[[ Coding in AWK ]]

Question

第一个：

1. 这是我第一次写一个只有 AWK 的代码。
2. 我的背景是 BASH 思维。
3. 我的目标是弄清楚 AWK 的想法，然后开始编写我自己的 AWK 代码。

所以，我想知道如何编写这样的 AWK 代码：

1. 将\n_ _ _ 替换为;_（每个_ 都是一个空格）。
2. 找到一种模式并仅打印具有该模式的所有行。
3. 将每个分号替换为\nC1 \[，并将前一行末尾的换行符替换为]。
4. 用下一行补充信息更新前一行。
5. 将每行最后一个单词的模式与包含国家/地区名称列表的外部文件进行比较。

到目前为止我所做的是（这只涵盖到第三行）：

awk '
    {gsub(/\n   /,"; ")} 
    /^C1 \[/ 
    {gsub(/; /,"\nC1 ")}
    ' file 

非常感谢任何线索。

Answer 1

首先，正常的 awk 代码假定逐行处理。事实上，如果没有额外的命令行选项，awk 会删除所有"\n"。因此，您尝试用 "; " 替换 "\n " 没有多大意义，因为您的代码永远不会看到“\n”。

要将多行合并为一行，您可以使用printf 而不是print：

/^[AC]\w/ {
            printf "\n%s",$0
            next
        }
/^\s/ {
            printf " %s",$0
            next
        }

上面的代码说，当遇到以A 或C 开头的行后跟一个单词字符（例如U 或1 或i）然后打印一个换行符后跟该行.当它遇到以空格字符（空格或制表符）开头的行时，打印没有换行符的行。

当然，这有一些小问题。例如，它在输出的开头打印一个换行符，最后没有换行符。而且它也不会去除以空格开头的行的前导空格。但我们暂时先把它留在这里。

这回答了您的第一步问题。

但这不是你想要的。您想要的是规范化 C1 值。所以首先让我们编写忽略除C1 值之外的所有内容的代码：

/^C1/ {print}

好的，现在我们需要处理所有属于C1 的选项卡行，所以我们需要稍微修改一下代码：

BEGIN {c1_found=0}

/^C1/ {
        c1_found=1
        print
        next
    }

/^\s/ {
        if (c1_found == 1) {
            print "C1 " $0
        }
        next
    }

    {
        c1_found = 0
    }

所以。我们创建一个变量c1_found 来标记我们在C1 块中。我们在 BEGIN 块中将其初始化为 0，并在遇到 C1 块时将其设置为 1。现在，每当我们看到以空格开头的行时，我们会检查我们是否在 C1 块中，并通过在其前面附加 "C1 " 来打印该行。

现在我们要处理标准化。这是困难的一点。让我们为此编写一个函数，因为它将在两个地方调用：

function normalize (c1_line) {
    split(c1_line,a,"[[]]")
    c1 = a[1]
    names = a[2]
    location = a[3]

    split(names,b,";")

    for (nam in b) {
        print c1 b[nam] location
    }
}

此函数首先将其输入拆分为[ 或]，这会将行分成三个组成部分。然后它用; 分割第二部分。最后，它遍历名称并为每个名称打印一行。

现在让我们将其包含到我们的代码中：

function normalize (c1_line) {
    split(c1_line,a,"[[]]")
    c1 = a[1]
    names = a[2]
    location = a[3]

    split(names,b,";")

    for (nam in b) {
        print c1 b[nam] location
    }
}

BEGIN {c1_found=0}

/^C1/ {
        c1_found=1
        normalize($0)
        next
    }

/^\s/ {
        if (c1_found == 1) {
            normalize("C1 " $0)
        }
        next
    }

    {
        c1_found = 0
    }

上面的代码生成file1。现在，要生成 file2，最简单的方法是编写另一个仅打印国家/地区名称的脚本，然后通过sort 和uniq（或sort -u，如果您的排序可以做到这一点）进行管道传输。但是，如果您坚持在 awk 中执行，则可以（实际上它非常简单易读）。首先，我们使用关联数组来跟踪出现的所有国家/地区：

function normalize (c1_line) {
    split(c1_line,a,"[[]]")
    c1 = a[1]
    names = a[2]
    location = a[3]

    split(names,b,";")

    for (nam in b) {
        print c1 b[nam] location
    }
    countries[$NF] = 1
}

然后我们将国家数组打印到一个文件中：

END {
    for (c in countries) {
        print c >> file2.txt
    }
}

我将由您来组装完整的程序。但是正如您所看到的，与 C 或 perl 或汇编的 bash 或 pascal 相比，在 awk 中编程是完全不同的。它更像是在正则表达式中编程——因为 awk 有一个内置循环，当找到匹配项时会不断扫描输入并执行代码。

所以，作为一个例子，下面的程序：

BEGIN {print "starting"}
/^mango/ {print "ha"}
/^monkey/ {print $0}
END {print "done"}

完全等同于：

/^monkey/ {print $0}
END {print "done"}
BEGIN {print "starting"}
/^mango/ {print "ha"}

当匹配是彼此的子字符串时，存在细微差别。例如，当您想与/^HELLO/ 分开触发/^HEL/ 时。但一般执行不会自上而下线性读取。

另外，请注意 awk 只有全局变量。所以使用好的变量名来避免覆盖其他地方的一些其他变量。