1700436960
1700436961
2. awk
1700436962
1700436963
1700436964
1700436965
1700436966
1700436967
我对能同时处理数字和文本的工具很感兴趣。grep和sed都不能处理数字数据或进行计算，grep也不能处理多行文本，这类运算仍然需要C语言程序。我想找一种通用方案。与此同时，阿尔·阿霍（图5-14）一直在试验支持比grep更丰富的正则表达式类别的方法，并编写了egrep（“扩展grep”，extended grep）。彼得·温伯格对数据库感兴趣，他不久后调入1127中心，搬到我和阿尔之间的办公室。
1700436968
1700436969
1700436970
1700436971
1700436972
图5-14 阿尔·阿霍，约1981年（杰勒德·霍尔兹曼供图）
1700436973
1700436974
1977年秋天，我们3个人讨论如何将这些想法结合起来。我们从IBM强大但难以捉摸的报表程序生成器RPG中获得了一些灵感，同时还从马克·罗奇金德（Marc Rochkind）那里得到了一个精妙的点子，在下一章中我会介绍这个点子。最终我们设计出一种语言，起名为AWK（下文写作awk）。正如我们在最初的说明中提到的那样，用作者的名字来命名一门语言是想象力贫乏所致。我不记得我们是否考虑过与awkward[11]相关的同义词，也可能是我们觉得这个名字既风趣又贴切，总之它最后成了程序名。彼得利用Yacc、Lex和阿尔的egrep正则表达式代码，只用了几天时间就写出第一个版本。
1700436975
1700436976
awk程序是模式和动作的序列。每行输入都要测试所有模式，如果模式匹配，则执行相应动作。模式可以是正则表达式，也可以是数字或者字符串关系。不指定模式就会匹配所有行，不指定动作则会输出匹配行。
1700436977
1700436978
下例输出所有长于80个字符的输入行，该模式没有指定动作。
1700436979
1700436980
awk ‘length > 80’
1700436981
1700436982
1700436983
1700436984
1700436985
1700436986
awk支持数字或字符串变量，以及下标为数字或任意字符串的关联数组。变量初始化为零和空字符串，所以通常不需要设置初始值。
1700436987
1700436988
awk自动读取输入文件的每一行，并将其分割成字段，所以很少需要另写代码来读取输入或解析各行。awk还有一些内置变量，包含了当前输入行的编号和该行对应的字段数，所以这些值也不需要另行计算。这些默认值消除了重复代码，意味着许多awk程序只有一两行长。
1700436989
1700436990
例如，下例在每一行开始处加上行号：
1700436991
1700436992
awk ‘{print NR, $0}’
1700436993
1700436994
1700436995
1700436996
1700436997
1700436998
NR是当前输入行的行号，$0是输入行的内容。
1700436999
1700437000
下例统计每个单词的出现次数，并在最后输出单词及其计数。
1700437001
1700437002
{ for (i = 1; i <= NF; i++) wd[$i]++ } END { for (w in wd) print w, wd[w] }
1700437003
1700437004
1700437005
1700437006
1700437007
1700437008
程序第一行是没有指定模式的动作，所以对每一行输入内容都有效。内置变量NF是当前输入行的字段数，它是自动计算出来的。变量 $i代表第i个字段，同样是自动计算出来的。语句wd[$i]++使用该值，也就是输入的一个词，作为数组wd的下标，并递增数组中的该元素。读取完最后一行输入后，使用特殊模式END做匹配。注意程序中有两种不同的for循环。第一种直接借用自C语言；第二种是在数组的元素上循环，在本例中，它输出多行文本，每行列出原始输入的每个单词以及该词出现的次数。
1700437009