GAWK概览

AWK语言是一种介于sed与perl之间的语言，同样是文本处理的有力工具。与sed比，AWK有丰富的控制结构，因此易用一些但没有那么紧凑。与perl比，AWK的功能和库都较缺乏，只针对表格式文本，适用面较小。

AWK把输入看作由一系列记录组成，通常一行就是一个记录。每个记录又由一些域组成，通常由空白来分隔。例如，考虑以下输入（来自ls -l /的输出）：

drwxr-xr-x   2 root root   4096 9月  13 20:56 bin
drwxr-xr-x   3 root root   4096 9月  13 20:56 boot
drwxr-xr-x   2 root root   4096 9月  13 20:55 cdrom
drwxr-xr-x  20 root root   4340 12月 24 12:32 dev
drwxr-xr-x 140 root root  12288 11月 20 12:47 etc
drwxr-xr-x   3 root root   4096 9月  13 20:55 home
lrwxrwxrwx   1 root root     32 9月  13 20:56 initrd.img -> boot/initrd.img-4.4.0-31-generic
drwxr-xr-x  22 root root   4096 9月  13 20:56 lib
drwxr-xr-x   2 root root   4096 7月  20 04:42 lib64
drwx------   2 root root  16384 9月  13 20:54 lost+found
drwxr-xr-x   3 root root   4096 9月  13 16:18 media
drwxr-xr-x   2 root root   4096 7月  20 04:42 mnt
drwxr-xr-x   2 root root   4096 7月  20 04:42 opt
dr-xr-xr-x 200 root root      0 12月 24 12:31 proc
drwx------   9 root root   4096 12月 18 12:25 root
drwxr-xr-x  24 root root    740 12月 24 12:32 run
drwxr-xr-x   2 root root  12288 9月  26 12:34 sbin
drwxr-xr-x   2 root root   4096 6月  30 04:13 snap
drwxr-xr-x   2 root root   4096 7月  20 04:42 srv
dr-xr-xr-x  13 root root      0 12月 24 12:31 sys
drwxrwxrwt   9 root root 118784 12月 24 12:34 tmp
drwxr-xr-x  10 root root   4096 7月  20 04:42 usr
drwxr-xr-x  14 root root   4096 7月  20 04:53 var
lrwxrwxrwx   1 root root     29 9月  13 20:56 vmlinuz -> boot/vmlinuz-4.4.0-31-generic

其中有24个记录，大部分记录有9个域，也有记录两个有11个域。这样的表格式文本并不少见，包括各种数据文件。AWK和sed同样会逐行处理输入，我们只用告诉它对怎么样的记录怎么样处理。例如ls -l / | gawk 'NF>9 {print $9}'让AWK输出有多于9个域的记录的第9个域：

initrd.img
vmlinuz

调用方式

GAWK命令的两种用法如下：

gawk [ POSIX or GNU style options ] -f program-file [ -- ] file ...
gawk [ POSIX or GNU style options ] [ -- ] program-text file ...

其中常用选项包括：

SIGUSR1信号导致写性能监视数据和函数调用栈再继续，SIGHUP信号导致写性能监视数据和函数调用栈后退出。

如没有通过exit语句指定退出状态，则正常退出返回0、异常退出返回1、致命错误返回2。

AWK语言

AWK是一种面向行的语言，不过可用反斜杠续行（另外，以,、{、?、:、&&、||、do、else结束的行自动把语句延续到下一行），多个语句也可以用分号分隔放到一行。注释由#开始到行末。AWK程序由一系列下列语句组成：

其中模式有：

AWK程序的运行过程

1. 进行-v选项指定的变量赋值
2. 编译程序
3. 运行各BEGIN规则的代码
4. 读入ARGV数组指定的各文件（没有指定文件则为标准输入），var=val形式的话则视为变量赋值
5. 对于每个输入文件： 1. 运行各BEGINFILE规则的代码 2. 对于输入的每条记录：对每条模式匹配它的规则，运行f对应动作 3. 运行各ENDFILE规则的代码
6. 运行各END规则的代码

常量

八进制和十六进制常量可用C风格，如八进制值011相当于十进制的9，十六进制值0x11相当于二进制的17。

字符串常量由被双引号包围的一系列字符组成，其中可用下列转义序列：

转义序列也可用于正则表达式（用/包围）。

变量

AWK的变量是动态的，在首次使用时创建，其值为浮点数或字符串。AWK也有一维数组，也可模拟多维数组：GAWK支持数组的数组。数组下标用方括号包围，若下标为形如expr, expr …的表达式，各表达式会由SUBSEP的值分隔连起来。AWK的数组为关联数组，即以字符串作下标。

记录由变量RS指定的单个字符或正则表达式分隔（通常为换行），空表示空行。

若FIELDWIDTHS设为数值列表，则每个域有固定宽度。否则，若变量FPAT设为正则表达式，每个域要匹配它。否则，域从记录由FS指定的正则表达式分隔，单字符表示相继的空格、制表符和换行，空表示每个字符分别为域。RS为空时换行也视为域分隔符。覆盖FS或FPAT会取代FIELDWIDTHS的使用。

各域可依次用$1、$2、……引用（没有则为空），$0引用整个记录，其中域用OFS的值分隔，修改这些变量会导致相应变化。变量NF引用当前记录的域数。

变量和域可以为数值、字符串或两者，如何解读取决于上下文：用在数值表达式中则视为数值，用作预期字符串处则视为字符串。通过加0可强制变量为数值，与空字符串连接则可强制变量为字符串。未初始化变量有数值0和字符串值空。

表达式

AWK的运算符按优先级递减为：

比较两个数值用数值比较，比较一个数值和一个可转换为数值的字符串时也用数值比较，否则用字符串比较。

控制语句

if (condition) statement [ else statement ]
while (condition) statement
do statement while (condition)
for (expr1; expr2; expr3) statement
for (var in array) statement
break
continue
delete array[index]
delete array
exit [ expression ]
{ statements }
switch (expression) {
       case value|regex :
       statement
       ...
       [ default: statement ]
}

I/O语句

其中，print和printf的结果可重定向：

其中printf的格式化字符串中可用如下转换描述：

%与控制字符间可插入：

内置函数

编写和运行本地化的AWK程序：

1. 在BEGIN { TEXTDOMAIN = "myprog" }指定文本域
2. 把需翻译的字符串用下划线标记，如_"hello, world"
3. 必要时用 dcgettext() 和/或 bindtextdomain()
4. 运行gawk --gen-pot -f myprog.awk > myprog.pot生成.pot文件
5. 提供翻译、构建和安装 .gmo 文件

用户定义函数

函数可在模式或动作被调用，函数调用的实参用于实例化函数的形参，数组按引用传递，其它变量按值传递。

局部变量在参数列表中声明，由空格开始，例如function f(p, q, a, b){...}中a、b为局部变量，函数可以互调用和递归。

函数的返回值由return expr中的expr给出，不指定返回值时它不确定。

如果把函数名赋给一个变量，则可用变量名调用它，只要加前缀@。

例子

更大的例子见/usr/share/doc/gawk/examples中的。

总结

AWK在处理表格样子的文本文件时有其方便之处，由于有类似C的构造，与sed比表达能力强一些，但还是太专用了。同时，它的设计有不少缺陷和历史遗留问题，现在已经基本被perl之类取代。