awk 實列（成長）

最近看到論壇裡面有幾個不錯的小例子，對于學習awk還是有幫助，在這兒詳細的說一下

一，類似資料庫中的left join查循

1. [root@krlcgcms01 mytest]# cat a.txt    //a.txt
2. 111   aaa  
3. 222   bbb  
4. 333   cccc  
5. 444   ddd  
6. [root@krlcgcms01 mytest]# cat b.txt    //b.txt
7. 111  123  456  
8. 2    abc  cbd  
9. 444  rts  786  

要求輸出結果是

111,aaa,123,456

444,ddd,rts,786

實作方法1，

[root@krlcgcms01 mytest]# awk 'NR==FNR{a[$1]=$2;}NR!=FNR && a[$1]{print $1","a[$1]","$2","$3}' a.txt b.txt  

111,aaa,123,456  

444,ddd,rts,786  

解釋：當NR和FNR相同時,這就說明在對第一個檔案進行操作，a[$1]=$2表示，建立一個數組，以第一個字段為下标，第二個字段為值。當NR!=FNR時,說明在對第二個檔案進行操作，注意：這個時候的$1和前面的$1不是同一個東西了，前面的$1表示的是a.txt的第一個字段，而後面的$1表示的是b.txt的第一個字段。a[$1]表示以b.txt中第一個字段的為下标的值，如果a[$1]有值的話，說明也存在于a.txt檔案中，這樣就把資料print出來就行了。

實作方法2，

[root@krlcgcms01 mytest]# awk -v OFS=","'NR==FNR{a[$1]=$2;} NR!=FNR && $1 in a { print $1,a[$1],$2,$3}' a.txt b.txt  

解釋：-v OFS=","這個是設定輸出時的列分割符，$1 in a這個是b.txt檔案中的第一列的值是不是在數組a的key中，這個對做程式的來說很好了解，各種語言當中都有這樣的用法，或者函數。例如，php中有in_array函數。比較一下，方法1和方法2中的print，方法1我加了雙引号，方法2我卻沒有加，但是輸出的效果卻是一樣的。

二，去除重複的值

[root@krlcgcms01 mytest]# cat repea   //檔案repea

a b  

c d  

e f  

b d  

b a  

f e  

1 2  

2 1  

如果有a,b和b,a這樣的情況，就删除b,a，當然數字也一樣;

awk '{for(i=1;i<=NF;i++)a[i]=$i;asort(a);for(i=1;i<=length(a);i++)printf a[i]"\t";printf "\n"}' repea|sort|uniq  

1       2  

a       b  

b       d  

c       d  

e       f  

解釋：for(i=1;i<=NF;i++)a[i]=$i;将每一列中的二個字段放到數組中，asort(a)，這個數組進行排序，後面的代碼是将數組資料輸出來，通sort指令對輸入的資料進行排序，相同資料會排在一起，通過uniq來進行去除相同的列。這種方法比較有通用性，不光适合二列，三列，四列都行。不過效率差了點。

[root@krlcgcms01 mytest]# awk '{a[$0]=$0;if (!($2 OFS $1 in a)) print a[$0] }' repea  

[root@krlcgcms01 mytest]# awk '{a[$0];if (!($2 OFS $1 in a)) print  }' repea    

解釋：方法2的二種寫法，出來的結果是一樣的，a[$0];沒有指派也沒有報錯，為什麼呢？awk在遇到這樣沒有定義的變量時，會給它一個初值。if (!($2 OFS $1 in a))表示返轉字段不在數組a中，這裡所說的在，表示key是不是存在，不是值。print 不寫預設是一行。

實作方法3，

[root@krlcgcms01 mytest]# awk '!a[$1_$2]++&&!a[$2_$1]++' repea  

[root@krlcgcms01 mytest]# awk '{if(!a[$1_$2]++&&!a[$2_$1]++)print $0;}' repea  

解釋：!a[$1_$2]++&&!a[$2_$1]++等于if(!a[$1_$2]++&&!a[$2_$1]++),對于首次出現的記錄，a[$2_$1]的值是未定義的，由于後面的 ++ 是數學計算，是以a[$2_$1]會被指派成數字0，也是由于 ++ 操作符，會先取值，再計算，從左到右 ++ 運算符的優先級大于！運算符的，是以對于第一行記錄實際上是if(! 0) print $0     ! 是取反，0 是假，! 0 就是真，那麼就會執行後面的 print $0對于後面出現的重複記錄，a[$0] 經過 ++ 的計算已經變為 1、2、3 。。。而 ! 1  ! 2  ! 3 ... 都為假，不會列印。

三，awk的局部變量

這個例子來說明一下，awk怪異的局部變量

[root@krlcgcms01 mytest]# cat sum  

1       2  

2       3  

a       b  

3       2  

4       1  

3       r  

把都是數字的行，最大的那個數字加起來，第一行是2，第二行是3，每四行是3，第五行是4，總和是12

1. function max(one,two){  
2. if(one > two){  
3. sum = sum + one;  
4. }else{  
5. sum  = sum + two;  
6. }  
8. {if($1~"[0-9]" && $2~"[0-9]") max($1,$2);}  
9. END{print "sum="sum}  

在max方法裡面，變量sum是會影響外面的，這裡的sum是全局的。

[root@krlcgcms01 mytest]# awk -f add.sh sum

sum=12

1. function max(one,two,sum){    //方法中的sum局部變量
8. {if($1~"[0-9]" && $2~"[0-9]") max($1,$2,sum);}  
9. END{print "sum="sum}         //是以為空

sum=

1. function max(one,two,sum){  
7. return  sum                 //加上return就可以了
9. {if($1~"[0-9]" && $2~"[0-9]") sum = max($1,$2,sum);}