跳到主要內容

精通awk系列(8)：awk劃分字段的3種方式

回到：









詳細分析awk字段分割


awk讀取每一條記錄之後，會將其賦值給$0，同時還會對這條記錄按照預定義變量FS劃分字段，將劃分好的各個字段分別賦值給$1 $2 $3 $4...$N，同時將劃分的字段數量賦值給預定義變量NF。


引用字段的方式


$N引用字段：



  • N=0：即$0，引用記錄本身

  • 0<N<=NF：引用對應字段

  • N>NF：表示引用不存在的字段，返回空字符串

  • N<0：報錯


可使用變量或計算的方式指定要獲取的字段序號。


awk '{n = 5;print $n}' a.txt
 awk '{print $(2+2)}' a.txt   # 括號必不可少，用於改變優先級
 awk '{print $(NF-3)}' a.txt

分割字段的方式


讀取record之後，將使用預定義變量FS、FIELDWIDTHS或FPAT中的一種來分割字段。分割完成之後，再進入main代碼段(所以，在main中設置FS對本次已經讀取的record是沒有影響的，但會影響下次讀取)。



劃分字段方式(一)：FS或-F


FS或者-F：字段分隔符



  • FS為單個字符時，該字符即為字段分隔符

  • FS為多個字符時，則採用正則表達式模式作為字段分隔符

  • 特殊的，也是FS默認的情況，FS為單個空格時，將以連續的空白（空格、製表符、換行符）作為字段分隔符

  • 特殊的，FS為空字符串""時，將對每個字符都進行分隔，即每個字符都作為一個字段

  • 設置預定義變量IGNORECASE為非零值，正則匹配時表示忽略大小寫(隻影響正則，所以FS為單字時無影響)

  • 如果record中無法找到FS指定的分隔符(例如將FS設置為"\n")，則整個記錄作為一個字段，即$1和$0相等


# 字段分隔符指定為單個字符
 awk -F":" '{print $1}' /etc/passwd
 awk 'BEGIN{FS=":"}{print $1}' /etc/passwd
 
 # 字段分隔符指定為正則表達式
 awk 'BEGIN{FS=" +|@"}{print $1,$2,$3,$4,$5,$6}' a.txt


劃分字段方式(二)：FIELDWIDTHS


指定預定義變量FIELDWIDTHS按字符寬度分割字段，這是gawk提供的高級功能。在處理某字段缺失時非常好用。


用法：



示例1：


# 沒取完的字符串DDD被丟棄，且NF=3
 $ awk 'BEGIN{FIELDWIDTHS="2 3 2"}{print $1,$2,$3,$4}' <<<"AABBBCCDDDD"
 AA BBB CC 
 
 # 字符串不夠長度時無視
 $ awk 'BEGIN{FIELDWIDTHS="2 3 2 100"}{print $1,$2,$3,$4"-"}' <<<"AABBBCCDDDD"
 AA BBB CC DDDD-
 
 # *號取剩餘所有，NF=3
 $ awk 'BEGIN{FIELDWIDTHS="2 3 *"}{print $1,$2,$3}' <<<"AABBBCCDDDD"      
 AA BBB CCDDDD
 
 # 字段數多了，則取完字符串即可，NF=2
 $ awk 'BEGIN{FIELDWIDTHS="2 30 *"}{print $1,$2,NF}' <<<"AABBBCCDDDD"  
 AA BBBCCDDDD 2

示例2：處理某些字段缺失的數據。


如果按照常規的FS進行字段分割，則對於缺失字段的行和沒有缺失字段的行很難統一處理，但使用FIELDWIDTHS則非常方便。


假設a.txt文本內容如下：


ID  name    gender  age  email          phone
 1   Bob     male    28   abc@qq.com     18023394012
 2   Alice   female  24   def@gmail.com  18084925203
 3   Tony    male    21   aaa@163.com    17048792503
 4   Kevin   male    21   bbb@189.com    17023929033
 5   Alex    male    18                  18185904230
 6   Andy    female  22   ddd@139.com    18923902352
 7   Jerry   female  25   exdsa@189.com  18785234906
 8   Peter   male    20   bax@qq.com     17729348758
 9   Steven  female  23   bc@sohu.com    15947893212
 10  Bruce   female  27   bcbd@139.com   13942943905

因為email字段有的是空字段，所以直接用FS劃分字段不便處理。可使用FIELDWIDTHS。


# 字段1：4字符
 # 字段2：8字符
 # 字段3：8字符
 # 字段4：2字符
 # 字段5：先跳過3字符，再讀13字符，該字段13字符
 # 字段6：先跳過2字符，再讀11字符，該字段11字符
 awk '
 BEGIN{FIELDWIDTHS="4 8 8 2 3:13 2:11"}
 NR>1{
     print "<"$1">","<"$2">","<"$3">","<"$4">","<"$5">","<"$6">"
 }' a.txt
 
 # 如果email為空，則輸出它
 awk '
 BEGIN{FIELDWIDTHS="4 8 8 2 3:13 2:11"}
 NR>1{
     if($5 ~ /^ +$/){print $0}
 }' a.txt


劃分字段方式(三)：FPAT


FS是指定字段分隔符，來取得除分隔符外的部分作為字段。


FPAT是取得匹配的字符部分作為字段。它是gawk提供的一個高級功能。


FPAT根據指定的正則來全局匹配record，然後將所有匹配成功的部分組成$1、$2...，不會修改$0。



  • awk 'BEGIN{FPAT="[0-9]+"}{print $3"-"}' a.txt

  • 之後再設置FS或FPAT，該變量將失效


FPAT常用於字段中包含了字段分隔符的場景。例如，CSV文件中的一行數據如下：


Robbins,Arnold,"1234 A Pretty Street, NE",MyTown,MyState,12345-6789,USA

其中逗號分隔每個字段，但雙引號包圍的是一個字段整體，即使其中有逗號。


這時使用FPAT來劃分各字段比使用FS要方便的多。


echo 'Robbins,Arnold,"1234 A Pretty Street, NE",MyTown,MyState,12345-6789,USA' |\
 awk '
     BEGIN{FPAT="[^,]*|(\"[^\"]*\")"}
     {
         for (i=1;i<NF;i++){
             print "<"$i">"
         }
     }
 '

最後，patsplit()函數和FPAT的功能一樣。


檢查字段劃分的方式


有FS、FIELDWIDTHS、FPAT三種獲取字段的方式，可使用PROCINFO數組來確定本次使用何種方式獲得字段。


PROCINFO是一個數組，記錄了awk進程工作時的狀態信息。


如果：



  • PROCINFO["FS"]=="FS"，表示使用FS分割獲取字段

  • PROCINFO["FPAT"]=="FPAT"，表示使用FPAT匹配獲取字段

  • PROCINFO["FIELDWIDTHS"]=="FIELDWIDTHS"，表示使用FIELDWIDTHS分割獲取字段


例如：


if(PROCINFO["FS"]=="FS"){
     ...FS spliting...
 } else if(PROCINFO["FPAT"]=="FPAT"){
     ...FPAT spliting...
 } else if(PROCINFO["FIELDWIDTHS"]=="FIELDWIDTHS"){
     ...FIELDWIDTHS spliting...
 }
本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理【其他文章推薦】

※USB CONNECTOR掌控什麼技術要點? 帶您認識其相關發展及效能



※評比前十大台北網頁設計、台北網站設計公司知名案例作品心得分享



※智慧手機時代的來臨，RWD網頁設計已成為網頁設計推薦首選



Orignal From: 精通awk系列(8)：awk劃分字段的3種方式

留言

張貼留言

這個網誌中的熱門文章

Python 併發總結，多線程，多進程，異步IO

1 測量函數運行時間 import time def profile(func): def wrapper(*args, ** kwargs): import time start = time.time() func( *args, ** kwargs) end = time.time() print ' COST: {} ' .format(end - start) return wrapper @profile def fib(n): if n<= 2 : return 1 return fib(n-1) + fib(n-2 ) fib( 35 )   2 啟動多個線程，並等待完成   2.1 使用threading.enumerate() import threading for i in range(2 ): t = threading.Thread(target=fib, args=(35 ,)) t.start() main_thread = threading.currentThread() for t in threading.enumerate(): if t is main_thread: continue t.join()   2.2 先保存啟動的線程 threads = [] for i in range(5 ): t = Thread(target=foo, args= (i,)) threads.append(t) t.start() for t in threads: t.join()   3 使用信號量，限制同時能有幾個線程訪問臨界區 from threading import Semaphore import time sema = Semaphor...
張貼留言
閱讀完整內容

韋伯連續劇終於更新 期待第一季順利完結

　　地球天文學界的跳票大王詹姆斯·韋伯空間望遠鏡 (James Webb Space Telescope，縮寫為 JWST)自 1996 年以來斷斷續續不按劇本演出的連續劇終於讓焦慮的觀眾們又等到了一次更新：五層遮陽罩測試順利完成。 裝配完成的韋伯望遠鏡與好夥伴遮陽罩同框啦。Credit: NASA 　　嚴格的測試是任何空間任務順利成功的重中之重。遮陽罩，這個韋伯望遠鏡異常重要的親密夥伴，要是無法正常運轉的話，韋伯的這一季天文界連續劇說不準就要一直拖更了。 　　詹姆斯·韋伯空間望遠鏡是歷史上造出的最先進的空間望遠鏡。它不僅是一架紅外望遠鏡，還具有特別高的靈敏度。但想要達到辣么高的靈敏度來研究系外行星和遙遠的宇宙童年，韋伯童鞋必須非常"冷靜"，體溫升高的話，靈敏度會大大折損。這個時候，遮陽罩就要大顯身手啦。 　　遮陽罩在韋伯的設計中至關重要。韋伯望遠鏡會被發射到拉格朗日 L2 點，運行軌道很高，遠離太陽、地球與月球。太陽是韋伯的主要熱量干擾的來源，其次是地球與月球。遮陽罩會有效阻斷來自這三大熱源的能量並保護韋伯維持在工作溫度正常運轉。這個工作溫度指的是零下 220 攝氏度(-370 華氏度；50 開爾文)。 上圖中我們可以看出，韋伯望遠鏡的配置大致可分為兩部分：紅色較熱的一面溫度為 85 攝氏度，藍色較冷的一面溫度達到零下 233 攝氏度。紅色的這部分中，儀器包括太陽能板、通信設備、計算機、以及轉向裝置。藍色部分的主要裝置包括鏡面、探測器、濾光片等。Credit: STSci. 　　遮陽罩的那一部分和望遠鏡的鏡面這部分可以產生非常極端的溫差。遮陽的這面溫度可以達到 110 攝氏度，足以煮熟雞蛋，而背陰處的部分溫度極低，足以凍結氧氣。 　　工程師們剛剛完成了五層遮陽罩的測試，按照韋伯在 L2 時的運行狀態安裝了遮陽罩。L2 距離地球約 160 萬公里。NASA 表示這些測試使用了航天器的自帶系統來展開遮陽罩，測試目前都已成功完成。韋伯望遠鏡遮陽罩負責人 James Cooper 介紹說這是遮陽罩"第一次在望遠鏡系統的电子設備的控制下展開。儘管這個任務非常艱巨，難度高，但測試順利完成，遮陽罩展開時的狀態非常驚艷"。 　　遮陽罩由五層 Kapton 製成。Kapton 是一種聚酰亞胺薄膜材料， 耐高溫絕...
張貼留言
閱讀完整內容

LINE 發票管家「一鍵分享發票」新功能，聚餐AA更好算帳

» » LINE 發票管家「一鍵分享發票」新功能，聚餐AA更好算帳 消費明細好清楚，不怕算錯錢啦！ by in , 讀取中... 之前介紹過的「LINE 發票管家」，除了能對統一發票、管理消費紀錄，現在還能分享消費明細給其他朋友囉！趕快來看看該如何分享吧！讓大家在聚餐過後，不用再截圖、拍照把消費明細記錄下來分享到 LINE 好友群組，只要用 LINE發票管家就可以隨時一鍵分享消費明細，包括店家、消費時間、消費項目、金額通通都有，聚餐 AA 也更好算帳。 LINE 發票管家「一鍵分享發票」新功能，聚餐AA更好算帳 朋友聚餐完，經常會先由其中一位買單再事後收帳，不過難免擔心忘記拍照紀錄下消費明細，導致算帳變得很麻煩。但是，現在只要用 LINE發票管家，不僅能將發票存入載具後直接匯入發票，進而更方便管理每月的消費情況，現在還能用它來分享消費明細到 LINE 聊天室，不需要截圖，整個流程超級簡單！ ▲圖片來源： 當使用 LINE發票管家並且綁定載具後，只要日常消費有將發票存入載具就通通會自動匯入 LINE發票管家。如果想暸解自己近期的消費情況，也能在 LINE發票管家點選「發票明細」查詢所有消費紀錄。 ＊小提醒：存入手機條碼的發票，待財政部 1-2 日作業時間將發票資料匯入後， 打開單筆消費後分享到指定對象或群組。 像是朋友聚餐或其它購物消費，就能在 LINE發票管家查看每一筆消費的所有消費明細，每一項餐點的項目、價格通通一目了然。如果想將該筆消費內容分享給好友收帳，只要點選該筆消費明細後，接著點選畫面右上角的「分享」按鈕。 網頁設計 最專業,超強功能平台可客製,窩窩以「數位行銷」「品牌經營」「網站與應用程式」「印刷品設計」等四大主軸，為每一位客戶客製建立行銷脈絡及洞燭市場先機,請問 台中電動車 哪裡在賣比較便宜可以到台中景泰電動車門市去看看總店：臺中市潭子區潭秀里雅潭路一段102-1號。 電動車補助 推薦評價好的 iphone維修 中心擁有專業的維修技術團隊，同時聘請資深iphone手機維修專家，現場說明手機問題，快速修理，沒修好不收錢住家的頂樓裝 太陽光電 聽說可發揮隔熱功效一線推薦東陽能源擁有核心技術、...
張貼留言
閱讀完整內容