【译】 AWK教程指南 5AWK中的数组

　　awk程序中允许使用字符串当做数组的下标(index)。利用这个特色十分有助于资料统计工作。(使用字符串当下标的数组称为Associative Array)

　　首先建立一个数据文件，并取名为 reg.dat。此为一学生注册的资料文件；第一栏为学生姓名，其后为该生所修课程。

awk中数组的特性

　　1. 使用字符串当数组的下标(index)。

　　2. 使用数组前不须声明数组名及其大小。

　　例如：希望用数组来记录 reg.dat 中各门课程的修课人数。这情况，有两项信息必须储存：

　　　　(a) 课程名称，如： "O.S.","Arch.".. ,共有哪些课程事先并不明确。

　　　　(b) 各课程的修课人数。如：有几个人修"O.S."

　　在awk中只要用一个数组就可同时记录上列信息。其方法如下：

　　使用一个数组 Number[ ]：

　　　　* 以课程名称当 Number[ ] 的下标。

　　　　* 以 Number[ ] 中不同下标所对映的元素代表修课人数。

　　例如：

　　　　有2个学生修 "O.S."，则以 Number["O.S."] = 2 表示。

　　　　若修"O.S."的人数增加一人，则 Number["O.S."] = Number["O.S."] + 1

　　　　　　　　　　　　　　　　　　　　　　　　　或 Number["O.S."]++ 。

　　3. 如何取出数组中储存的信息

　　以 C 语言为例，声明 int Arr[100]；之后，若想得知 Arr[ ]中所储存的数据，只须用一个循环，如：　　　　　　　　

　　　　for(i=0; i<100; i++)  
　　　　　　printf("%d\n", Arr[i]);

　　即可。上式中：

　　　　数组 Arr[ ] 的下标： 0, 1, 2,..., 99

　　　　数组 Arr[ ] 中各下标所对应的值： Arr[0], Arr[1],...Arr[99]

　　但 awk 中使用数组并不须事先声明。以刚才使用的 Number[ ] 而言，程序执行前，并不知将来有哪些课程名称可能被当成Number[ ]的下标。

　　awk 提供了一个指令，通过该指令awk会自动查找数组中使用过的所有下标。以 Number[ ] 为例，awk将会找到 "O.S."，"Arch."，...

使用该指令时，须指定所要查找的数组，及一个变量。awk会使用该变量来记录从数组中找到的每一个下标。例如　　　　　　　　

　　　　for(course in Number){
　　　　　　...
　　　　}

　　指定用 course 来记录 awk 从Number[ ] 中所找到的下标。awk每找到一个下标时，就用course记录该下标的值且执行{....}中的指令。通过这个方式便可取出数组中储存的信息。(详见下例)

范例：统计各科修课人数，并印出结果。

　　建立如下程序，并取名为 course.awk：

　　　　{ for( i=2; i <= NF; i++) Number[$i]++ }
　　　　END{ 
　　　　　　for(course in Number)
　　　 　　 　　printf("%10s %d\n", course, Number[course] )
　　　　}

　　执行下列命令：　　　　　　

　　　　$ awk -f course.awk reg.dat

　　执行结果如下：

说明：

　　1. 这程序包含两个Pattern { Actions }指令。

Pattern	Actions
	{ for( i=2; i <= NF; i++) Number[$i]++ }
END	{ for(course in Number) printf("%10s %d\n", course, Number[course]) }

　　2. 第一个Pattern { Actions }指令中省略了Pattern 部分。故随着每行数据的读入其Actions部分将逐次无条件被执行。以awk读入第一条记录 " Mary O.S. Arch. Discrete" 为例，因为该笔数据 NF = 4(有4个字段)，故该 Action 的for Loop中i = 2,3,4。

i	$i	最初 Number[$i]	Number[$i]++ 之后
2	"O.S."	AWK default Number["O.S."] = 0	1
3	"Arch."	AWK default Number["Arch."] = 0	1
4	"Discrete"	AWK default Number["Discrete"] = 0	1

　　3. 第二个 Pattern { Actions }指令中

　　　　* END 为awk的保留字，为 Pattern 的一种。

　　　　* END 成立(其值为true)的条件是："awk处理完所有数据，即将离开程序时。"

　　平常读入数据行时，END并不成立，故其后的Actions 并不被执行；唯有当awk读完所有数据时，该Actions才会被执行(注意，不管有多少行数据，END仅在最后才成立，故该Actions仅被执行一次。)

　　BEGIN 与 END 有点类似，是awk中另一个保留的Pattern。唯一不同的是：

　　　　"以 BEGIN 为 Pattern 的 Actions 于程序一开始执行时，被执行一次。"

　　4. NF 为awk的内置变量，用以表示awk正处理的数据行中，所包含的字段个数。

　　5. awk程序中若含有以 $ 开头的自定变量，都将以如下方式解释：

　　以 i= 2 为例，$i = $2 表第二个字段数据。 (实际上，$ 在 awk 中为一运算符(Operator)，用以取得字段数据。)

【译】 AWK教程指南 5AWK中的数组

推荐阅读