awk数组详解

发表于 | 分类于

awk数组详解

一般我们是通过数组的下标(或者称索引)，引用数组中的元素，有一些语言中，数组的下标由0开始，也就是说，如果想要引用数组中的第1个元素，则需要引用对就的下标”[0]”,awk中的数组也是通过引用下标的方法，获取数组中的元素的，但是在awk中，数组元素的下标默认是从1开始，但是为了兼容你的使用习惯，也可以从0开始设置下标。

在其它语言中，我们一般要先声明一个数组，在awk中我们可以直接为数组中的元素赋值如:

1
awk 'BEGIN{test[0]=1;test[1]=2;test[2]=3;print test[1]}'

上例中我们使用了BEGIN模式，其中有一个test数组，如果想要引用里面的值，只要用数组名加下标即可。linux中，命令行的换行符为反斜杠”"。

我们也可以把数组的元素值设置为”空字符串”。如：

1
2
3
awk 'BEGIN{test[0]=1;test[1]=2;test[2]="";print test[2]}'

注：上面一行没有东西输出是空值

当我们打印数组的第2个元素的值时，打印的值就是空（注：空格不为空）

根据以上说明：在awk中，将元素的值设置为”空字符串”是合法的。

在awk中，元素的值可以为空，那么我们就不能再根据元素的值是否为”空”去判断元素是否存在了。如：

1
2
awk 'BEGIN{test[0]=1;test[1]=2;test[2]="";if (test[2]=="")print "数组第3个元素不存在"}'
这是一种错误的写法

还有另外一个原因，就是当一个元素不存在于数组时，如果我们直接引用这个不存在的元素，awk会自动创建这个元素，并且默认认为这个元素赋值为“空字符串”，示例如下：

1
2
3
awk 'BEGIN{test[0]=1;test[1]=2;test[2]="";{print test[3]}}'

上面一行没有东西输出是空值

如上，数组中没有第4个元素，但是当我们输出第4个元素是，输出了空，所以，出于此原因，在awk中使用之前的方法判断元素是否为空也是不合理的，因为当我们引用一个不存在的数组中的元素时，这个元素其实已经被赋值为“空字符串”了。如：

1
2
awk 'BEGIN{test[0]=1;test[1]=2;test[2]="";if(test[3]==""){print "数组第4个元素不存在 "}'
数组的第4个元素不存在

上面写法是错的怎样判断元素是否存在，我们使用如下语法：

1
awk 'BEGIN{test[0]=1;test[1]=2;test[2]="";if(2 in test){print "数组第3个元素存在 "}'

如上我们可以使用语法”if(下标 in 数组名)”，从而判断数组中是否存在对应的元素。当然我们可以使用”!”对条件进行取反，如：

1
awk 'BEGIN{test[0]=1;test[1]=2;test[2]="";if(!(2 in test)){print "数组第3个元素不存在 "}'

在awk中，数组的下标不仅可以为”数字”，还可以为”任意字符串”，如果你使用过shell中的数组，你可以把awk的数组比作bash中的”关联数组”，如:

1
awk 'BEGIN{test["jon"];test["son"]}'

其实，awk中的数组本来就是”关联数组”，之所以先用以数字作为下标的数组举例，是为了让读者能够更好的过度，不过，以数字作为数组下标的数组在某些场景有一定的优势，但是它本质也是关联数组，awk默认会把”数字”下标转换为”字符串”，所以本质上它还是一个使用字符串作为下标的关联数组。

使用delete可以删除数组中的元素，如下：

1
2
awk 'BEGIN{test["jon"]="j";test["son"]="s";delete test["son"];print test["son"]}'
#为空，也可以使用delete删除整个数组"delete 数组名"

在awk中想要输出数组中的所有元素，则需要借助for循环语句，有两种for循环语法如：

1
2
3
4
5
6
7
8
9
#for循环语法格式1
for(初始化; 布尔表达式; 更新) {
//代码语句
}
 
#for循环语法格式2
for(变量 in 数组) {
//代码语句
}

这两种for循环都能够遍历出数组中的元素，不过第一种for循环只能输出以数字作为下标的数组，如：

1
2
3
awk 'BEGIN{test[1]="jon";test[2]="son"for(i=1;i<=2;i++){print i,test[i]};}'
1 jon
2 son

利用for循环中的变量”i“数组中的下标都是数字的这一特性，按照顺序输出了数组中的元素值。

当数组中的元素的下标为”无规律的字符串“时，我们就可心使用for循环的第二种语法。

1
awk 'BEGIN{test[1]="jon";test[2]="son"for(i in test){print i,test[i]};}'

注意，在这种语法中，for循环中的变量”i“表示的是元素的下标，而并非表示元素的值，所以，如果想要输出元素的值，则需要使用print 数组名[变量]。

当数组中的下标为字符串时，元素值输出的顺序与元素在数组中的顺序不同，这是因为awk中的数组本质上是关联数组，所以默认打印出来的元素是无序的。

实际应用

在实际工作中，我们往往会使用数组，统计某些字符出现的次数，比如，统计日志中每个ip地址出现了多少次，我们就可以利用数组去统计。

在awk中当变量的值为字符串时，也可以进行加法运算，如果字符串参与运算，字符串将被当做数字0进行运算,如：

1
2
3
awk 'BEGIN{a="test",print a;a=a+1;print a;a++;print a}'
1
2

当我们直接引用一个数组中不存在的元素时，awk会自动创建一个元素，并且为其赋值为”空字符串”。

1
2
awk 'BEGIN{pirnt testartt["ip"];testarr["ip"]++;print testarr["ip"]}'
2

当引用一个不存在的的元素时，元素被赋值为空字符串，当对这个元素进行自动运算时，元素的值就变成了1，因为，空字符串在参与运算时，被当做0使用了，所以，综上所述，我们对一个不存在的元素进行自加运算后，这个元素的值就变成了自加运算的次数，自加x次，元素的值就被赋值为x,自加y次,元素的值就被赋值为y.如：

1
2
awk 'BEGIN{print testarr["ip"];testarr["ip"]++;testarr["ip"]++;print testarr["ip"]}'
2

如统计次数常用：

1
awk '{a[$2]++}END{for(i in a){print i,a[i]}}' 文件名

上面我们使用一个空模式，一个END模式。

空模式中，我们随便创建一个数组，并且将ip地址作为引用元素的下标，进行了引用，如果这个元素并不存在，它会被空模式中的动作处理完毕后，a[“198.168.1.1”]的值会被赋值为1.

由于END模式中的动作会最后执行，所以我们可以先不考虑END模式。

这时，空模式中的动作继续处理下一行。

当遇到相同的ip地址时，使用同样一个ip地址作为下标的元素将会再次被自加，每次遇到相同的ip地址，对应元素的值都会加1

直到处理完所有行，开始执行END模式中的动作。

而END模式中，我们打印出a数组中的所有元素的下标，以及元素对应的值。

此刻，a的数组中的下标即为ip地址，元素的值即为对应ip地址出现的次数。

最终就统计出每个ip地址出现的次数。

总结：

我们对一个不存在的元素进行自加运算后，这个元素的值就变成了自加运算的次数。