de conversión para números,por defecto "%.6g".

ENVIRON

Una tabla conteniendo los valores del entorno actual. La tabla se encuentra indexada por el nombre de las variables de entorno, siendo cada elemento el valor para esa variable (por ejemplo, ENVIRON["HOME"] podría ser /home/arnold). Cambiar esta tabla no afecta al entorno de los programas que gawk ejecuta vía redirección o la función system() . (Esto podría cambiar en una futura versión de gawk.)

ERRNO

Si ocurre algún error de sistema tanto por hacer una redirección con getline, durante una lectura con getline, o durante un close(), entonces ERRNO contendrá una cadena de caracteres describiendo el error.

FIELDWIDTHS

Una lista de anchos de campo separados por espacios. Cuando esté definida, gawk analiza la entrada como campos de tamaño fijo, en vez de usando el valor de la variable FS como separador de campo. La capacidad de trabajar con anchos de campo fijos es todavía experimental; las semánticas podrían cambiar conforme gawk se vaya desarrollando en el tiempo.

FILENAME

El nombre del fichero de entrada actual. Si no se ha especificado ningún fichero en la línea de orden, el valor de FILENAME será ``-''. De todos modos, FILENAME no está definida dentro de un bloque BEGIN .

FNR

El número de registro de entrada en el fichero de entrada actual.

FS

El separador de campo de entrada, un espacio por defecto. Vea Fields, más arriba.

IGNORECASE

Controla la sensibilidad a mayúsculas de todas las expresiones regulares y operaciones con cadenas. Si IGNORECASE tiene un valor diferente de cero, entonces las comparaciones entre cadenas y las comprobaciones de patrones en las reglas, la división de campos con FS, la separación de registros con RS, la comprobación de expresiones regulares con ~ y !~, y las funciones predefinidas gensub(), gsub(), index(), match(), split(), y sub() ignorarán la diferencia entre minúsculas y mayúsculas cuando realicen operaciones con expresiones regulares. De este modo, si IGNORECASE no es igual a cero, /aB/ concuerda con todas las cadenas "ab", "aB", "Ab", y "AB". Como con todas las otras variables de AWK, el valor inicial de IGNORECASE es cero, por lo que todas las operaciones con expresiones regulares y cadenas son normalmente sensibles a las mayúsculas. Bajo Unix, el conjunto de caracteres ISO 8859-1 Latin-1 es usado cuando se ignoran las mayúsculas. NOTA: En versiones de gawk anteriores a la 3.0, IGNORECASE solo afectaba a las operaciones con expresiones regulares. Ahora también afecta a las comparaciones de cadenas.

NF

El número de campos en el registro de entrada actual.

NR

El número total de registros de entrada que han aparecido desde el principio.

OFMT

El formato de salida para los números, por defecto es "%.6g".

OFS

El separador de campos de salida, un espacio por defecto.

ORS

El separador de registros de salida, por defecto un salto de línea.

RS

El separador de registros de entrada, por defecto un salto de línea.

RT

El terminador de los registros. Gawk define RT con el texto de entrada que concordó con el carácter o expresión regular especificada por RS.

RSTART

El índice del primer carácter concordado por match(); 0 si no concordó ninguno.

RLENGTH

La longitud de la cadena concordada por match(); -1 si no concordó ninguna.

SUBSEP

El carácter usado para separar múltiples subíndices en elementos de tipo tabla, por defecto "\034".

Tablas¶

Las tablas se indexan mediante una expresión entre corchetes ([ y ]). Si la expresión es una lista de expresiones (expr, expr ...) entonces el índice de la tabla es una cadena de caracteres resultado de la concatenación de los valores (cadenas) de cada una de las expresiones, separados por el valor de la variable SUBSEP Esta capacidad se utiliza para simular tablas de múltiples dimensiones. Por ejemplo:

asigna la cadena "hola, mundo\n" al elemento de la tabla x que está indexado por la cadena "A\034B\034C". Todas las tablas en AWK son asociativas, es decir, indexadas por valores de tipo cadena.

El operador especial in puede ser usado en las órdenes if o while para comprobar si una tabla contiene un índice consistente en un valor particular.

if (val in tabla)
	print tabla[val]

Si la tabla tiene múltiples subíndices, use (i, j) in tabla.

La construcción in también puede usarse en bucles de tipo for para iterar sobre todos los elementos de una tabla.

Un elemento puede ser eliminado de una tabla usando la orden delete La orden delete puede ser usada también para borrar completamente los contenidos de una tabla, simplemente especificando el nombre de la tabla sin ningún índice.

Tipado de Variables y Conversiones¶

Las variables y los campos pueden ser números (de coma flotante), o cadenas de caracteres, o ambos. Dependerá del contexto cómo será interpretado el valor de una variable. Si se usa en una expresión numérica, será tratado como número, si se usa como una cadena será tratada como una cadena.

Para forzar que una variable sea tratada como un número, sumele un 0; para forzar que sea tratada como una cadena, concaténela con la cadena vacía.

Cuando una cadena debe ser convertida a número, la conversión se realiza usando atof(3). Un número es convertido en cadena usando el valor de CONVFMT como cadena de formato para sprintf(3), con el valor numérico de la variable como el argumento. De todas maneras, aunque todos los números en AWK son reales de coma flotante, los valores enteros son siempre convertidos como enteros. De tal manera que, dados

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

la variable b contendrá el valor de tipo cadena "12" y no "12.00".

Gawk realiza comparaciones tal y como sigue: Si dos variables son numéricas, son comparadas numéricamente. Si un valor es numérico y el otro tiene un valor de tipo cadena que es un ``cadena numérica'', entonces las comparaciones se hacen numéricamente. En otro caso, el valor numérico es traducido a cadena y se comparan en forma de cadena. Dos cadenas se comparan, por supuesto, en forma de cadena. De acuerdo con el estándar POSIX, si dos cadenas fueran cadenas numéricas debería realizarse una comparación numérica. De todas maneras, esto es claramente incorrecto, y gawk no lo hace así.

Nótese que las constantes de tipo cadena, como "57", no son cadenas numéricas, sino constantes de cadena. La idea de ``cadena numérica'' solo se aplica a los campos, entradas con getline , los elementos de FILENAMEy ARGV , elementos de ENVIRON y los elementos de una tabla creada mediante split() que son cadenas numéricas. La idea básica es que las entradas de usuario, y solo las entradas de usuario, que parezcan numéricas, serán tratadas de esta manera.

Las variables sin inicializar tendrán el valor numérico 0 y la cadena "" (cadena nula o vacía).

Patrones¶

Los patrones de AWK pueden ser uno de los siguientes:

BEGIN
END
/expresión regular/
expresión relacional
patrón && patrón
patrón || patrón
patrón ? patrón : patrón
(patrón)
! patrón
patrón1, patrón2

BEGIN y END son dos patrones de tipo especial que no son utilizados para comprobarlos contra la entrada. Las acciones de todos los patrones BEGIN se juntan como si todas las sentencias hubieran sido escritas en un único bloque BEGIN . Son ejecutadas antes de que se lea algo de la entrada. De forma análoga, todos los bloques END se juntan, y son ejecutados cuando se ha agotado toda la entrada (o cuando se ejecuta una sentencia exit ). Los patrones BEGIN y END no pueden ser combinados con otros patrones en expresiones de patrón. Los patrones BEGIN y END no pueden tener vacía la parte de la acción.

Para los patrones con /expresiones regulares/ , la sentencia asociada se ejecuta para cada registro de entrada que concuerde con la expresión regular. Las expresiones regulares son las mismas que las usadas en egrep(1), y se encuentran resumidas más adelante.

Una expresión relacional puede usar cualquiera de los operadores definidos en la parte de acciones de esta sección. Estas generalmente comprueban si ciertos campos concuerdan con una cierta expresión regular.

Los operadores &&, ||, y ! son respectivamente la Y lógica, la O lógica, y la NO lógica, como en C. Hacen evaluaciones de circuito corto, también como en C, y se usan para combinar varias expresiones de patrón primitivas. Como en la mayoría de los lenguajes, pueden usarse paréntesis para cambiar el orden de la evaluación.

El operador ?: es igual que el mismo operador en C. Si el primer patrón es cierto el patrón usado para las comprobaciones es el segundo, en caso contrario es el tercero. De entre el segundo y el tercer patrón, solo es evaluado uno de ellos.

La forma patrón1, patrón2 para una expresión recibe el nombre de rango de patrones. Concuerda con todos los registros de la entrada que existan entre el registro que concuerde con patrón1, y el registro que concuerde con patrón2, inclusive. No combina con ningún otro tipo de expresión de patrón.

Expresiones Regulares¶

Las expresiones regulares corresponden con el tipo extendido usado en egrep. Están compuestas por caracteres como sigue:

c

concuerda con el carácter c(nometacarácter).

\c

concuerda con el carácter literal c.

.

concuerda con cualquier carácter incluyendo el salto de línea.

^

concuerda con el principio de una cadena.

$

concuerda con el fin de una cadena.

[abc...]

lista de caracteres, concuerda con cualquiera de los caracteres abc....

[^abc...]

lista negada de caracteres, concuerda con cualquier carácter excepto abc....

r1|r2

alternativa: concuerda con r1 o r2.

r1r2

concatenación: concuerda con r1, y después con r2.

r+

concuerda con una o más apariciones de r.

r*

concuerda con cero o más apariciones de r.

r?

concuerda con cero o una aparición de r.

(r)

agrupación: concuerda con r.

r{n}

r{n,}

r{n,m}

Uno o dos números entre llaves denotan una expresión de intervalo. Si hay un número entre llaves, la expreg. precedente r se repite n veces. Si hay dos números separados por una coma, r se repite de n a m veces. Si hay un número seguido de una coma, entonces r se repite como mínimo n veces.

Las expresiones de intervalo solo están disponibles si se especifica --posix o --re-interval en la línea de orden.

\y

concuerda con la cadena vacía tanto en el principio como en el final de una palabra.

\B

concuerda con la cadena vacía dentro de una palabra.

\<

concuerda con la cadena vacía al principio de una palabra.

\>

concuerda con la cadena vacía al final de una palabra.

\w

concuerda con cualquier carácter constitutivo de palabra (letra, dígito, o subrayado.)

\W

concuerda con cualquier carácter que no es constitutivo de palabra.

\`

concuerda con la cadena vacía al principio de un búfer (cadena).

\'

concuerda con la cadena vacía al final de un búfer.

Las secuencias de escape que son válidas en las constantes de cadena (vea abajo) son también legales en las expresiones regulares.

Las clases de caracteres son una nueva característica introducida en el estándar POSIX. Una clase de caracteres es una notación especial para describir listas de caracteres que tienen un atributo específico, pero donde los caracteres en sí mismos pueden variar entre países diferentes y/o entre juegos de caracteres diferentes. Por ejemplo, la noción de lo que es un carácter alfanumérico difiere entre los EEUU y Francia.

Una clase de caracteres solo es válida en una expreg dentro de las llaves de una lista de caracteres. Las clases de caracteres consisten en [:, una palabra clave que denota la clase, y :]. Estas son las clases de caracteres definidas por el estándar POSIX.

[:alnum:]

Caracteres alfanuméricos.

[:alpha:]

Caracteres alfabéticos.

[:blank:]

Espacio en blanco o tabulador.

[:cntrl:]

Caracteres de control.

[:digit:]

Caracteres numéricos.

[:graph:]

Caracteres que son imprimibles y visibles al mismo tiempo. (Un espacio en blanco es imprimible, pero no visible, mientras que una a es las dos cosas.)

[:lower:]

Caracteres alfabéticos en minúscula.

[:print:]

Caracteres imprimibles (aquellos que no tienen caracteres de control.)

[:punct:]

Caracteres de puntuación (aquellos que no son letras, dígitos, caracteres de control, o caracteres de espaciado.)

[:space:]

Caracteres de espaciado (como el espacio en blanco, el tabulador, y el salto de página, por nombrar algunos.)

[:upper:]

Caracteres alfabéticos en mayúscula.

[:xdigit:]

Caracteres que son dígitos hexadecimales.

Por ejemplo, antes del estándar POSIX, para concordar caracteres alfanuméricos, tendría que haber escrito /[A-Za-z0-9]/. Si su juego de caracteres contiene otros caracteres alfabéticos, esta especificación no los hubiera recogido. Usando las clases de caracteres de POSIX, puede escribir /[[:alnum:]]/, y esto concordaría con todos los caracteres alfabéticos y numéricos de su juego de caracteres.

Adicionalmente en las listas de caracteres pueden aparecer dos secuencias especiales. Esto se aplica a los juegos de caracteres no ASCII, los cuales pueden contener símbolos (llamados elementos equivalentes) los cuales son representados por más de un carácter, al igual que varios caracteres que son equivalentes para propósitos de comparación u ordenación. (Por ejemplo, en Español, una ``e'' normal y una con tilde "á" son equivalentes.)

Símbolos Equivalentes

Un símbolo equivalente es un elemento formado por más de un carácter englobado entre [. y .]. Por ejemplo, si ch es un elemento equivalente, entonces [[.ch.]] es una expresión regular que se ajusta con este elemento equivalente, mientras que [ch] es una expresión regular que se ajusta con una c o con una h.

Clases de Equivalencia

Una clase de quivalencia es un nombre (específico para una localización determinada) para una lista de caracteres que son equivalentes. El nombre se engloba entre [= y =]. Por ejemplo, el nombre e puede ser utilizado para representar a todos estos: ``e,'' ``è,'' y ``é.'' En este caso, [[=e]] es una expresión regular que se ajusta con
.BR e ,
.BR è , o
.BR é .

Estas características son especialmente útiles para las localizaciones de habla no inglesa. Las funciones de librería que usa gawk para el ajuste de expresiones regulares solo reconoce las clases de caracteres POSIX; no reconocen ni los símbolos equivalentes ni las clases de equivalencia.

Los operadores \y, \B, \<, \>, \w, \W, \`, y \' son específicos para gawk; son extensiones basadas en las capacidades de las librerías de expresiones regulares de GNU.

Varias opciones de la línea de ordenes controlan cómo gawk interpreta los caracteres en las expresiones regulares.

Sin opciones

En el caso por defecto, gawk provee de todas las posibilidades de las expresiones regulares de POSIX y los operadores de expresiones regulares de GNU descritos anteriormente. Aun con todo, no son soportadas las expresiones de intervalo.

--posix

Solo se aceptan las expresiones regulares de POSIX, los operadores de GNU no son considerados especiales. (Por ejemplo, \w concuerda con el literal w). Las expresiones regulares están permitidas.

--traditional

Se aceptan las expresiones regulares de la implementación tradicional de awk de Unix. Los operadores de GNU no se consideran especiales, no se permiten las expresiones de intervalo, ni tampoco las clases de caracteres de POSIX ([[:alnum:]] y el resto.) Los caracteres descritos mediante secuencias de escape en octal o hexadecimal son tratados literalmente, incluso si representan metacaracteres de expresiones regulares.

--re-interval

Permiten las expresiones de intervalo en las expresiones regulares, aunque se haya indicado --traditional

Acciones¶

Las sentencias de las acciones se engloban entre llaves, { y }. Las sentencias de las acciones consisten en las habituales sentencias de asignación, condicionales y bucles que pueden encontrarse en la mayoría de los lenguajes. Los operadores, sentencias de control, y sentencias de entrada/salida disponibles son parecidas a las equivalentes de C.

Operadores¶

Los operadores en AWK, en orden decreciente de precedencia, son

(...)

Agrupación.

$

Referencia a campo.

++ --

Incremento y decremento, tanto en forma prefija como sufija.

^

Exponenciación (también puede usarse ** , y **= para el operador de asignación.)

+ - !

Más y menos unarios, y negación lógica.

* / %

Multiplicación, división, y resto de división.

+ -

Suma y resta.

space

Concatenación de cadenas.

< >

<= >=

!= ==

Operadores de relación tradicionales.

~ !~

Cotejo de expresión regular, cotejo negado. NOTA: No use una expresión regular constante (/pepe/) en la parte izquierda de una ~ o una !~. Sólo usela en la parte derecha. La expresión /pepe/ ~ exp tiene el mismo significado que (($0 ~ /foo/) ~ exp). Esto normalmente no es lo que se pretendía.

in

Pertenencia a una tabla.

&&

Y lógica.

||

O lógica.

?:

Expresión condicional de C. Tiene la forma expr1 ? expr2 : expr3. Si expr1 es cierta, el valor de la expresión es expr2, en caso contrario es expr3. Solo uno de los dos ( expr2 y expr3 ) son evaluados.

= += -=

*= /= %= ^=

Asignación. Tanto las asignaciones absolutas (var = valor) como las asignaciones de operador (las otras formas) son aceptadas.

Sentencias de control¶

Las sentencias de control son las siguientes:

if (condición) sentencia [ else sentencia ]
while (condición) sentencia 
do sentencia while (condición)
for (expr1; expr2; expr3) sentencia
for (var in tabla) sentencia
break
continue
delete tabla[índice]
delete tabla
exit [ expresión ]
{ sentencias }

Sentencias de E/S¶

Las sentencias de entrada/salida son las siguientes:

close(fichero)

Cerrar fichero (o tubería, vea más abajo.)

getline

Asignar a $0 el siguiente registro de entrada; modifica NF, NR, FNR.

getline <fichero

Asignar a $0 el siguiente registro de fichero; modifica NF.

getline var

Asignar a var el siguiente registro de entrada; modifica NR, FNR.

getline var <fichero

Asignar a var el siguiente registro de fichero.

next

Parar el procesado del registro de entrada actual. Se lee el siguiente registro de entrada y el procesado vuelve a comenzar con el primer patrón del programa AWK. Si se llega al final de los datos de entrada, el/los bloque(s) END , si existen, son ejecutados.

nextfile

Parar el procesado del fichero de entrada actual. La siguiente lectura de un registro de entrada se obtiene del siguiente fichero de entrada. Se modifican FILENAME y ARGIND , FNR se actualiza a 1, y el procesado comienza de nuevo por el primer patrón del programa AWK. Si se llega al final de los datos de entrada, el/los bloque(s) END , si existen, son ejecutados. NOTA: Versiones antiguas de gawk usaban next file, como dos palabras. Aunque esta forma se reconoce todavía, genera un mensaje de alerta y será eliminado en futuras versiones.

print

Imprime el registro actual. El registro de salida se termina con el valor de la variable ORS .

print lista-expr

Imprime expresiones. Cada expresión se separa por el valor de la variable OFS . El registro de salida se termina con el valor de la variable ORS .

print lista-expr >fichero

Imprime expresiones en fichero. Cada expresión se separa por el valor de la variable OFS . El registro de salida se termina con el valor de la variable ORS .

printf fmt, lista-expr

Dar formato e imprimir.

printf fmt, lista-expr >fichero

Dar formato e imprimir en fichero.

system(línea-de-orden)

Ejecutar la orden línea-de-orden, y devuelve el valor de salida. (Esto puede no estar disponible en sistemas no POSIX .)

fflush([fichero])

Descargar cualquier búfer asociado con el fichero o tubería de salida abierto. Si no se especifica fichero , entonces se descarga la salida estándar. Si fichero es la cadena vacía, entonces todos los búfers de los ficheros y tuberías de salida abiertos son descargados.

También se permiten redirecciones de entrada/salida. Para print y printf, >>fichero añade la salida a fichero, mientras que | orden escribe en una tubería. De forma similar, orden | getline escribe mediante una tubería en getline. La orden getline retornará 0 en el final del fichero, y -1 en caso de error.

La sentencia printf¶

Las versiones AWK de la sentencia printf y de la función sprintf() (véase a continuación) aceptan la siguiente especificación para formatos de conversión:

%c

Un carácter ASCII . Si el argumento usado para %c es numérico, es tratado como un carácter e imprimido. De otro modo, el argumento se asume que es una cadena, y solo se imprime el primer carácter de esa cadena.

%d

%i

Un número decimal (la parte entera).

%e

%E

Un número real de coma flotante de la forma [-]d.dddddde[+-]dd. El formato %E usa E en vez de e.

%f

Un número real de coma flotante de la forma [-]ddd.dddddd.

%g

%G

Usese la conversión %e o %f , la que sea más corta, suprimiendo los ceros no significativos. El formato %G usa %E en vez de %e.

%o

Un número sin signo en octal (entero.)

%s

Una cadena de caracteres.

%x

%X

Un número sin signo en hexadecimal (entero.) El formato %X usa ABCDEF en vez de abcdef.

%%

Un carácter % ; no se utiliza ningún argumento.

Estos son parámetros opcionales que pueden ponerse entre el % y la letra de control:

-

La expresión debe ser justificada por la izquierda dentro de su campo.

espacio

Para conversiones numéricas, pone un espacio en blanco como prefijo en los valores positivos, y un signo negativo en los valores negativos.

+

EL signo más, usado antes del modificador de anchura (vea más adelante), indica que siempre debe ponerse el signo en las conversiones numéricas, aunque el dato a dar formato sea positivo. El + anula el modificador de espacio.

#

Usa una ``forma alternativa'' para ciertas letras de control. Para %o, añade un cero inicial. Para %x, y %X, añade un 0x o 0X inicial para resultados diferentes de cero. Para %e, %E, y %f, El resultado contendrá siempre un punto decimal. Para %g, y %G, Los ceros al final no serán eliminados del resultado.

0

Un 0 (cero) inicial actúa como una bandera, indica que la salida debe ser rellenada con ceros en vez de con espacios. Esto se aplica también para los formatos de salida no numéricos. Esta bandera solo tiene efecto cuando la anchura del campo es mayor que el valor a imprimir.

anchura

El campo tiene que ser rellenado hasta alcanzar la anchura indicada. El campo normalmente será rellenado con espacios. Si la bandera 0 se está usando, será rellenado con ceros.

.prec

Un número que especifica la precisión a usar cuando se imprima. Para los formatos %e, %E, y %f , esto especifica el número de dígitos que desea que se impriman a la derecha del punto decimal. Para los formatos %g, y %G , especifica el número máximo de dígitos significativos. Para los formatos %d, %o, %i, %u, %x, y %X , especifica el número mínimo de dígitos a imprimir. Para una cadena, especifica el número máximo de caracteres de la cadena que deben ser imprimidos.

Las características de anchura y prec dinámicas de las rutinas printf() del ANSI C también son soportadas. Un * en el lugar de las especificaciones de anchura o de prec causará que sus valores sean tomados a partir de la lista de argumentos de printf o sprintf().

Nombres especiales de ficheros¶

Cuando se realiza redirección de la E/S tanto desde print como de printf en un fichero, o mediante getline a partir de un fichero, gawk reconoce internamente ciertos nombres especiales de ficheros. Estos nombres de ficheros permiten acceder a descriptores de ficheros abiertos heredados del proceso padre de gawk (normalmente el shell.) Otros nombres especiales proveen acceso a información sobre la ejecución del proceso gawk Los nombres de ficheros son:

/dev/pid

Leer de este fichero devuelve el ID del proceso actual, en decimal, terminado con un salto de línea.

/dev/ppid

Leer de este fichero devuelve el ID del proceso padre del actual proceso, en decimal, terminado con un salto de línea.

/dev/pgrpid

Leer de este fichero devuelve el ID del grupo del proceso actual, en decimal, terminado con un salto de línea.

/dev/user

Leer de este fichero devuelve un registro terminado con un salto de línea. Los campos se separan por espacios en blanco. $1 el el valor de la llamada a sistema getuid(2) , $2 es el valor de la llamada a sistema geteuid(2) , $3 es el valor de la llamada a sistema getgid(2) , y $4 es el valor de la llamada a sistema getegid(2) Si hay campos adicionales, son los IDs de grupo devueltos por getgroups(2). No todos los sistemas soportan múltiples grupos.

/dev/stdin

La entrada estándar.

/dev/stdout

La salida estándar.

/dev/stderr

La salida de error estándar.

/dev/fd/n

El fichero asociado con el descriptor de fichero abierto n.

Son particularmente útiles para los mensajes de error. Por ejemplo:

donde, de otra manera, tendría que haber usado

Estos nombres de fichero pueden usarse también en la línea de orden para nombrar ficheros de datos.

Funciones numéricas¶

AWK dispone de las siguientes funciones aritméticas predefinidas:

atan2(y, x)

devuelve el arcotangente de y/x en radianes.

cos(expr)

devuelve el coseno de expr, la cual está en radianes.

exp(expr)

la función exponencial.

int(expr)

truncado a entero.

log(expr)

logaritmo natural.

rand()

devuelve un número aleatorio entre 0 y 1.

sin(expr)

retorna el seno de expr, la cual está en radianes.

sqrt(expr)

raíz cuadrada.

srand([expr])

usa expr como la nueva semilla para el generador de números aleatorios. Si no se indica expr , se usa la hora del día. El valor de retorno es la anterior semilla del generador.

Funciones de cadena¶

Gawk dispone de las siguientes funciones predefinidas para cadenas:

gensub(r, s, h [, t])

buscar en la cadena objetivo t si hay ajustes de la expresión regular r. Si h es una cadena que comienza por g o G, entonces reemplazar todos los ajustes de r por s. De otro modo, h es un número indicando cual de los ajustes de r debe reemplazarse. Si no se indica t , se usa $0 . Dentro del texto de reemplazo s, puede usarse la secuencia \n, donde n es un dígito de 1 a 9, para indicar solo el texto que se ha ajustado con la subexpresión con paréntesis n'ésima. La secuencia \0 representa el texto ajustado completo, al igual que el carácter &. A diferencia de sub() y gsub(), la cadena modificada se devuelve como resultado de la función, y la cadena objetivo original no es modificada.

gsub(r, s [, t])

para cada subcadena que ajuste con la expresión regular r en la cadena t, substituye la cadena s, y devuelve el número de sustituciones. Si no se ha indicado t , se usa $0. Un & en el texto de reemplazo es sustituido por el texto que ha sido ajustado en ese momento. Use \& para obtener un & literal. Vea AWK Language Programming para una descripción más detallada sobre las reglas para los & y las barras invertidas en el texto de reemplazo de sub(), gsub(), y gensub().

index(s, t)

devuelve el índice de la cadena t en la cadena s, o 0 si t no aparece.

length([s])

devuelve la longitud de la cadena s, o la longitud de $0 si no se indica s .

match(s, r)

devuelve la posición en s donde aparece la expresión regular r , o 0 si r no aparece, y modifica los valores de RSTART y RLENGTH.

split(s, a [, r])

divide la cadena s en la tabla a en la expresión regular r, y devuelve el número de campos. Si se omite r , se usa FS . La tabla a se borra al principio. La división funciona de forma idéntica a la división de campos, descrita anteriormente.

sprintf(fmt, lista-expr)

imprime lista-expr de acuerdo con fmt, y devuelve la cadena resultante.

sub(r, s [, t])

igual que gsub(), pero solo se reemplaza la primera subcadena que ajusta.

substr(s, i [, n])

retorna la subcadena de s que comience por i y que tenga como mucho n caracteres. Si se omite n , se usa el resto de s .

tolower(cad)

devuelve una copia de la cadena cad, con todos los caracteres en mayúscula de cad cambiados por sus correspondientes en minúscula. Los caracteres no alfabéticos no son modificados.

toupper(cad)

devuelve una copia de la cadena cad, con todos los caracteres en minúscula de cad cambiados por sus correspondientes en mayúscula. Los caracteres no alfabéticos no son modificados.

Funciones de tiempo¶

Teniendo en cuenta que uno de los principales usos de los programas AWK es el procesamiento de ficheros de registro (log files) que contienen información de registro de tiempo, gawk proporciona las siguientes funciones para obtener registros de tiempo y darles formato.

systime()

devuelve la hora del día actual como el número de segundos desde la Época (Medianoche UTC del 1 Enero de 1970 en sistemas POSIX).

strftime([formato [, timestamp]])

da formato a timestamp de acuerdo con la especificación en formato. El timestamp debe tener la misma forma que el retornado por systime(). Si no aparece timestamp , se utiliza la hora del día actual. Si no aparece formato , se utiliza un formato por defecto equivalente a la salida de date(1). Vea la especificación de la función strftime() en ANSI C para estar seguro de las conversiones de formato que se garantiza que existen. Una versión de dominio público de strftime(3) y la correspondiente página de manual se distribuyen con gawk; si se usó esa versión para compilar gawk, entonces todas las conversiones descritas en esa página de manual estarán disponibles para gawk.

Constantes de cadena¶

Las constantes de cadena en AWK son secuencias de caracteres entre dobles comillas ( " ). Dentro de las cadenas, se reconocen determinadas secuencias de escape , como en C. Son las siguientes:

\\

Una barra invertida literal.

\a

El carácter de ``alerta''; usualmente el carácter ASCII BEL .

\b

carácter de borrado.

\f

salto de página.

\n

salto de línea.

\r

retorno de carro.

\t

tabulador horizontal.

\v

tabulador vertical

\xdígitos hexadecimales

El carácter representado por la cadena de dígitos hexadecimales que sigue a la \x. Como en ANSI C, todos los dígitos hexadecimales siguientes se consideran como parte de la secuencia de escape. (Esta característica nos debería dar una idea sobre el diseño de lenguajes del comité.) Por ejemplo, "\x1B" es el carácter ASCII ESC (escape).

\ddd

El carácter representado por la secuencia de 1, 2 o 3 dígitos en octal. Por ejemplo . "\033" es el carácter ASCII ESC (escape).

\c

El carácter c literal.

Las secuencias de escape pueden usarse también dentro de constantes de expresiones regulares (p.ej., /[ \t\f\n\r\v]/ se ajusta con espacios en blanco).

En el modo de compatibilidad, los caracteres representados por secuencias de escape en octal o hexadecimal son tratados literalmente cuando son usados en contantes de expresiones regulares. Así, /a\52b/ es equivalente a /a\*b/.