awk数组和split函数、asort和asorti 排序函数

蔚落 2021-06-24 15:57 347阅读 0赞

awk 中数组叫做关联数组(associative arrays)，下标可以是数字也可以是字符串。awk 中的数组不必提前声明，也不必声明大小，初始化数组元素用 0 或空串，这根据上下文而定。

1、一维数组：

#!/bin/bash  
      
    awk 'BEGIN{  
    array[1]="it"  
    array[2]="homer"  
    array[3]="sunboy"  
    array[4]=2050  
      
      
    array["first"]="yang"  
    array["second"]="gang"  
    array["third"]="sunboy"  
      
      
    print array[1], array[4]  
    print array[3], array["third"]}' 
    结果：
    it    2050
    sunboy    sunboy

#!/bin/bash  
      
    awk 'BEGIN{  
       for(i=1; i<=5; i++){  
           array[i] = i*2 - 1;  
       }  
      
       for(i in array){  
           print i" = " array[i];  
       }  
    }'  
    结果：
    4 = 7
    5 = 9
    1 = 1
    2 = 3
    3 = 5

注意：使用for in循环输出数组时，不保证数组下表的顺序。

2、二维数组：

awk 多维数组在本质上是一维数组，因awk在存储上并不支持多维数组，awk提供了逻辑上模拟二维数组的访问方式。例如，array\[2,3\] = 1这样的访问是允许的。  
awk使用一个特殊的字符串SUBSEP (\\034)作为分割字段，在上面的例子 array\[2,3\] = 1 中，关联数组array存储的键值实际上是2\\0343，2和3分别为下标（2，3），\\034为SUBSEP分隔符  
类似一维数组的成员测试，多维数组可以使用 if ( (i,j) in array) 语法，但是下标必须放置在圆括号中。  
类似一维数组的循环访问，多维数组使用 for ( item in array ) 语法遍历数组。与一维数组不同的是，多维数组必须使用split()函数来访问单独的下标分量，格式： split ( item, subscr, SUBSEP)， 例如： split (item, array2, SUBSEP); 后，array2\[1\]为下标“2”， array2\[2\]为下标“3”

#!/bin/bash  
      
    awk 'BEGIN{  
       for(i=1; i<=3; i++){  
           for(j=1; j<=3; j++){  
               array[i, j] = i * j;  
               print i" * "j" = "array[i,j];  
           }  
       }  
      
       print  
      
       for(i in array){  
           split(i, array2, SUBSEP);  
           print array2[1]" * "array2[2]" = " array[i];  
       }  
    }'

结果：

1 \* 1 = 1  
1 \* 2 = 2  
1 \* 3 = 3  
2 \* 1 = 2  
2 \* 2 = 4  
2 \* 3 = 6  
3 \* 1 = 3  
3 \* 2 = 6  
3 \* 3 = 9  
  
2 \* 1 = 2  
2 \* 2 = 4  
2 \* 3 = 6  
3 \* 1 = 3  
3 \* 2 = 6  
3 \* 3 = 9  
1 \* 1 = 1  
1 \* 2 = 2  
1 \* 3 = 3

注： 示例中 split(i, array2, SUBSEP); 即是把二维数组作为一维数组处理，同样数组元素顺序不确定，下面将介绍数组排序

3、split函数：

1）awk的内建函数split允许你把一个字符串分隔为不同元素并存储在数组中。你可以自己定义域分隔符或者使用现在FS(域分隔符)的值。  
语法：

split (string, array, field separator)
    split (string, array)  -->如果第三个参数没有提供，awk就默认使用当前FS值。

2）返回值：split函数会返回拆分后数组的长度；

注：length(arr)函数也会返回数组的长度；

实例：计算指定范围内的和(计算每个人1月份的工资之和)

[root@test ~]# cat test.txt
    Tom　　  2012-12-11      car     53000
    John　　 2013-01-13      bike    41000
    vivi    2013-01-18      car     42800
    Tom　　  2013-01-20      car     32500
    John　　 2013-01-28      bike    63500
    [root@test ~]# awk '{split($2,a,"-");if(a[2]==01){b[$1]+=$4}}END{for(i in b)print i,b[i]}' test.txt  
    vivi 2800
    Tom2500
    John4500

注：数组的下标是从1开始的，这一点和awk取各个列是一样的，如：第一列是$1。

日志：
    [08-09 17:13:22] [INFO] [com.abc.ttbrain.recommend.api.controller.PersonalRecommendController:201] personalRecommend(): cost=20ms; puid=; uId=9A4BE58CAB9F490B45CC230C701432BE; fnum=11; chId=12; usg=0; recId=[334108380570, 281989490570, 290946800570, 315460740570, 310639020570, 310632450570, 86623440570, 325422890570, 324719760570, 323283300570, 325696980570]; mutilFeeds={"p_7":[334108380570],"p_3":[281989490570,290946800570,315460740570,310639020570,310632450570,86623440570,325422890570,324719760570,323283300570,325696980570]}; typeFeeds={"VIDEO":[334108380570,281989490570,290946800570,315460740570,310639020570,310632450570,86623440570,325422890570,324719760570,323283300570,325696980570]}; prefMap={324719760570:"电子相册 ",310639020570:"台球",86623440570:"小胡,车模,雪佛兰",334108380570:"金泫雅",290946800570:"嫩模,写真",325696980570:"林志玲,内衣秀",323283300570:"女生,醉酒,表白",325422890570:"伤心的人别去巡山,西游记,雷人",281989490570:"爆炸",315460740570:"单身狗",310632450570:"自我介绍"}; prior=null; reqUniqId=15022700029111778352589A4BE58CAB9F490B45CC230C701432BE; version=; flag=per_rec; rg=0; rh=9; pg=0; ph=0; sg=1; sh=0; strategy=rec,ctr,ltr,szhou
    统计fnum和rec_id长度：
    tail -f /data/logs/ttbrain/ttbrain-recommend-api.log | grep 'personalRecommend()' | awk -F'personalRecommend()' 'BEGIN{diff=0;} {split($2,a,";");split(a[4],fnum,"=");print fnum[2],split(a[7],array,",")}'

4、数组的排序：

asort 是对数组的值进行排序，并且会丢掉原先键值；  
asorti是对数组的键值进行排序。

$ cat file 
    aaa 125
    ddd 123
    bbb 128
    ccc 120
    
    $ awk '{a[$2]=$0}END{for(i=1;i<=asort(a);i++)print a[i]}' file 
    aaa 125
    bbb 128
    ccc 120
    ddd 123
    
    $ awk '{a[$2]=$0}END{for(i=1;i<=asorti(a,b);i++)print a[b[i]]}' file 
    ccc 120
    ddd 123
    aaa 125
    bbb 128

注：for…in循环输出时候，默认打印出来是无序数组。