Rekordok¶

Rendszerint a rekordok újsor karakterekkel vannak elválasztva. Megadható a rekordelválasztás módja az RS nevű beépített változó értékének hozzárendelésével. Ha RS egyetlen karakter, ez a karakter lesz a rekordelválasztó. Egyébként RS reguláris kifejezés. Az erre a reguláris kifejezésre illeszkedő szöveg a rekordelválasztó. Azonban kompatíbilis módban csak karakterlánc-értékének első karaktere lesz felhasználva a rekordok szétválasztására. Ha RS üres karakterláncra van beállítva, akkor a rekordokat üres sorok választják el. Ilyenkor az újsor karakter mezőelválasztóként viselkedik, bármilyen értékű is FS.

Mezők¶

Amint beolvassa az egyes rekordokat, a gawk mezők -re bontja azokat, az FS változó értékét használva mezőelválasztóként. Ha FS egyetlan karakter, ez a karakter választja el a mezőket. Ha FS üres karakterlánc, akkor minden egyes karakter külön mező lesz. Egyébként a program FS -t, mint reguláris kifejezést kezeli. Abban a speciális esetben, amikor FS egyetlen space, a mezőket space és/vagy tab és/vagy újsor karakterek választják el. (De lásd lejjebb a --posix opció tárgyalását). Fontos, hogy az IGNORECASE értéke (lásd lejjebb) szintén befolyásolja, hogy a mezők miként választódnak szét, amikor az FS reguláris kifejezés; és hogy hogyan szeparálódnak a rekordok, amikor az RS reguláris kifejezés.

Ha a FIELDWIDTHS változó értékeként space-ekkel elválasztott számlista van megadva, a gawk fix szélességű mezőket vár, és a rekordot az adott szélességekre darabolja. Az FS értékét figyelmen kívül hagyja. FS-nek új értéket adva a FIELDWIDTHS használata megszüntethető, és visszaállítható az alapértelmezett működés.

A bemeneti rekord minden mezőjére pozíciója alapján hivatkozhatunk ( $1, $2, stb.) $0 az egész rekord. A mező értéke meg is adható. A mezőhivatkozásnak nem szükséges konstansnak lennie:

kiírja a bemeneti rekord ötödik mezőjét. Az NF változó a bemeneti rekord mezőinek számát tartalmazza.

A nemlétező mezőkre történő hivatkozások (azaz $NF-nél nagyobb indexű mezők) üres karakterláncot eredményeznek. Azonban a nemlétező mezőnek történő értékadás (pl. $(NF+2) = 5) megnöveli NF értékét, minden közbeeső mezőt üres karakterlánc-értékkel hoz létre, és $0 értékét újra kiértékelteti úgy, hogy a mezőelválasztó OFS értéke lesz. A negatív mezőhivatkozások fatális hibát okoznak. NF dekrementálása az új érték utáni mezők értékének elvesztésével jár, valamint $0 értékének újraszámítását okozza, OFS értékének megfelelő mezőelválasztással.

Beépített változók¶

A gawk beépített változói:

ARGC

A parancssori argumentumok száma (nem tartalmazza a gawk -nak szóló argumentumokat, vagy a program forráskódját).

ARGIND

Az éppen feldolgozás alatt álló file indexe az ARGV tömbben.

ARGV

A parancssori argumentumok tömbje. A tömb indexei 0-tól ( ARGC -1 ) -ig tartanak. Az ARGV tartalmának dinamikus megváltoztatásával az adatfile-ok csoportja módosítható.

CONVFMT

A számok konverziós formátuma. Alapértelmezésben %.6g.

ENVIRON

Az aktuális környezetet tartalmazó tömb. A tömb a környezeti változók nevével van indexelve, minden elem az adott változó értéke (pl. ENVIRON["HOME"] értéke lehet /home/valaki ). E tömb megváltoztatása nincs hatással a gawk -ból átirányítással vagy a system() függvénnyel hívott programok által látott környezetre. (Ez a gawk jövőbeni verzióiban változhat.)

ERRNO

Ha rendszerhiba történik a getline -ba átirányításkor, a getline -ba olvasáskor vagy a close() alatt, akkor az ERRNO tartalmazza a hibát leíró karakterláncot.

FIELDWIDTHS

A mezőszélességek szóközökkel elválasztott listája. Ha ez be van állítva, a gawk rögzített szélességű mezőkre tördeli a bemenetet, ahelyett, hogy az FS változó, mint mezőelválasztó értékét használná. A rögzített mezőszélesség használatának lehetősége még kísérleti jellegű; jelentése idővel változhat.

FILENAME

Az aktuális bemeneti file neve. Ha nincs file megadva a parancssorban, a FILENAME értéke ``-''. Azonban a FILENAME nem definiált a BEGIN blokkon belül.

FNR

A bemeneti rekord sorszáma az aktuális bemeneti fájlban.

FS

A bemeneti mezőelválasztó. Alapértelmezésben szóköz. Lásd feljebb: Mezők.

IGNORECASE

Meghatározza minden reguláris kifejezés és karakterlánc-művelet esetérzékenységét. Ha az IGNORECASE nem nulla, akkor a karakterláncok összehasonlítása és a mintaillesztés, a meződarabolás FS -szel, a rekordok elválasztása RS -szel, a reguláris kifejezések illesztése ~ -vel és !~ -vel, és a gensub(), gsub(), index(), match(), split(), valamint a sub(), előre definiált függvények nem lesznek esetérzékenyek a reguláris kifejezésekkel végzett műveleteknél. Így, ha az IGNORECASE nem nulla, /aB/ egyaránt illeszkedik az ab, aB, Ab, és AB karakterláncokra. Mint minden AWK változónak, az IGNORECASE -nek is nulla a kezdeti értéke, tehát rendesen minden reguláris kifejezés esetérzékeny. Unix alatt a teljes ISO 8859-1 Latin-1 karakterkészlet használatos az esetérzékenység elhagyásakor. FONTOS: a 3.0-át megelőző gawk verziókban, az IGNORECASE csak a reguláris kifejezéssel végzett műveletekre volt hatással. Ma már befolyásolja a karakterlánc-összehasonlításokat is.

NF

A mezők száma az aktuális bemeneti rekordban.

NR

A már beolvasott rekordok teljes összege.

OFMT

A számok kimeneti formátuma. Alapértelmezésben %.6g.

OFS

A bemeneti mezőelválasztó. Alapértelmezésben szóköz.

ORS

A kimeneti rekordelválasztó. Alapértelmezésben újsor karakter.

RS

A bemeneti rekordelválasztó. Alapértelmezésben újsor karakter.

RT

Rekordterminátor. A gawk arra a bemenő szövegre állítja be, amely illeszkedik az RS által meghatározott karakterre vagy reguláris kifejezésre.

RSTART

Az első, match() által talált karakter indexe; 0, ha nincs találat.

RLENGTH

A match() által talált karakterlánc hossza; -1, ha nincs találat.

SUBSEP

A többindexű tömbelemek indexelválasztó karaktere. Alapértelmezésben  34.

Tömbök¶

A tömbök indexei szögletes zárójelben ([ és ]). megadott kifejezések. Ha a kifejezés egy kifejezéslista (kif, kif ...) akkor a tömbindex az egyes kifejezések (karakterlánc-)értékének konkatenációjából álló karakterlánc, ahol az egyes részeket a SUBSEP változó értéke szerinti karakter választja el. Például:

a "hello, world\n" karakterláncot rendeli az x tömb "A\034B\034C" karakterlánccal indexelt eleméhez. az AWK-ban minden tömb asszociatív, azaz karakterláncokkal indexelt.

Az in, különleges operátor használható if és while utasításban annak eldöntésére, hogy egy tömbben létezik-e egy adott értékből álló index.

if (val in array)


   print array[val]

Ha a tömb többindexű, az (i, j) in array forma alkalmazandó.

Az in szerkezet for ciklusban is használható egy tömb minden elemének eléréséhez.

Egy tömbelem a delete utasítással törölhető. A delete a tömb teljes tartalmának törlésére is használható, a tömbnév index nélküli megadásával.

Változótipizálás és konverzió¶

A változók és mezők lehetnek (lebegőpontos) számok, karakterláncok, vagy mindkettő. A változó értékének kezelése a környezetétől függ. Ha numerikus kifejezésben szerepel, számként lesz kezelve, ha karakterláncként használják, akkor karakterláncként.

Ha kényszeríteni szeretnénk, hogy egy változó számként legyen kezelve, adjunk hozzá 0-t; ha azt akarjuk, hogy karakterláncként, összefűzzük az üres karakterlánccal.

Ha egy karakterláncot számmá kell konvertálni, a konverzió az atof(3) függvénnyel valósul meg. Egy szám karakterlánccá konvertálódik, ha a CONVFMT értékét, mint az sprintf(3) függvény formázó karakterláncát használjuk, argumentumként pedig a változó számértékét adjuk meg. Azonban, jóllehet az AWK-ban minden szám lebegőpontos, az egész értékek mindig integer-szerűen konvertálódnak. Így

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

a b változó karakterlánc-értéke "12" és nem "12.00".

A gawk a következőképpen hajtja végre az összehasonlítást: ha két változó numerikus, numerikusan hasonlít össze. Ha az egyik érték numerikus és a másik karakterlánc-érték, amely ``numerikus karakterlánc'', akkor az összehasonlítás szintén numerikusan történik. Egyébként a numerikus érték karakterlánccá konvertálódik és karakterlánc-összehasonlítás hajtódik végre. Két karakterlánc, természetesen karakterláncként hasonlítódik össze. A POSIX szabvány szerint, akkor is numerikus összehasonlítást kell végezni, ha két karakterlánc numerikus karakterlánc. Azonban ez teljesen helytelen, és a gawk nem ezt teszi.

Fontos, hogy a karakterlánc konstansok, úgy mint az "57", nem numerikus karakterláncok; ezek karakterlánc konstansok. A ``numerikus karakterlánc'' fogalom csak a mezőkre, a getline bemenetre, a FILENAME -re, az ARGV elemekre, az ENVIRON elemekre és a split() függvénnyel létrehozott tömb numerikus karakterlánc elemeire vonatkozik. Az alapgondolat az, hogy a numerikus alakú felhasználói bemenetet, és csak a felhasználói bemenetet szabad így kezelni.

Az inicializálatlan változók numerikus érteke 0, karakterlánc-értékük "" (null-, vagy üres karakterlánc).

Minták¶

Az AWK minták a következók lehetnek:

BEGIN
END
/reguláris kifejezés/
relációs kifejezés
minta && minta
minta || minta
minta ? minta : minta
(minta)
! minta
minta1, minta2

A BEGIN és az END két speciális minta, amely nem inputfüggő. Minden BEGIN minta tevékenység része egy egységet képez úgy, mintha minden utasítás egyetlen BEGIN blokkba volna írva. Ezek előbb végrehajtásra kerülnek, mielőtt bármilyen bemenet beolvasása megtörténne. Ehhez hasonlóan az END blokkok is egybeolvadnak, és akkor hajtódnak végre, amikor minden bemenet beolvasása véget ért (vagy amikor exit utasítás hajtódik végre). A BEGIN és az END blokkok nem kombinálhatók más mintákkal a mintakifejezésekben. A BEGIN és az END mintákból nem hiányozhat a tevékenység rész.

A /reguláris kifejezés/ mintákhoz rendelt utasítás minden olyan rekordra végrehajtódik, amely illeszkedik a reguláris kifejezésre. A reguláris kifejezések azonosak az egrep(3) programéival. Ezek összefoglalását lásd lejjebb.

A relációs kifejezésekben szerepelhet bármelyik, a lenti, tevékenységekről szóló részben definiált operátorok közül. Ezek rendszerint azt ellenőrzik, hogy bizonyos mezők illeszkednek-e bizonyos reguláris kifejezésekre.

Az &&, ||, és ! operátorok rendre a logikai ÉS, logikai VAGY és logikai NEM, mint a C-ben. Rövidzár kiértékelést végeznek, szintén, mint a C-ben. Egyszerűbb mintakifejezések összekapcsolására szolgálnak. Mint a legtöbb nyelvben, zárójelek használhatók a kiértékelés sorrendjének megváltoztatására.

A ?: operátor hasonlít a C ugyanezen operátorához. Ha az első minta igaz, akkor a második minta kerül felhasználásra az ellenőrzéshez, egyébként a harmadik. A második és harmadik minta közül csak az egyik értékelődik ki.

A minta1, minta2 kifejezésforma neve tartományminta. Ez illeszkedik a minta1 -re illeszkedő rekorddal kezdve folytatólagosan minden bemenő rekordra, egy, a minta2 -re illeszkedő rekordig - beleértve a két határmintára illeszkedő rekordokat. Nem működik együtt másfajta mintakifejezésekkel.

Reguláris kifejezések¶

A reguláris kifejezések az egrep -ben megtalálható kibővített típusúak. A következő karakterekből állnak:

c

a nem-metakarakter c-re illeszkedik.

\c

a literális c karakterre illeszkedik. . minden karakterre illeszkedik, beleértve az újsort.

^

egy karakterlánc kezdetére illeszkedik.

$

egy karakterlánc végére illeszkedik.

[abc...]

karakterlista, amely az abc... karakterek bármelyikére illeszkedik.

[^abc...]

negált karakterlista, minden karakterre illeszkedik, kivéve abc... -t.

r1|r2

vagylagosság: r1 -re vagy r2 -re illeszkedik.

r1r2

összekapcsolás: az r1 és r2 sorozatra illeszkedik.

r+

egy vagy több r -re illeszkedik.

r*

nulla vagy több r -re illeszkedik.

r?

nulla vagy egy r -re illeszkedik.

(r)

csoportosítás: r -re illeszkedik. r.

r{n}

r{n,}

r{n,m}

Egy vagy két szám kapcsos zárójelek között intervallum-kifejezést jelent. Ha egy szám szerepel a zárójelek között, az előtte álló r reguláris kifejezés n -szer megismétlődik. Ha két szám van zárójelezve, vesszővel elválasztva, r n és m közötti számszor ismétlődik meg. Ha egy számot követ vessző, ez r legalább n -szeri ismétlését jelzi.

Az intervallum-kifejezések csak akkor használhatók, ha a parancssorban --posix vagy --re-interval opciót jelölünk meg.

\y

egy szó elején vagy végén álló üres karakterláncra illeszkedik.

\B

egy szón belüli üres karakterláncra illeszkedik.

\<

egy szó elején álló üres karakterláncra illeszkedik.

\>

egy szó végén álló üres karakterláncra illeszkedik.

\w

minden szóalkótó karakterre (betű, szám, aláhúzás) illeszkedik.

\W

minden nem-szóalkótó karakterre illeszkedik.

\`

egy puffer (karakterlánc) elején álló üres karakterláncra illeszkedik.

\'

egy puffer végén álló üres karakterláncra illeszkedik.

A karakterlánc konstansokban érvényes escape szekvenciák (lásd lejjebb) szintén használhatók a reguláris kifejezésekben.

A karakterosztály a POSIX szabványban bevezetett új lehetőség. A karakterosztály egy speciális jelölés adott attribútumú karakterek leírásához, ahol viszont a tulajdonképpeni karakterek ország és ország és/vagy karakterkészlet és karakterkészlet között mások lehetnek. Például az alfabetikus karakter fogalma mást jelent az USA-ban és mást Franciaországban.

A karakterosztályok csak a karakterlista szögletes zárójelein belüli reguláris kifejezésben használhatók. Formájuk: [:, az osztályt jelölő kulcsszó és :]. Íme a POSIX szabványban definiált karakterosztályok.

[:alnum:]

Alfanumerikus karakterek.

[:alpha:]

Alfabetikus karakterek.

[:blank:]

Space vagy tab karakterek.

[:cntrl:]

Vezérlő karakterek.

[:digit:]

Numerikus karakterek.

[:graph:]

Látható és nyomtatható karakterek. (A space nyomtatható, de nem látható, míg egy a mindkettő.)

[:lower:]

Kisbetűs alfabetikus karakterek.

[:print:]

Nyomtatható karakterek (nem vezérlő karakterek.)

[:punct:]

Írásjelek (nem betű-, szám-, vezérlő vagy space karakterek).

[:space:]

Space karakterek (úgy mint például space, tab és lapdobás).

[:upper:]

Nagybetűs alfabetikus karakterek.

[:xdigit:]

Hexadecimális számkarakterek.

Példának okáért, a POSIX szabvány előtt, az alfanumerikus karakterekre illeszkedést a /[A-Za-z0-9]/ leírásával lehetett volna elérni. Ha karakterkészletünkben egyéb alfabetikus karakterek is vannak, ez nem fog illeszkedni rájuk. A POSIX karakterosztályt használva a /[[:alnum:]]/ forma illeszkedni fog a karakterkészlet minden alfabetikus és numerikus karakterére.

Két további speciális szekvencia is megjelenhet a karakterlistákban. Ezek nem-ASCII karakterkészletekre vonatkoznak, amelyeknek lehetnek olyan szimbólumaik ( egybeolvasott elemek ), amelyek több, mint egy karakterrel vannak ábrázolva, és számos olyan karakter is, amelyek összehasonlító vagy rendező szempontból egyenértékűek. (Pl. a francia nyelvben a sima ``e'' és a tompaékezetes e` egyenértékűek.)

Egybeolvasott szimbólumok

Az egybeolvasott szimbólum egy többkarakteres egybeolvasott elem, amely [. és .] közé van zárva. Például, ha ch egy egybeolvasott elem, akkor [[.ch.]] az a reguláris kifejezés, amely illeszkedik rá, míg a [ch] reguláris kifejezés c-re, vagy h-ra illeszkedik.

Ekvivalenciaosztályok

Az ekvivalenciaosztály ekvivalens karakterek listájának helyileg definiált neve. A név [= és =] közé van zárva. Például az e név használható volna az ``e'', ``e''' és ``e`'' mindegyikének ábrázolására. Ebben az esetben a [[=e=]] olyan reguláris kifejezés, amely e-re e'-re és e`-re is illeszkedik.

Ezek a szolgáltatások igan hasznosak a nem angolul beszélő területeken. A gawk által a reguláris kifejezések illesztéséhez használt könyvtári függvények jelenleg csak a POSIX karakterosztályokat ismerik fel; nem kezelik az egybeolvasott szimbólumokat vagy az ekvivalenciaosztályokat.

A \y, \B, \<, \>, \w, \W, \`, és \' operátorok gawk-specifikusak; a GNU reguláris kifejezés könyvtárainak szolgáltatásaira épülő bővítések.

A számos parancsssori opció azt szabályozza, hogy a

hogyan kezelje a reguláris kifejezésekben szereplő karaktereket.

Nincs opció

Alapesetben a gawk a POSIX reguláris kifejezések és a fent leírt GNU reguláris kifejezés operátorok minden szolgáltatását nyújtja. Azonban az intervallum-kifejezések nincsenek támogatva.

--posix

Csak a POSIX reguláris kifejezések támogatottak, a GNU operátorok nem definiáltak. (Pl. a \w a literális w-re illeszkedik). Az intervallum-kifejezések engedélyezettek.

--traditional

A hagyományos Unix awk reguláris kifejezései működnek. A GNU operátorok nem definiáltak, az intervallum-kifejezések nem elérhetők és a POSIX karakterosztályok sem ([[:alnum:]] stb). Az oktális vagy hexadecimális escape szekvenciákkal megadott karakterek kezelése literális, még ha reguláris kifejezés metakaraktereket ábrázolnak is.

--re-interval

Engedélyezi az intervallum-kifejezéseket a reguláris kifejezésekben, még ha a --traditional opció meg is van adva.

Tevékenységek¶

A tevékenységek utasításai { és } közé vannak zárva. A más nyelvekben meglévő, megszokott értékadó, feltételes és ciklusutasításokból állnak. A használható operátorok, vezérlő utasítások és bemeneti/kimeneti utasítások a C-beli megfelelőkről vannak mintázva.

Operátorok¶

Az AWK operátorai csökkenő precedencia szerint:

(...)

Csoportosítás.

$

Mezőhivatkozás.

++ --

Inkrementálás és dekrementálás, mindkettő prefix és postfix.

^

Hatványozás (** szintén használható, **= pedig értekadó operátorként).

+ - !

Egyoperandusú plusz/mínusz és logikai tagadás.

* / %

Szorzás, osztás és maradékképzés.

+ -

Összeadás és kivonás.

space

Karakterláncok összekapcsolása (konkatenáció).

< >

<= >=

!= ==

A megszokott relációs operátorok.

~ !~

Reguláris kifejezés illeszkedése, nem-illeszkedése. FONTOS: Ne használjunk konstans reguláris kifejezést (/foo/) ~ vagy !~ baloldalán, csakis a jobbon! A /foo/ ~ exp kifejezés jelentése ugyanaz, mint a (($0 ~ /foo/) ~ exp) kifejezésé. Rendszerint nem ezt várják.

in

Tömbhöz tartozás.

&&

Logikai ÉS.

||

Logikai VAGY.

? :

A C feltételes kifejezése. Ennek formája kif1 ? kif2 : kif3. Ha kif1 igaz, a kifejezés értéke kif2, egyébként kif3. Csak egy értékelődik ki kif2 és kif3 közül.

= += -=

*= /= %= ^=

Értékadás. Úgy az abszolút értékadás (var = value) mint az operátor-értékadás (a többi forma) egyaránt támogatott.

Vezérlő utasítások¶

A vezérlő utasítások a következők:

if (feltétel) utasítás [ else utasítás ]
while (feltétel) utasítás 
do utasítás while (feltétel)
for (kif1; kif2; kif3) utasítás
for (var in array) utasítás
break
continue
delete array[index]
delete array
exit [ kifejezés ]
{ utasítások }

Bemeneti/kimeneti utasítások¶

A bemeneti/kimeneti utasítások a következők:

close(file)

Lezárja a fájlt (vagy csatornát, lásd lenn).

getline

$0 értékét a következő bemeneti rekordból veszi; beállítja NF, NR, FNR értékét.

getline <file

$0 értékét file következő bemeneti rekordjából veszi; beállítja NF értékét.

getline var

var értékét a következő bemeneti rekordból veszi; beállítja NF, FNR értékét.

getline var <file

var értékét file következő rekordjából veszi.

next

Abbamarad az aktuális rekord feldolgozása. Megtörténik a következő bemeneti rekord beolvasása és a feldolgozás az AWK program első mintájával kezdődik. Ha a végrehajtás elérte a bemeneti adatok végét, az END blokk(ok) (ha van(nak)) kerülnek végrehajtásra.

nextfile

Abbamarad az aktuális bemeneti file feldolgozása. A következő bemeneti rekord a következő fájlból érkezik. FILENAME és ARGIND aktualizálódik, FNR értéke 1-re áll be, és a feldolgozás az AWK program első mintajával kezdődik. Ha a vegrehajtás elérte a bemeneti adatok végét, az END blokk(ok) (ha van(nak)) kerülnek végrehajtásra. FONTOS: A gawk korábbi verziói a next file -t két szóban használták. Noha még felismeri ezt a használati módot, figyelmeztető üzenetet generál és előbb-utóbb elhagyásra kerül.

print

Kiírja az aktuális rekordot. A kimeneti rekord az ORS változó értékével fejeződik be.

print expr-list

Kiírja a kifejezések értékét. Minden kifejezés az OFS változó értékével választódik el. A kimeneti rekord az ORS változó értékével fejeződik be.

print expr-list >file

A file-ba írja a kifejezések értékét. Minden kifejezés az OFS változó értékével választódik el. A kimeneti rekord az ORS áltozó értékével fejeződik be.

printf fmt, expr-list

Formáz és kiír.

printf fmt, expr-list >file

Formáz és a file-ba ír.

system(cmd-line)

Végrehajtja a cmd-line parancsot, és visszatér az exit státusszal. (Ez lehet, hogy nem használható nem-POSIX rendszerekben.)

fflush([file])

Lemezre ír minden, a nyitott kimeneti vagy csatorna file -hoz rendelt puffert. Ha a file paraméter nincs megadva, a szabványos kimenetre ír. Ha file üres karakterlánc, akkor minden nyitott kimeneti és csatorna file puffere kiíródik.

Egyéb kimeneti/bemeneti átirányítások is megengedettek. A print -re és printf -re vonatkozóan a >>file a kimenetet a file végére írja, míg a | parancs csatornába ír. Ehhez hasonlóan a parancs | getline getline-ba irányít át. A getline parancs 0-val tér vissza a file végénél és -1-gyel hiba esetén.

A printf utasítás¶

A printf utasítás és sprintf() függvény (lásd lenn) AWK verziója a következő konverziós karaktereket fogadja el:

%c

Egy ASCII karakter. Ha %c -hez rendelt argumentum numerikus, a gawk karakterként kezeli és kiírja. Egyébként feltételezi, hogy az argumentum karakterlánc, és csak a karakterlánc első karakterét írja ki.

%d

%i

Decimális szám (az egészrész).

%e

%E

[-]d.dddddde[+-]dd formájú lebegőpontos szám. A %E -s forma E -t használ e helyett.

%f

[-]ddd.dddddd formájú lebegőpontos szám.

%g

%G

A %e vagy %f konverziók közül a rövidebbet alkalmazza. Az értéktelen nullákat elhagyja. A %G -s forma %E -t alkalmaz %e helyett.

%o

Jelöletlen oktális szám (megint csak egész).

%s

Karakterlánc.

%x

%X

Jelöletlen hexadecimális szám (egész). A %X -es forma ABCDEF -et használ abcdef helyett.

%%

Egy % karakter; argumentumot nem konvertál.

Léteznek további, opcionális paraméterek, amelyek a % és a vezérlőkarakter között állhatnak:

-

A kifejezésnek a mezőben balra igazítva kell megjelennie.

space

Numerikus konverziókban space-et ír a pozitív, mínusz jelet a negatív kifejezések elé.

+

A plusz jel - a szélességmódosító előtt (lásd lejjebb) használva - előírja, hogy a numerikus konverziókban mindig előjelet kell írni, akkor is, ha a formázott szám pozitív. A + felülbírálja a space jelzőt.

#

``Alternatív forma'' használata bizonyos vezérlő betűkhöz. A %o -hoz bevezető 0-t ad. A %x -hez és %X -hez bevezető 0x -et vagy 0X -et ad, ha az eredmény nem nulla. A %e, %E és %f esetében az eredmény mindig tartalmazni fog tizedespontot. A %g -nél és %G -nél a számvégi nullák nem maradnak ki az eredményből.

0

A bevezető 0 jelzőként működik, amely azt mutatja, hogy a kimenetben a bevezető space-ek helyett nullák legyenek. Ez a nem-numerikus kimenetek formázására is vonatkozik. Ennek a jelzőnek csak akkor van hatása, amikor a mező szélesebb, mint a kiírandó szöveg.

width

A mezőt ilyen szélességűre kell feltölteni. A feltöltés rendszerint space-ekkel történik. Ha a 0 jelzőt használjuk, nulla lesz a kitöltő karakter.

.prec

Szám, amely meghatározza a kiíráskor alkalmazandó pontosságot. A %e, %E és %f formák esetében ez határozza meg a tizedespont jobb oldalán kiírni kívánt jegyek számát. A %g és %G formáknál ez az értékes jegyek maximális számát adja meg. A %d, %o, %i, %u, %x és %X formák esetében ez a kiírandó jegyek maximális számát határozza meg.

Az ANSI C printf() rutinjainak dinamikus szélesség és pontosság szolgáltatásai támogatottak. Egy * a width vagy prec előírások helyén azt eredményezi, hogy értéküket a printf vagy sprintf() argumentumlistájából veszik.

Különleges fájlnevek¶

Amikor akár print -ből, akár printf -ből bemeneti/kimeneti átirányítást végzünk egy fájlba, a gawk felismer néhány speciális fájlnevet. Ezek elérhetővé teszik a szülő processzből (ez rendszerint a shell) örökölt nyitott fájldeszkriptorokat. Más különleges fájlnevek a futó gawk processzről szóló információhoz szolgáltatnak elérést. Ezek a fájlnevek:

/dev/pid

E file olvasása visszaadja az aktuális processz újsorral terminált, decimális azonosítóját.

/dev/ppid

E file olvasása visszaadja a szülő processz újsorral terminált, decimális azonosítóját.

/dev/pgrpid

E file olvasása visszaadja az aktuális processz újsorral terminált, decimális csoportazonosítóját.

/dev/user

E file olvasása egy, újsorral terminált rekordot ad vissza. A mezők space-szel vannak elválasztva. $1 a getuid(2) rendszerhívás értéke, $2 a geteuid(2) rendszerhívás értéke, $3 a getgid(2) -é és $4 a getegid(2) -é. Ha további mező fordul elő, akkor azok a getgroups(2) által visszaadott group ID-k. Lehet, hogy a többcsoportúságot nem minden rendszer támogatja.

/dev/stdin

A szabványos bemenet.

/dev/stdout

A szabványos kimenet.

/dev/stderr

A szabványos hibakimenet.

/dev/fd/n

A nyitott n file-deszkriptorhoz rendelt file.

Ezek különösen hibaüzenetek szempontjából fontosak. Például:

ahol egyébként a következő formát kellene használni:

Ezek a fájlnevek a parancssorban is felhasználhatók adatfile-ok megnevezésére.

Numerikus függvények¶

Az AWK a következő elődefiniált aritmetikai függvényekkel rendelkezik:

atan2(y, x)

visszaadja radiánban y/x arkusz tangensét. cos(expr) visszaadja expr radián koszinuszát.

exp(expr)

az exponenciális függvény.

int(expr)

egészrészre csonkol.

log(expr)

természetes alapú logaritmus függvény.

rand()

visszaad egy véletlenszámot 0 és 1 között.

sin(expr)

visszaadja expr radián szinuszát.

sqrt(expr)

a négyzegyökfüggvény.

srand([expr])

expr értékét használja a véletlenszámgenerátor inicializálására. Ha expr nincs megadva, az időt használja. A visszatérési érték a véletlenszám-generátor korábbi inicializáló értéke.

Karakterlánc-függvények¶

A gawk a következő elődefiniált karakterlánc függvényekkel rendelkezik:

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

a t tárgykarakterláncban keresi r reguláris kifejezést. Ha h g vagy G kezdetű karakterlánc, akkor r minden illeszkedését s -re cseréli. Egyébként h egy szám, amely azt jelzi, hogy r melyik illeszkedését kell lecserélni. Ha t nincs megadva, $0 -t alkalmazza. Az s csereszövegben a \n, szekvencia (ahol n egy, 0 és 9 közötti számjegy) használható a csak az n -edik zárójelezett al-kifejezésre illeszkedő szöveg jelölésére. A \0 szekvencia az egész illeszkedő szöveget jelképezi, csakúgy mint az & karakter. Eltérően a sub() és gsub() függvényektől, a visszatérési érték a módosított karakterlánc, az eredeti tárgykarakterlánc pedig nem módosul.

gsub(r, s [, t])

t karakterlánc minden r reguláris kifejezésre illeszkedő alkarakterláncát s karakterláncra cseréli és visszaadja a helyettesítések számát. Ha t nincs megadva, $0 -ban keres. Egy & jel a csereszövegben az illeszkedő szöveggel helyettesítődik, literális & eléréséhez \& forma alkalmazandó. Az & és backslash jelek csereszövegekbeni alkalmazási szabályairól a sub(), gsub() és gensub() függvényekben bővebb leírás olvasható az AWK Language Programming c. könyvben.

index(s, t)

visszaadja t karakterlánc s karakterláncbeli indexét vagy 0-t, ha t nem szerepel s -ben.

length([s])

visszatér s karakterlánc hosszával (vagy $0 -éval, ha s nincs megadva).

match(s, r)

visszaadja r reguláris kifejezés s -ben elfoglalt helyét (vagy 0-t, ha r nem szerepel benne), és beállítja RSTART és RLENGTH értékét.

split(s, a [, r])

r regurális kifejezés alapján a t tömbbe darabolja az s karakterláncot és visszatér a mezők számával. Ha r elmarad, FS -t használja. A darabolás a - fent leírt - mezőkre bontással megegyezően történik.

sprintf(fmt, expr-list)

a fmt -nak megfelelően kiírja a kifejezéslistát és visszatér az eredmény-karakterlánccal.

sub(r, s [, t])

mint a gsub() függvény, de csak az első illeszkedést cseréli.

substr(s, i [, n])

visszaadja s karakterlánc i-nél kezdődő, legfeljebb n karakteres alkarakterláncát. Ha n nincs megadva, s teljes maradékát alkalmazza.

tolower(str)

visszatér str karakterlánc másolatával, amelyben minden nagybetűt a megfelelő kisbetűre alakít. A nem-alfabetikus karakterek nem változnak.

toupper(str)

visszatér str karakterlánc másolatával, amelyben minden kisbetűt a megfelelő nagybetűre alakít. A nem-alfabetikus karakterek nem változnak.

Időfüggvények¶

Mivel az AWK programok egyik elsődleges felhasználási területe a log fájlok feldolgozása - amelyek időadatot tartalmaznak -, a gawk a következő két függvényt nyújtja az időadatok kinyeréséhez és formázásához:

systime()

visszaadja az Epoch (POSIX rendszereken 1970. jan. 1. 00:00:00) óta másodpercekben eltelt időt.

strftime([format [, timestamp]])

az időadatot a formátumnak megfelelően formázza. Az időadatnak a systime() által visszaadott formával megegyezőnek kell lennie. Ha a formátum hiányzik, a date(1) parancs kimenetével megegyező, alapértelmezett formátumot alkalmaz. A biztosan használható formátum konverziókat lásd az ANSI C strftime() függvényének specifikációjánál. A gawk -kal jár az strftime(3) függvény public-domain verziója és az ahhoz tartozó man lap. Ha a gawk fordításakor ezt a verziót használták, akkor a man lapban leírt minden konverzió elérhető a gawk számára.

Karakterlánc állandók¶

Az AWK karakterláncai dupla idézőjelek (") közé zárt karaktersorozatok. A gawk bizonyos escape szekvenciákat felismer a karakterláncokban. Ezek:

\\

Literális backslash.

\a

Az "alert" karakter; rendszerint az ASCII csengő (ASCII BEL) karakter.

\b

Backspace.

\f

Lapdobás.

\n

Újsor.

\r

Kocsivissza.

\t

Vízszintes tabulátor.

\v

Függőleges tabulátor.

\x hexa jegyek

A \x -et követő hexadecimális számmal jelzett karakter. Mint az ANSI C-ben, az utána álló minden hexadecimális jegy az escape szekvencia részeként kerül feldolgozásra. (Ez a jellemző kell hogy mondjon valamit a bizottsági nyelvtervezésről.) Pl. az "\x1B" az ASCII ESC (escape) karakter.

\ddd

Az egy-, két-, vagy háromjegyű oktális számnak megfelelő karakter. Pl. az "\033" az ASCII ESC (escape) karakter.

\ c

A literális c karakter.

Az escape szekvenciák konstans reguláris kifejezésekben szintén használhatók (pl. /[ \t\f\n\r\v]/ whitespace karakterekre illeszkedik).

Kompatíbilis módban az oktális vagy hexadecimális escape szekvenciákkal jelölt karakterek literálisan kerülnek feldolgozásra a regurális kifejezés konstansokban. Így a /a\52b/ ugyanaz, mint a /a\*b/.