精通awk系列(12):awk getline用法详解
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:
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
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
中- 会进行字段划分,设置变量
$0 nf $n rt
,不会修改变量nr fnr
- 会进行字段划分,设置变量
-
cmd | getline var
:从shell命令cmd的输出结果中读取数据保存到var中- 除了var和rt,其它变量都不会设置
如果要再次执行cmd并读取其输出数据,则需要close关闭该命令。例如close("seq 1 5")
,参见下面的示例。
例如:每次遇到以1开头的行都输出seq命令产生的1 2 3 4 5
。
awk '/^1/{print;while(("seq 1 5"|getline)>0){print};close("seq 1 5")}' a.txt
再例如,调用shell的date命令生成时间,然后保存到awk变量cur_date中:
awk ' /^1/{ print "date +\"%f %t\""|getline cur_date print cur_date close("date +\"%f %t\"") }' a.txt
可以将cmd保存成一个字符串变量。
awk ' begin{get_date="date +\"%f %t\""} /^1/{ print get_date | getline cur_date print cur_date close(get_date) }' a.txt
更为复杂一点的,cmd中可以包含shell的其它特殊字符,例如管道、重定向符号等:
awk ' /^1/{ print if(("seq 1 5 | xargs -i echo x{}y 2>/dev/null"|getline) > 0){ print } close("seq 1 5 | xargs -i echo x{}y 2>/dev/null") }' a.txt
awk中的coprocess
awk虽然强大,但是有些数据仍然不方便处理,这时可将数据交给shell命令去帮助处理,然后再从shell命令的执行结果中取回处理后的数据继续awk处理。
awk通过|&
符号来支持coproc。
awk_print[f] "something" |& shell_cmd shell_cmd |& getline [var]
这表示awk通过print输出的数据将传递给shell的命令shell_cmd去执行,然后awk再从shell_cmd的执行结果中取回shell_cmd产生的数据。
例如,不想使用awk的substr()来取子串,而是使用sed命令来替换。
awk ' begin{ cmd="sed -nr \"s/.*@(.*)$/\\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 $0 |& cmd; } end{ close(cmd,"to"); # 关闭管道通知sort开始排序 while((cmd |& getline)>0){ print; } close(cmd); } ' a.txt
close()
close(filename) close(cmd,[from | to]) # to参数只用于coprocess的第一个阶段
如果close()关闭的对象不存在,awk不会报错,仅仅只是让其返回一个负数返回值。
close()有两个基本作用:
awk中任何文件都只会在第一次使用时打开,之后都不会再重新打开。只有关闭之后,再使用才会重新打开。
例如一个需求是只要在a.txt中匹配到1开头的行就输出另一个文件x.log的所有内容,那么在第一次输出x.log文件内容之后,文件偏移指针将在x.log文件的结尾处,如果不关闭该文件,则后续所有读取x.log的文件操作都从结尾处继续读取,但是显然总是得到eof异常,所以getline返回值为0,而且也读取不到任何数据。所以,必须关闭它才能在下次匹配成功时再次从头读取该文件。
awk ' /^1/{ print; while((getline var <"x.log")>0){ print var } close("x.log") }' a.txt
在处理coprocess的时候,close()可以指定第二个参数"from"或"to",它们都针对于coproc而言,from时表示关闭coproc |& getline
的管道,使用to时,表示关闭print something |& coproc
的管道。
awk ' begin{ cmd="sed -nr \"s/.*@(.*)$/\\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。