欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  科技

精通awk系列(12):awk getline用法详解

程序员文章站 2022-11-06 20:04:41
回到: "Linux系列文章" "Shell系列文章" "Awk系列文章" getline用法详解 除了可以从标准输入或非选项型参数所指定的文件中读取数据,还可以使用getline从其它各种渠道获取需要处理的数据,它的用法有很多种。 getline的返回值: 如果可以读取到数据,返回1 如果遇到了E ......

回到:


getline用法详解

除了可以从标准输入或非选项型参数所指定的文件中读取数据,还可以使用getline从其它各种渠道获取需要处理的数据,它的用法有很多种。

getline的返回值:

  • 如果可以读取到数据,返回1
  • 如果遇到了eof,返回0
  • 如果遇到了错误,返回负数。如-1表示文件无法打开,-2表示io操作需要重试(retry)。在遇到错误的同时,还会设置errno变量来描述错误

为了健壮性,getline时强烈建议进行判断。例如:

精通awk系列(12):awk getline用法详解

上面的getline的括号尽量加上,因为getline < 0表示的是输入重定向,而不是和数值0进行小于号的比较。

无参数的getline

getline无参数时,表示从当前正在处理的文件中立即读取下一条记录保存到$0中,并进行字段分割,然后继续执行后续代码逻辑

此时的getline会设置nf、rt、nr、fnr、$0和$n。

next也可以读取下一行。

  • getline:读取下一行之后,继续执行getline后面的代码

  • next:读取下一行,立即回头awk循环的头部,不会再执行next后面的代码

它们之间的区别用伪代码描述,类似于:

# next
exec 9<> filename
while read -u 9 line;do
  ...code...
  continue  # next
  ...code...  # 这部分代码在本轮循环当中不再执行
done

# getline
while read -u 9 line;do
  ...code...
  read -u 9 line  # getline
  ...code...
done

例如,匹配到某行之后,再读一行就退出:

awk '/^1/{print;getline;print;exit}' a.txt

为了更健壮,应当对getline的返回值进行判断。

awk '/^1/{print;if((getline)<=0){exit};print}' a.txt

一个参数的getline

没有参数的getline是读取下一条记录之后将记录保存到$0中,并对该记录进行字段的分割。

一个参数的getline是将读取的记录保存到指定的变量当中,并且不会对其进行分割。

getline var

此时的getline只会设置rt、nr、fnr变量和指定的变量var。因此$0和$n以及nf保持不变。

awk '
/^1/{
  if((getline var)<=0){exit}
  print var
  print $0"--"$2
}' a.txt

从指定文件中读取数据

精通awk系列(12):awk getline用法详解

filename需使用双引号包围表示文件名字符串,否则会当作变量解析getline < "c.txt"。此外,如果路径是使用变量构建的,则应该使用括号包围路径部分。例如getline < dir "/" filename中使用了两个变量构建路径,这会产生歧义,应当写成getline <(dir "/" filename)

注意,每次从filename读取之后都会做好位置偏移标记,下次再从该文件读取时将根据这个位置标记继续向后读取。

例如,每次行首以1开头时就读取c.txt文件的所有行。

awk '
  /^1/{
    print;
    while((getline < "c.txt")>0){print};
    close("c.txt")
}' a.txt

上面的close("c.txt")表示在while(getline)读取完文件之后关掉,以便后面再次读取,如果不关掉,则文件偏移指针将一直在文件结尾处,使得下次读取时直接遇到eof。

从shell命令输出结果中读取数据

  • cmd | getline:从shell命令cmd的输出结果中读取一条记录保存到$0
    • 会进行字段划分,设置变量$0 nf $n rt,不会修改变量nr fnr
  • cmd | getline var:从shell命令cmd的输出结果中读取数据保存到var中
    • 除了var和rt,其它变量都不会设置

如果要再次执行cmd并读取其输出数据,则需要close关闭该命令。例如close("seq 1 5"),参见下面的示例。

例如:每次遇到以1开头的行都输出seq命令产生的1 2 3 4 5

awk '/^1/{print;while(("seq 1 5"|getline)>0){print};close("seq 1 5")}' a.txt

再例如,调用shell的date命令生成时间,然后保存到awk变量cur_date中:

awk '
  /^1/{
    print
    "date +\"%f %t\""|getline cur_date
    print cur_date
    close("date +\"%f %t\"")
}' a.txt

可以将cmd保存成一个字符串变量。

awk '
  begin{get_date="date +\"%f %t\""}
  /^1/{
    print
    get_date | getline cur_date
    print cur_date
    close(get_date)
}' a.txt

更为复杂一点的,cmd中可以包含shell的其它特殊字符,例如管道、重定向符号等:

awk '
  /^1/{
    print
    if(("seq 1 5 | xargs -i echo x{}y 2>/dev/null"|getline) > 0){
      print
    }
    close("seq 1 5 | xargs -i echo x{}y 2>/dev/null")
}' a.txt

awk中的coprocess

awk虽然强大,但是有些数据仍然不方便处理,这时可将数据交给shell命令去帮助处理,然后再从shell命令的执行结果中取回处理后的数据继续awk处理。

awk通过|&符号来支持coproc。

awk_print[f] "something" |& shell_cmd
shell_cmd |& getline [var]

这表示awk通过print输出的数据将传递给shell的命令shell_cmd去执行,然后awk再从shell_cmd的执行结果中取回shell_cmd产生的数据。

例如,不想使用awk的substr()来取子串,而是使用sed命令来替换。

awk '
    begin{
      cmd="sed -nr \"s/.*@(.*)$/\\1/p\"";
    }

    nr>1{
        print $5;
        print $5 |& cmd;
        close(cmd,"to");
        cmd |& getline email_domain;
        close(cmd);
        print email_domain;
}' a.txt

对于awk_print |& cmd; cmd |& getline的使用,须注意的是:

  • awk_print |& cmd会直接将数据写进管道,cmd可以从中获取数据
  • 强烈建议在awk_print写完数据之后加上close(cmd,"to"),这样表示向管道中写入一个eof标记,避免某些要求读完所有数据再执行的cmd命令被永久阻塞
  • 如果cmd是按块缓冲的,则getline可能会陷入阻塞。这时可将cmd部分改写成stdbuf -ol cmd以强制其按行缓冲输出数据
    • cmd="stdbuf -ol cmdline";awk_print |& cmd;close(cmd,"to");cmd |& getline

对于那些要求读完所有数据再执行的命令,例如sort命令,它们有可能需要等待数据已经完成后(遇到eof标记)才开始执行任务,对于这些命令,可以多次向coprocess中写入数据,最后close(cmd,"to")让coprocess运行起来。

例如,对age字段(即$4)使用sort命令按数值大小进行排序:

awk '
    begin{
      cmd="sort -k4n";
    }

    # 将所有行都写进管道
    nr>1{
      print $0 |& cmd;
    }

    end{
      close(cmd,"to");  # 关闭管道通知sort开始排序
      while((cmd |& getline)>0){
        print;
      }
      close(cmd);
} ' a.txt

close()

close(filename)
close(cmd,[from | to])  # to参数只用于coprocess的第一个阶段

如果close()关闭的对象不存在,awk不会报错,仅仅只是让其返回一个负数返回值。

close()有两个基本作用:

精通awk系列(12):awk getline用法详解

awk中任何文件都只会在第一次使用时打开,之后都不会再重新打开。只有关闭之后,再使用才会重新打开。

例如一个需求是只要在a.txt中匹配到1开头的行就输出另一个文件x.log的所有内容,那么在第一次输出x.log文件内容之后,文件偏移指针将在x.log文件的结尾处,如果不关闭该文件,则后续所有读取x.log的文件操作都从结尾处继续读取,但是显然总是得到eof异常,所以getline返回值为0,而且也读取不到任何数据。所以,必须关闭它才能在下次匹配成功时再次从头读取该文件。

awk '
  /^1/{
    print;
    while((getline var <"x.log")>0){
      print var
    }
    close("x.log")
}' a.txt

在处理coprocess的时候,close()可以指定第二个参数"from"或"to",它们都针对于coproc而言,from时表示关闭coproc |& getline的管道,使用to时,表示关闭print something |& coproc的管道。

awk '
begin{
  cmd="sed -nr \"s/.*@(.*)$/\\1/p\"";
}
nr>1{
    print $5;
    print $5 |& cmd;
    close(cmd,"to");   # 本次close()是必须的
    cmd |& getline email_domain;
    close(cmd);
    print email_domain;
}' a.txt

上面的第一个close是必须的,否则sed会一直阻塞。因为sed一直认为还有数据可读,只有关闭管道发送一个eof,sed才会开始处理。