数组

beyes

awk 中使用的数组时 “关联数组”(associative arays)，该类型数组的下标可以数字也可以时字符串，但不论何种形式，下标通常都统称为键(key)。键和值都存储在 awk 内部的一个表中，存储方式采用哈希算法，因此数组元素不是顺序存储的。

在需要用时才创建数组，无需事先声明。根据使用时的上下文环境，数组元素被初始化为 0 或空的字符串。

示例一：

root@bt:~# awk -F: '{name[x++]=$1}; END {for(i = 0; i < NR; i++) print i, name}' /etc/passwd
0 root
1 daemon
2 bin
3 sys
/* ... 省略一部分输出 ... */

30 festival
31 postgres
32 vboxadd

在上面的命令里创建了一个数组 name ，该数组用来存储 /etc/passwd 中的第一列的内容(用户名)。name 的下标为 x ，该变量由我们自定义，++ 运算符表示这是个数值型变量，而不是字符串型(这就是上下文)，且 x 会被初始化为 0 ，在每处理一行后 x 会自动加 1 。END 块使用 for 循环来打印数组中的元素，其中 NR 时内置变量，保存了当前记录的记录号。

对于连续的数字作为下标时我们可以像上面那样用 for 来遍历数组，但如果下标为字符串或非连续的数字时我们不能这样使用，必须换另一种用法。此时 for 循环把下标作为键来查找与之关联的值(散列法的体现)。特殊 for 循环的格式为：

{ for (item in arrayname) {
    print arrayname[item]
   }
}

比如有一个文本里存放着一列人名(name.txt)，其内容如下：

York
Tom
Jasmine
Jason
Jimy
Molly
Jasmine
Lili
LinKen
Cuki
Gaby
Jasmine
Gilbert
Gilber
Jasmine

使用下面的命令处理该文本，此举希望找到并打印出所有叫 Jasmine 的名字 ：

# awk '/Jasmine/{name[NR]=$1}; END {for (i = 1; i <= NR; i++)print i, name}' name.txt
1
2
3 Jasmine
4
5
6
7 Jasmine
8
9
10
11
12 Jasmine
13
14
15 Jasmine

在上面的命令中，如果找到匹配模式 /Jasmine/ 的行，就为数组 name 赋一个值，其中使用 NR (当前记录号，也即当前处理到哪一行) 作为 name 的索引。所以当处理完文本后，数组中仅含有name[3], name[7], name[12], name[15] ，因此当使用 for 循环打印 name 时，除了 3, 7, 12, 15 外，其它的索引都是空的。


下面使用特殊 for 来遍历数组，这种方法将只打印有相应下标的元素的值。打印结果的次序是随机的，因为关联数组时以散列方式存储的：

# awk '/Jasmine/{name[NR]=$1}; END {for(i in name)print i, name}' name.txt
7 Jasmine
12 Jasmine
15 Jasmine
3 Jasmine

  

---

使用字符串作为数组
数组下标可以由单个字符或字符串变量组成，如果是字符串，则必须用双引号引起来。

假设有一个文本(name.txt)内容如下：

York
Tom
Jasmine
Jason
York
Jimy
Molly
Jasmine
Jason
Lili
LinKen
Cuki
Gaby
Jasmine
Gilbert
Gilber
Jasmine
Jason
Tom
Kiki
York

使用下面语句统计 Tom 和 Jasmine 这两个名字的出现次数：

# awk '/Tom/ {count["Tom"]++}; /Jasmine/ {count["Jasmine"]++};END {for (name in count)print name, count[name]}' name.txt
Tom 2
Jasmine 4

上面，数组 count 有两个元素：count["Tome"] 和 count["Jasmine"] 。这两个元素的初值都为 0，每次匹配时，count["Tom"] 和 count["Jasmine"] 的值都会加 1 。最后在 END 模式里打印出最终的统计结果。

我们还可以使用字段的值作为数组的下标：

# netstat -n | awk '/^tcp/ {++S[$NF]} END {for(a in S) print a, S[a]}'
SYN_RECV 101
CLOSE_WAIT 3
ESTABLISHED 86
FIN_WAIT1 130
FIN_WAIT2 28
CLOSING 66
TIME_WAIT 2746

上面 NF 表示当前记录的字段数，而 $NF 则表示该字段上的值。该命令的具体含义可参考：http://www.groad.net/bbs/read.php?tid-4803.html

beyes

split 是内置函数，它能够将字符串按照你所给出的分隔符拆分成单词，然后将它们保存到数组中。

split 函数有两种调用形式：

split (字符串, 数组, 字段分隔符)
split (字符串, 数组)

使用示例：

# awk 'BEGIN{split("23/9/2011", date, "/"); for(i = 1; i <= 3; i++) print date}'
23
9
2011

或者：

# awk 'BEGIN{split("23/9/2011", date, "/"); for(i in date) print date}'
23
9
2011

如果在 split 函数中不指定分隔符，那默认就以 FS 作为分隔符。

delete 也是内置函数，它用来删除数组元素。比如：

# awk 'BEGIN{split("23/9/2011", date, "/"); delete date[2]; for(i in date) print date}'
23
2011

注意 delete 函数的使用格式。在一些老的教材或书上，可能会将 delete 函数写成 delete(date[2]) 这种形式，即将数组元素用括号括起来，在新的 awk 里，这种格式是一种语法错误。要删除某个数组元素直接写成 delete 数组元素 即可。

beyes

awk 也提供了定义多维数组的方法。该方法是，将多个下标串成字符串，下标之间用内置变量 SUBSEP 的值(该值为 \\034 ，是一个不可打印字符，极少被使用)分隔。比如 matrix[2, 8] 其实就等效于 matrix[2 SUBSEP 8]，转换后得 matrix["2\\0348"] 。一般情况下，也不用去关心这个 SUBSEP 。

假设有下面一个文本(mularray.txt)：

1 2 3 4 5
6 7 8 9 10
11 22 13 14 15
16 17 18 19 20
21 22 23 24 25

运行下面命令将文本中的各个数读入一个二维数组中，然后依次打印出来。脚本命令写在一个脚本文件中，如下所示：

[Bash shell] 纯文本查看 复制代码

{
        nf = NF
        for (x = 1; x <= NF; x++) {
                 matrix[NR, x] = $x
        }
}
END { for (x = 1; x <= NR; x++) {
                for (y = 1; y <= nf; y++)
                        printf "%d ", matrix[x,y]
                printf "\\n"
        }
    }

运行输出：

# awk -f mularr.awk mularray.txt
1 2 3 4 5
6 7 8 9 10
11 22 13 14 15
16 17 18 19 20
21 22 23 24 25

上面脚本的意思是：
在 END 之前，使用一个 for 循环读入文本中的数值到数组中。其中 NF 为当前记录的字段数，文本中一共有 5 列数字，那么这里 NF 的值就为 5 。NR 表示当前的记录数。for 循环一共进行了 5 次，读入文本顺序是 ： 第 1 列数字($1) 读入到 matrix[1,1] (x 等于 1，NR 等于 1)中；第 2 列数字($2)复制到 matrix[2,2] (x 等于 2，NR 等于 2)中，以此类推。

在 END 后，因为是 2 维数组，所以用了两个 for 循环遍历了整个数组。