table of contents
- NOMBRE
- SINOPSIS
- DESCRIPCIÓN
- FORMATO DE LAS OPCIONES
- OPCIONES
- EJECUCIÓN DE UN PROGRAMA AWK
- VARIABLES, REGISTROS Y CAMPOS
- PATRONES Y ACCIONES
- FUNCIONES
- EJEMPLOS
- VÉASE TAMBIÉN
- COMPATIBILIDAD POSIX
- EXTENSIONES DE GNU
- CAPACIDADES HISTÓRICAS
- VARIABLES DE ENTORNO
- FALLOS
- INFORMACIÓN DE LA VERSIÓN
- AUTORES
- INFORME DE FALLOS
- RECONOCIMIENTOS
- PERMISOS DE COPIA
- COPYING PERMISSIONS
other sections
GAWK(1) | Órdenes de Utilidad | GAWK(1) |
NOMBRE¶
gawk - lenguaje de análisis y procesamiento de patronesSINOPSIS¶
gawk [ opciones del estilo POSIX o GNU ] -f fichero-de-programa [ -- ] fichero ...DESCRIPCIÓN¶
Gawk es la implementación del Proyecto GNU del lenguaje de programación AWK. Está conforme con la definición del lenguaje en el POSIX 1003.2 Command Language And Utilities Standard. Esta versión está basada, a su vez, en la descripción de The AWK Programming Language, escrito por Aho, Kernighan, y Weinberger, con las características adicionales que aparecen en la versión del System V de UNIX awk. Gawk igualmente provee de las recientes extensiones del awk de Bell Labs, y algunas extensiones específicas de GNU. La línea de orden consiste en opciones para el propio gawk , el texto del programa AWK (si no se provee mediante las opciones -f o --file ), y los valores que deben estar disponibles en las variables predefinidas de AWK ARGC y ARGV .FORMATO DE LAS OPCIONES¶
Las opciones de Gawk pueden seguir tanto el estilo tradicional de opciones de una letra de POSIX , como el estilo GNU de opciones largas. Las opciones POSIX comienzan con un solo ''-'', mientras que las opciones largas lo hacen con ''--''. Se ofrecen opciones largas tanto para las características específicas de GNU como para las características definidas por POSIX. Siguiendo el estándar POSIX, las opciones específicas de gawk se proveen vía argumentos con la opción -W . Pueden añadirse múltiples opciones -W . Cada una de las opciones -W tienen su correspondiente opción larga, tal y como de detalla más adelante. Los argumentos de las opciones largas deben estar unidas a la opción mediante un signo = , sin espacios en blanco, o pueden proveerse en el siguiente argumento de la línea de orden. Las opciones largas pueden ser abreviadas, siempre y cuando la abreviatura sea única.OPCIONES¶
Gawk acepta las siguientes opciones.- -F fs
- --field-separator fs
- Use fs para definir el separador de campos de la entrada (el valor de la variable predefinida FS ).
- -v var=val
- --assign var=val
- Asigna el valor val, a la variable var, antes de que la ejecución del programa comience. Estos valores de variable están disponibles en el bloque BEGIN de un programa AWK.
- -f fichero-de-programa
- --file fichero-de-programa
- Leer el fuente del programa AWK del fichero fichero-de-programa, en vez de obtenerlo del primer argumento de la línea de orden. Pueden usarse múltiples opciones -f (o --file).
- -mf NNN
- -mr NNN
- Definir varios límites de memoria al valor NNN. El indicador f define el máximo número de campos, y el indicador r define el tamaño máximo de un registro. Estos dos indicadores y la opción -m son de la versión de awk para UNIX de la versión de investigación de Bell Labs. Son ignoradas por gawk, ya que gawk no tiene límites predefinidos.
- -W traditional
- -W compat
- --traditional
- --compat
- Ejecutar en el modo de compatibilidad . En este modo de funcionamiento, gawk funciona de manera idéntica al awk de UNIX ; ninguna de las extensiones específicas de GNU son reconocidas. Es preferible el uso de la forma --traditional en vez de las otras formas de esta opción. Vea EXTENSIONES DE GNU, más adelante, para más información.
- -W copyleft
- -W copyright
- --copyleft
- --copyright
- Imprime una versión corta del mensaje de información sobre derechos de copia de GNU en la salida estándar, y termina de forma correcta.
- -W help
- -W usage
- --help
- --usage
- Imprime un resumen relativamente corto de las opciones disponibles por la salida estándar. (Siguiendo los GNU Coding Standards, estas opciones causan una salida satisfactoria inmediata.)
- -W lint
- --lint
- Genera mensajes de advertencia sobre construcciones que son dudosas o no portables para otras implementaciones de AWK.
- -W lint-old
- --lint-old
- Genera mensajes de advertencia sobre construcciones que no son portables a la versión original de Unix. awk.
- -W posix
- --posix
- Esta opción activa el modo de compatibilidad , con las siguientes restricciones adicionales:
- •
- \x las secuencias de escape no son reconocidas.
- •
- Solo los espacios y los tabuladores actúan como separadores de campo cuando FS contiene un único espacio, y no los saltos de línea.
- •
- El sinónimo func para la palabra clave function no es reconocido.
- •
- Los operadores ** y **= no pueden ser usados en vez de ^ y ^=.
- •
- La función fflush() no está disponible.
- -W re-interval
- --re-interval
- Activa el uso de las expresiones de intervalos en el ajuste de expresiones regulares (vea Expresiones Regulares, más adelante). Las expresiones de intervalos no eran soportadas tradicionalmente por el lenguaje AWK. El estándar POSIX las añadió, para hacer que awk y egrep fueran consistentes entre ellos. De cualquier modo, es probable que su uso entorpezca el uso de programas AWK antiguos, por este motivo gawk solo las provee si son pedidas mediante esta opción, o si se ha especificado --posix .
- -W source texto-del-programa
- --source texto-del-programa
- Usar program-text como el código fuente del programa AWK. Esta opción permite la fácil mezcla de funciones de librería (usadas mediante las opciones -f y --file ) con código fuente entrado por la línea de orden. Se ha propuesto primordialmente como un medio para agrandar programas AWK usados en scripts de shell.
- -W version
- --version
- Imprime información sobre la versión de esta copia de gawk en particular por la salida estándar. Es útil principalmente para saber si la copia actual de gawk en su sistema está al día respecto con cualquier cosa que la Free Software Foundation esté distribuyendo. También es útil para dar avisos sobre fallos. (Siguiendo los GNU Coding Standards, estas opciones causan una salida satisfactoria inmediata.)
- --
- Señala el final de las opciones. Es útil para permitir que los futuros argumentos al propio programa AWK puedan comenzar también por un ``-''. Esto es principalmente para mantener la consistencia con las convenciones de análisis de argumentos usados por la mayoría de los restantes programas POSIX.
EJECUCIÓN DE UN PROGRAMA AWK¶
Un programa AWK consiste en una secuencia de sentencias tipo patrón-acción y definiciones de función opcionales.
patrón { sentencias de acción }
function nombre(lista de parámetros) {
sentencias }
Gawk primero lee el fuente del programa a partir de los
fichero(s)-de-programa si se han especificado, a partir de los
argumentos de --source, o a partir del primer argumento que no sea una
opción de la línea de orden. Las opciones -f y
--source pueden ser usadas más de una vez en una línea de
orden. Gawk leerá el texto del programa como si todos los
fichero(s)-de-programa y textos fuentes de la línea de orden
hubieran sido concatenados. Esto es útil para construir
librerías de funciones AWK, sin tener la necesidad de incluirlos en
cada uno de los nuevos programas AWK que las use. Además ofrece la
capacidad de mezclar funciones de librería con programas de la
línea de orden.
La variable de entorno AWKPATH especifica un camino de búsqueda
para ser usado cuando se busque los ficheros indicados con la opción
-f . Si esta variable no existiera, el camino por defecto sería
".:/usr/local/share/awk". (El directorio actual puede variar,
dependiendo de desde donde se compiló e instaló gawk .)
Si un fichero dado a la opción -f contiene un carácter
''/'', no se realiza ningún tipo de búsqueda.
Gawk ejecuta los programas AWK en el siguiente orden. Primero, todas las
asignaciones de variables especificadas mediante la opción -v se
realizan. A continuación, gawk compila el programa en un formato
interno. Después, gawk ejecuta el código del/los
bloque(s) BEGIN (si existe alguno), y a continuación procede a
leer cada uno de los ficheros nombrados en la tabla ARGV . Si no existe
ningún nombre de fichero en la línea de orden, gawk lee
de la entrada estándar.
Si el nombre de un fichero en la línea de orden tiene la forma
var=val será tratado como una asignación de
variable. Se asignará a la variable var el valor val.
(Esto ocurre después de que cualquier bloque(s) BEGIN haya sido
ejecutado.) Las asignaciones en la línea de orden es útil sobre
todo para asignar valores de forma dinámica a las variables que AWK usa
para controlar cómo es troceada la entrada en campos y registros. Es
también útil para controlar el estado si son necesarios
múltiples pasos sobre el mismo fichero de datos.
Si el valor de alguno de los elementos particulares de ARGV está
vacío ( ""), gawk se lo salta.
Para cada registro de la entrada, gawk prueba si es posible ajustarlo con
alguno de los patrones en el programa AWK. Para cada patrón con
el cual el registro concuerde, se ejecuta la acción asociada.
Los patrones son probados en el orden en que aparecen en el programa.
Finalmente, después de que toda la entrada se ha terminado, gawk
ejecuta el código en el/los bloque(s) END (si existiera alguno).
VARIABLES, REGISTROS Y CAMPOS¶
Las variables AWK son dinámicas; su existencia comienza cuando son usadas por primera vez. Sus valores son números de coma flotante o cadenas de caracteres, o ambos, dependiendo de cómo son usadas. AWK también dispone de tablas unidimensionales; las tablas multidimensionales pueden ser simuladas. Varias variables predefinidas se definen cuando un programa comienza a ejecutarse; serán descritas cuando convenga y serán resumidas más adelante.Registros¶
Normalmente, los registros se separan por caracteres de salto de línea. Puede controlar cómo son separados los registros asignando valores a la variable predefinida RS. Si RS tiene un único carácter, ese carácter separará los registros. De otro modo, RS se considerará como una expresión regular. El texto de la entrada que concuerde con esa expresión regular será el que separará los registros. De todas maneras, en el modo compatibilidad, solo el primer carácter de esa cadena será usado para separar registros. Si RS contiene la cadena vacía, entonces los registros serán separados por espacios en blanco. Cuando RS contiene la cadena vacía, el carácter de salto de línea siempre actúa como separador de campos, añadiéndose a cualquier valor que FS pudiera tener.Campos¶
Conforme cada registro de entrada es leído, gawk divide el registro en campos, usando el valor de la variable FS como separados de campos. Si FS tiene un único carácter, los campos serán separados por ese carácter. Si FS contiene la cadena vacía, entonces cada carácter individual se convierte en separador de campo. De otro modo, se espera que FS sea una expresión regular completa. En el caso especial de que FS tuviera un único espacio en blanco, los campos serían separados por tiras de espacios y/o tabuladores y/o saltos de línea. (Vea la discusión sobre --posix, más adelante). Nótese que el valor de IGNORECASE (vea más adelante) afectará también a cómo son divididos los registros en el caso de que FS fuera una expresión regular, y a cómo son separados cuando RS fuera una expresión regular. Si la variable FIELDWIDTHS está definida como una lista de número separados por espacios, se espera que cada campo tenga ancho fijo, y gawk dividiría el registro usando los anchos especificados. El valor de FS es ignorado es este caso. Asignar un nuevo valor a FS haría saltarse el uso de FIELDWIDTHS, y volver a la forma de actuar por defecto. Cada campo en el registro de entrada puede ser referenciado por su posición, $1, $2, etc. $0 es el registro completo. El valor de un campo puede ser también asignado. Los campos no necesitan ser referenciados por constantes:
n = 5
print $n
imprime el quinto campo del registro de entrada. La variable NF se define
con el número total de campos en el registro de entrada.
Las referencias a campos que no existen (por ejemplo los campos por
detrás de $NF) producen la cadena vacía. De todas
maneras, la asignación de un campo no existente (por ejemplo,
$(NF+2) = 5) incrementaría el valor de NF, creando los
campos que intervienen como cadenas vacías, y causando que el valor de
$0 fuera recalculado, siendo separados los campos mediante el valor de
OFS. Las referencias a campos con numeración negativa causan un
error fatal. Decrementar NF causa que el valor de los campos que pasen
del nuevo número se pierda, y el valor de $0 sea recalculado,
siendo separados los campos mediante el valor de OFS.
Variables Predefinidas¶
Las variables predefinidas de gawk son:- ARGC
- EL número de argumentos en la línea de orden (no incluye las opciones para gawk, o el fuente del programa).
- ARGIND
- El índice en ARGV del fichero que actualmente se está procesando.
- ARGV
- Tabla con los argumentos de la línea de orden. La tabla está indexada desde el 0 hasta ARGC - 1. Cambiando dinámicamente el contenido de ARGV permite controlar los ficheros usados para datos.
- CONVFMT
- El formato de conversión para números,por defecto "%.6g".
- ENVIRON
- Una tabla conteniendo los valores del entorno actual. La tabla se encuentra indexada por el nombre de las variables de entorno, siendo cada elemento el valor para esa variable (por ejemplo, ENVIRON["HOME"] podría ser /home/arnold). Cambiar esta tabla no afecta al entorno de los programas que gawk ejecuta vía redirección o la función system() . (Esto podría cambiar en una futura versión de gawk.)
- ERRNO
- Si ocurre algún error de sistema tanto por hacer una redirección con getline, durante una lectura con getline, o durante un close(), entonces ERRNO contendrá una cadena de caracteres describiendo el error.
- FIELDWIDTHS
- Una lista de anchos de campo separados por espacios. Cuando esté definida, gawk analiza la entrada como campos de tamaño fijo, en vez de usando el valor de la variable FS como separador de campo. La capacidad de trabajar con anchos de campo fijos es todavía experimental; las semánticas podrían cambiar conforme gawk se vaya desarrollando en el tiempo.
- FILENAME
- El nombre del fichero de entrada actual. Si no se ha especificado ningún fichero en la línea de orden, el valor de FILENAME será ``-''. De todos modos, FILENAME no está definida dentro de un bloque BEGIN .
- FNR
- El número de registro de entrada en el fichero de entrada actual.
- FS
- El separador de campo de entrada, un espacio por defecto. Vea Fields, más arriba.
- IGNORECASE
- Controla la sensibilidad a mayúsculas de todas las expresiones regulares y operaciones con cadenas. Si IGNORECASE tiene un valor diferente de cero, entonces las comparaciones entre cadenas y las comprobaciones de patrones en las reglas, la división de campos con FS, la separación de registros con RS, la comprobación de expresiones regulares con ~ y !~, y las funciones predefinidas gensub(), gsub(), index(), match(), split(), y sub() ignorarán la diferencia entre minúsculas y mayúsculas cuando realicen operaciones con expresiones regulares. De este modo, si IGNORECASE no es igual a cero, /aB/ concuerda con todas las cadenas "ab", "aB", "Ab", y "AB". Como con todas las otras variables de AWK, el valor inicial de IGNORECASE es cero, por lo que todas las operaciones con expresiones regulares y cadenas son normalmente sensibles a las mayúsculas. Bajo Unix, el conjunto de caracteres ISO 8859-1 Latin-1 es usado cuando se ignoran las mayúsculas. NOTA: En versiones de gawk anteriores a la 3.0, IGNORECASE solo afectaba a las operaciones con expresiones regulares. Ahora también afecta a las comparaciones de cadenas.
- NF
- El número de campos en el registro de entrada actual.
- NR
- El número total de registros de entrada que han aparecido desde el principio.
- OFMT
- El formato de salida para los números, por defecto es "%.6g".
- OFS
- El separador de campos de salida, un espacio por defecto.
- ORS
- El separador de registros de salida, por defecto un salto de línea.
- RS
- El separador de registros de entrada, por defecto un salto de línea.
- RT
- El terminador de los registros. Gawk define RT con el texto de entrada que concordó con el carácter o expresión regular especificada por RS.
- RSTART
- El índice del primer carácter concordado por match(); 0 si no concordó ninguno.
- RLENGTH
- La longitud de la cadena concordada por match(); -1 si no concordó ninguna.
- SUBSEP
- El carácter usado para separar múltiples subíndices en elementos de tipo tabla, por defecto "\034".
Tablas¶
Las tablas se indexan mediante una expresión entre corchetes ([ y ]). Si la expresión es una lista de expresiones (expr, expr ...) entonces el índice de la tabla es una cadena de caracteres resultado de la concatenación de los valores (cadenas) de cada una de las expresiones, separados por el valor de la variable SUBSEP Esta capacidad se utiliza para simular tablas de múltiples dimensiones. Por ejemplo:i = "A"; j = "B"; k = "C"
x[i, j, k] = "hola, mundo\n"
asigna la cadena "hola, mundo\n" al elemento de la tabla
x que está indexado por la cadena
"A\034B\034C". Todas las tablas en AWK son asociativas, es
decir, indexadas por valores de tipo cadena.
El operador especial in puede ser usado en las órdenes if o
while para comprobar si una tabla contiene un índice consistente
en un valor particular.
if (val in tabla) print tabla[val]
Tipado de Variables y Conversiones¶
Las variables y los campos pueden ser números (de coma flotante), o cadenas de caracteres, o ambos. Dependerá del contexto cómo será interpretado el valor de una variable. Si se usa en una expresión numérica, será tratado como número, si se usa como una cadena será tratada como una cadena. Para forzar que una variable sea tratada como un número, sumele un 0; para forzar que sea tratada como una cadena, concaténela con la cadena vacía. Cuando una cadena debe ser convertida a número, la conversión se realiza usando atof(3). Un número es convertido en cadena usando el valor de CONVFMT como cadena de formato para sprintf(3), con el valor numérico de la variable como el argumento. De todas maneras, aunque todos los números en AWK son reales de coma flotante, los valores enteros son siempre convertidos como enteros. De tal manera que, dadosCONVFMT = "%2.2f" a = 12 b = a ""
PATRONES Y ACCIONES¶
AWK es un lenguaje orientado a la línea. Primero se indica el patrón, y luego la acción. Las sentencias de las acciones se engloban mediante { y }. Puede no indicarse el patrón o la acción, pero por supuesto, no ambos. Si no se especifica el patrón, la acción será ejecutada por cada uno de los registros individuales de la entrada. Si no se especifica la acción es equivalente a escribir la acción
{ print }
la cual imprime el registro completo.
Los comentarios comienzan con el carácter ``#'', y continúan hasta
el final de la línea. Pueden usarse líneas en blanco para
separar sentencias. Normalmente, una sentencia termina con un salto de
línea, aunque este no es el caso de las líneas que finalizan con
un ``,'', {, ?, :, &&, o ||. Las
líneas que terminan con do o else también se
considera que continúan en la siguiente línea. En otros casos,
una línea podrá ser continuada en la siguiente poniendo al final
un ``\'', en cuyo caso se ignorará el salto de línea.
Se pueden poner múltiples sentencias en la misma línea
separándolos mediante un ``;''. Esto se aplica tanto para las
sentencias que componen la parte de la acción de un par
patrón-acción (el caso más usual), como para las propias
sentencias patrón-acción.
Patrones¶
Los patrones de AWK pueden ser uno de los siguientes:BEGIN END /expresión regular/ expresión relacional patrón && patrón patrón || patrón patrón ? patrón : patrón (patrón) ! patrón patrón1, patrón2
Expresiones Regulares¶
Las expresiones regulares corresponden con el tipo extendido usado en egrep. Están compuestas por caracteres como sigue:- c
- concuerda con el carácter c(nometacarácter).
- \c
- concuerda con el carácter literal c.
- .
- concuerda con cualquier carácter incluyendo el salto de línea.
- ^
- concuerda con el principio de una cadena.
- $
- concuerda con el fin de una cadena.
- [abc...]
- lista de caracteres, concuerda con cualquiera de los caracteres abc....
- [^abc...]
- lista negada de caracteres, concuerda con cualquier carácter excepto abc....
- r1|r2
- alternativa: concuerda con r1 o r2.
- r1r2
- concatenación: concuerda con r1, y después con r2.
- r+
- concuerda con una o más apariciones de r.
- r*
- concuerda con cero o más apariciones de r.
- r?
- concuerda con cero o una aparición de r.
- (r)
- agrupación: concuerda con r.
- r{n}
- r{n,}
- r{n,m}
- Uno o dos números entre llaves denotan una expresión de intervalo. Si hay un número entre llaves, la expreg. precedente r se repite n veces. Si hay dos números separados por una coma, r se repite de n a m veces. Si hay un número seguido de una coma, entonces r se repite como mínimo n veces. Las expresiones de intervalo solo están disponibles si se especifica --posix o --re-interval en la línea de orden.
- \y
- concuerda con la cadena vacía tanto en el principio como en el final de una palabra.
- \B
- concuerda con la cadena vacía dentro de una palabra.
- \<
- concuerda con la cadena vacía al principio de una palabra.
- \>
- concuerda con la cadena vacía al final de una palabra.
- \w
- concuerda con cualquier carácter constitutivo de palabra (letra, dígito, o subrayado.)
- \W
- concuerda con cualquier carácter que no es constitutivo de palabra.
- \`
- concuerda con la cadena vacía al principio de un búfer (cadena).
- \'
- concuerda con la cadena vacía al final de un búfer.
- [:alnum:]
- Caracteres alfanuméricos.
- [:alpha:]
- Caracteres alfabéticos.
- [:blank:]
- Espacio en blanco o tabulador.
- [:cntrl:]
- Caracteres de control.
- [:digit:]
- Caracteres numéricos.
- [:graph:]
- Caracteres que son imprimibles y visibles al mismo tiempo. (Un espacio en blanco es imprimible, pero no visible, mientras que una a es las dos cosas.)
- [:lower:]
- Caracteres alfabéticos en minúscula.
- [:print:]
- Caracteres imprimibles (aquellos que no tienen caracteres de control.)
- [:punct:]
- Caracteres de puntuación (aquellos que no son letras, dígitos, caracteres de control, o caracteres de espaciado.)
- [:space:]
- Caracteres de espaciado (como el espacio en blanco, el tabulador, y el salto de página, por nombrar algunos.)
- [:upper:]
- Caracteres alfabéticos en mayúscula.
- [:xdigit:]
- Caracteres que son dígitos hexadecimales.
- Símbolos Equivalentes
- Un símbolo equivalente es un elemento formado por más de un carácter englobado entre [. y .]. Por ejemplo, si ch es un elemento equivalente, entonces [[.ch.]] es una expresión regular que se ajusta con este elemento equivalente, mientras que [ch] es una expresión regular que se ajusta con una c o con una h.
- Clases de Equivalencia
- Una clase de quivalencia es un nombre (específico para una
localización determinada) para una lista de caracteres que son
equivalentes. El nombre se engloba entre [= y =]. Por
ejemplo, el nombre e puede ser utilizado para representar a todos
estos: ``e,'' ``è,'' y ``é.'' En este caso, [[=e]] es
una expresión regular que se ajusta con
.BR e ,
.BR è , o
.BR é .
- Sin opciones
- En el caso por defecto, gawk provee de todas las posibilidades de las expresiones regulares de POSIX y los operadores de expresiones regulares de GNU descritos anteriormente. Aun con todo, no son soportadas las expresiones de intervalo.
- --posix
- Solo se aceptan las expresiones regulares de POSIX, los operadores de GNU no son considerados especiales. (Por ejemplo, \w concuerda con el literal w). Las expresiones regulares están permitidas.
- --traditional
- Se aceptan las expresiones regulares de la implementación tradicional de awk de Unix. Los operadores de GNU no se consideran especiales, no se permiten las expresiones de intervalo, ni tampoco las clases de caracteres de POSIX ([[:alnum:]] y el resto.) Los caracteres descritos mediante secuencias de escape en octal o hexadecimal son tratados literalmente, incluso si representan metacaracteres de expresiones regulares.
- --re-interval
- Permiten las expresiones de intervalo en las expresiones regulares, aunque se haya indicado --traditional
Acciones¶
Las sentencias de las acciones se engloban entre llaves, { y }. Las sentencias de las acciones consisten en las habituales sentencias de asignación, condicionales y bucles que pueden encontrarse en la mayoría de los lenguajes. Los operadores, sentencias de control, y sentencias de entrada/salida disponibles son parecidas a las equivalentes de C.Operadores¶
Los operadores en AWK, en orden decreciente de precedencia, son- (...)
- Agrupación.
- $
- Referencia a campo.
- ++ --
- Incremento y decremento, tanto en forma prefija como sufija.
- ^
- Exponenciación (también puede usarse ** , y **= para el operador de asignación.)
- + - !
- Más y menos unarios, y negación lógica.
- * / %
- Multiplicación, división, y resto de división.
- + -
- Suma y resta.
- space
- Concatenación de cadenas.
- < >
- <= >=
- != ==
- Operadores de relación tradicionales.
- ~ !~
- Cotejo de expresión regular, cotejo negado. NOTA: No use una expresión regular constante (/pepe/) en la parte izquierda de una ~ o una !~. Sólo usela en la parte derecha. La expresión /pepe/ ~ exp tiene el mismo significado que (($0 ~ /foo/) ~ exp). Esto normalmente no es lo que se pretendía.
- in
- Pertenencia a una tabla.
- &&
- Y lógica.
- ||
- O lógica.
- ?:
- Expresión condicional de C. Tiene la forma expr1 ? expr2 : expr3. Si expr1 es cierta, el valor de la expresión es expr2, en caso contrario es expr3. Solo uno de los dos ( expr2 y expr3 ) son evaluados.
- = += -=
- *= /= %= ^=
- Asignación. Tanto las asignaciones absolutas (var = valor) como las asignaciones de operador (las otras formas) son aceptadas.
Sentencias de control¶
Las sentencias de control son las siguientes:if (condición) sentencia [ else sentencia ] while (condición) sentencia do sentencia while (condición) for (expr1; expr2; expr3) sentencia for (var in tabla) sentencia break continue delete tabla[índice] delete tabla exit [ expresión ] { sentencias }
Sentencias de E/S¶
Las sentencias de entrada/salida son las siguientes:- close(fichero)
- Cerrar fichero (o tubería, vea más abajo.)
- getline
- Asignar a $0 el siguiente registro de entrada; modifica NF, NR, FNR.
- getline <fichero
- Asignar a $0 el siguiente registro de fichero; modifica NF.
- getline var
- Asignar a var el siguiente registro de entrada; modifica NR, FNR.
- getline var <fichero
- Asignar a var el siguiente registro de fichero.
- next
- Parar el procesado del registro de entrada actual. Se lee el siguiente registro de entrada y el procesado vuelve a comenzar con el primer patrón del programa AWK. Si se llega al final de los datos de entrada, el/los bloque(s) END , si existen, son ejecutados.
- nextfile
- Parar el procesado del fichero de entrada actual. La siguiente lectura de un registro de entrada se obtiene del siguiente fichero de entrada. Se modifican FILENAME y ARGIND , FNR se actualiza a 1, y el procesado comienza de nuevo por el primer patrón del programa AWK. Si se llega al final de los datos de entrada, el/los bloque(s) END , si existen, son ejecutados. NOTA: Versiones antiguas de gawk usaban next file, como dos palabras. Aunque esta forma se reconoce todavía, genera un mensaje de alerta y será eliminado en futuras versiones.
- Imprime el registro actual. El registro de salida se termina con el valor de la variable ORS .
- print lista-expr
- Imprime expresiones. Cada expresión se separa por el valor de la variable OFS . El registro de salida se termina con el valor de la variable ORS .
- print lista-expr >fichero
- Imprime expresiones en fichero. Cada expresión se separa por el valor de la variable OFS . El registro de salida se termina con el valor de la variable ORS .
- printf fmt, lista-expr
- Dar formato e imprimir.
- printf fmt, lista-expr >fichero
- Dar formato e imprimir en fichero.
- system(línea-de-orden)
- Ejecutar la orden línea-de-orden, y devuelve el valor de salida. (Esto puede no estar disponible en sistemas no POSIX .)
- fflush([fichero])
- Descargar cualquier búfer asociado con el fichero o tubería de salida abierto. Si no se especifica fichero , entonces se descarga la salida estándar. Si fichero es la cadena vacía, entonces todos los búfers de los ficheros y tuberías de salida abiertos son descargados.
La sentencia printf¶
Las versiones AWK de la sentencia printf y de la función sprintf() (véase a continuación) aceptan la siguiente especificación para formatos de conversión:- %c
- Un carácter ASCII . Si el argumento usado para %c es numérico, es tratado como un carácter e imprimido. De otro modo, el argumento se asume que es una cadena, y solo se imprime el primer carácter de esa cadena.
- %d
- %i
- Un número decimal (la parte entera).
- %e
- %E
- Un número real de coma flotante de la forma [-]d.dddddde[+-]dd. El formato %E usa E en vez de e.
- %f
- Un número real de coma flotante de la forma [-]ddd.dddddd.
- %g
- %G
- Usese la conversión %e o %f , la que sea más corta, suprimiendo los ceros no significativos. El formato %G usa %E en vez de %e.
- %o
- Un número sin signo en octal (entero.)
- %s
- Una cadena de caracteres.
- %x
- %X
- Un número sin signo en hexadecimal (entero.) El formato %X usa ABCDEF en vez de abcdef.
- %%
- Un carácter % ; no se utiliza ningún argumento.
- -
- La expresión debe ser justificada por la izquierda dentro de su campo.
- espacio
- Para conversiones numéricas, pone un espacio en blanco como prefijo en los valores positivos, y un signo negativo en los valores negativos.
- +
- EL signo más, usado antes del modificador de anchura (vea más adelante), indica que siempre debe ponerse el signo en las conversiones numéricas, aunque el dato a dar formato sea positivo. El + anula el modificador de espacio.
- #
- Usa una ``forma alternativa'' para ciertas letras de control. Para %o, añade un cero inicial. Para %x, y %X, añade un 0x o 0X inicial para resultados diferentes de cero. Para %e, %E, y %f, El resultado contendrá siempre un punto decimal. Para %g, y %G, Los ceros al final no serán eliminados del resultado.
- 0
- Un 0 (cero) inicial actúa como una bandera, indica que la salida debe ser rellenada con ceros en vez de con espacios. Esto se aplica también para los formatos de salida no numéricos. Esta bandera solo tiene efecto cuando la anchura del campo es mayor que el valor a imprimir.
- anchura
- El campo tiene que ser rellenado hasta alcanzar la anchura indicada. El campo normalmente será rellenado con espacios. Si la bandera 0 se está usando, será rellenado con ceros.
- .prec
- Un número que especifica la precisión a usar cuando se imprima. Para los formatos %e, %E, y %f , esto especifica el número de dígitos que desea que se impriman a la derecha del punto decimal. Para los formatos %g, y %G , especifica el número máximo de dígitos significativos. Para los formatos %d, %o, %i, %u, %x, y %X , especifica el número mínimo de dígitos a imprimir. Para una cadena, especifica el número máximo de caracteres de la cadena que deben ser imprimidos.
Nombres especiales de ficheros¶
Cuando se realiza redirección de la E/S tanto desde print como de printf en un fichero, o mediante getline a partir de un fichero, gawk reconoce internamente ciertos nombres especiales de ficheros. Estos nombres de ficheros permiten acceder a descriptores de ficheros abiertos heredados del proceso padre de gawk (normalmente el shell.) Otros nombres especiales proveen acceso a información sobre la ejecución del proceso gawk Los nombres de ficheros son:- /dev/pid
- Leer de este fichero devuelve el ID del proceso actual, en decimal, terminado con un salto de línea.
- /dev/ppid
- Leer de este fichero devuelve el ID del proceso padre del actual proceso, en decimal, terminado con un salto de línea.
- /dev/pgrpid
- Leer de este fichero devuelve el ID del grupo del proceso actual, en decimal, terminado con un salto de línea.
- /dev/user
- Leer de este fichero devuelve un registro terminado con un salto de línea. Los campos se separan por espacios en blanco. $1 el el valor de la llamada a sistema getuid(2) , $2 es el valor de la llamada a sistema geteuid(2) , $3 es el valor de la llamada a sistema getgid(2) , y $4 es el valor de la llamada a sistema getegid(2) Si hay campos adicionales, son los IDs de grupo devueltos por getgroups(2). No todos los sistemas soportan múltiples grupos.
- /dev/stdin
- La entrada estándar.
- /dev/stdout
- La salida estándar.
- /dev/stderr
- La salida de error estándar.
- /dev/fd/n
- El fichero asociado con el descriptor de fichero abierto n.
print "¡ Error !" >
"/dev/stderr"
donde, de otra manera, tendría que haber usado
print "¡ Error !" | "cat
1>&2"
Estos nombres de fichero pueden usarse también en la línea de
orden para nombrar ficheros de datos.
Funciones numéricas¶
AWK dispone de las siguientes funciones aritméticas predefinidas:- atan2(y, x)
- devuelve el arcotangente de y/x en radianes.
- cos(expr)
- devuelve el coseno de expr, la cual está en radianes.
- exp(expr)
- la función exponencial.
- int(expr)
- truncado a entero.
- log(expr)
- logaritmo natural.
- rand()
- devuelve un número aleatorio entre 0 y 1.
- sin(expr)
- retorna el seno de expr, la cual está en radianes.
- sqrt(expr)
- raíz cuadrada.
- srand([expr])
- usa expr como la nueva semilla para el generador de números aleatorios. Si no se indica expr , se usa la hora del día. El valor de retorno es la anterior semilla del generador.
Funciones de cadena¶
Gawk dispone de las siguientes funciones predefinidas para cadenas:- gensub(r, s, h [, t] )
- buscar en la cadena objetivo t si hay ajustes de la expresión regular r. Si h es una cadena que comienza por g o G, entonces reemplazar todos los ajustes de r por s. De otro modo, h es un número indicando cual de los ajustes de r debe reemplazarse. Si no se indica t , se usa $0 . Dentro del texto de reemplazo s, puede usarse la secuencia \n, donde n es un dígito de 1 a 9, para indicar solo el texto que se ha ajustado con la subexpresión con paréntesis n'ésima. La secuencia \0 representa el texto ajustado completo, al igual que el carácter &. A diferencia de sub() y gsub(), la cadena modificada se devuelve como resultado de la función, y la cadena objetivo original no es modificada.
- gsub(r, s [, t])
- para cada subcadena que ajuste con la expresión regular r en la cadena t, substituye la cadena s, y devuelve el número de sustituciones. Si no se ha indicado t , se usa $0. Un & en el texto de reemplazo es sustituido por el texto que ha sido ajustado en ese momento. Use \& para obtener un & literal. Vea AWK Language Programming para una descripción más detallada sobre las reglas para los & y las barras invertidas en el texto de reemplazo de sub(), gsub(), y gensub().
- index(s, t)
- devuelve el índice de la cadena t en la cadena s, o 0 si t no aparece.
- length([s])
- devuelve la longitud de la cadena s, o la longitud de $0 si no se indica s .
- match(s, r)
- devuelve la posición en s donde aparece la expresión regular r , o 0 si r no aparece, y modifica los valores de RSTART y RLENGTH.
- split(s, a [, r])
- divide la cadena s en la tabla a en la expresión regular r, y devuelve el número de campos. Si se omite r , se usa FS . La tabla a se borra al principio. La división funciona de forma idéntica a la división de campos, descrita anteriormente.
- sprintf(fmt, lista-expr)
- imprime lista-expr de acuerdo con fmt, y devuelve la cadena resultante.
- sub(r, s [, t])
- igual que gsub(), pero solo se reemplaza la primera subcadena que ajusta.
- substr(s, i [, n])
- retorna la subcadena de s que comience por i y que tenga como mucho n caracteres. Si se omite n , se usa el resto de s .
- tolower(cad)
- devuelve una copia de la cadena cad, con todos los caracteres en mayúscula de cad cambiados por sus correspondientes en minúscula. Los caracteres no alfabéticos no son modificados.
- toupper(cad)
- devuelve una copia de la cadena cad, con todos los caracteres en minúscula de cad cambiados por sus correspondientes en mayúscula. Los caracteres no alfabéticos no son modificados.
Funciones de tiempo¶
Teniendo en cuenta que uno de los principales usos de los programas AWK es el procesamiento de ficheros de registro (log files) que contienen información de registro de tiempo, gawk proporciona las siguientes funciones para obtener registros de tiempo y darles formato.- systime()
- devuelve la hora del día actual como el número de segundos desde la Época (Medianoche UTC del 1 Enero de 1970 en sistemas POSIX).
- strftime([formato [, timestamp]])
- da formato a timestamp de acuerdo con la especificación en formato. El timestamp debe tener la misma forma que el retornado por systime(). Si no aparece timestamp , se utiliza la hora del día actual. Si no aparece formato , se utiliza un formato por defecto equivalente a la salida de date(1). Vea la especificación de la función strftime() en ANSI C para estar seguro de las conversiones de formato que se garantiza que existen. Una versión de dominio público de strftime(3) y la correspondiente página de manual se distribuyen con gawk; si se usó esa versión para compilar gawk, entonces todas las conversiones descritas en esa página de manual estarán disponibles para gawk.
Constantes de cadena¶
Las constantes de cadena en AWK son secuencias de caracteres entre dobles comillas ( " ). Dentro de las cadenas, se reconocen determinadas secuencias de escape , como en C. Son las siguientes:- \\
- Una barra invertida literal.
- \a
- El carácter de ``alerta''; usualmente el carácter ASCII BEL .
- \b
- carácter de borrado.
- \f
- salto de página.
- \n
- salto de línea.
- \r
- retorno de carro.
- \t
- tabulador horizontal.
- \v
- tabulador vertical
- \xdígitos hexadecimales
- El carácter representado por la cadena de dígitos hexadecimales que sigue a la \x. Como en ANSI C, todos los dígitos hexadecimales siguientes se consideran como parte de la secuencia de escape. (Esta característica nos debería dar una idea sobre el diseño de lenguajes del comité.) Por ejemplo, "\x1B" es el carácter ASCII ESC (escape).
- \ddd
- El carácter representado por la secuencia de 1, 2 o 3 dígitos en octal. Por ejemplo . "\033" es el carácter ASCII ESC (escape).
- \c
- El carácter c literal.
FUNCIONES¶
La funciones en AWK se definen de la siguiente manera:function nombre(lista de
parámetros ) { sentencias }
Las funciones se ejecutan cuando son llamadas desde dentro de las expresiones
tanto desde patrones o acciones. Los parámetros reales usados en la
llamada a la función se usan para instanciar los parámetros
formales declarados en la función. Las tablas se pasan por referencia,
las otras variables se pasan por valor.
Ya que las funciones no formaban parte originalmente del lenguaje AWK, el uso de
variables locales es un tanto chapucero: Son declaradas como parámetros
extra en la lista de parámetros. Por costumbre se separan las variables
locales de los parámetros reales por espacios en blanco adicionales en
la lista de parámetros. Por ejemplo:
function f(p, q, a, b) # a & b son locales { ..... } /abc/ { ... ; f(1, 2) ; ... }
EJEMPLOS¶
Imprimir y ordenar los nombres de ingreso de todos los usuarios: BEGIN { FS = ":" } { print $1 | "sort" } Contar las líneas de un fichero: { nlines++ } END { print nlines } Añadir el número de línea al principio de cada una en el fichero: { print FNR, $0 } Concatenar y número de línea (una variación del ejercicio): { print NR, $0 }
VÉASE TAMBIÉN¶
egrep(1), getpid(2), getppid(2), getpgrp(2), getuid(2), geteuid(2), getgid(2), getegid(2), getgroups(2) The AWK Programming Language, Alfred V. Aho, Brian W. Kernighan, Peter J. Weinberger, Addison-Wesley, 1988. ISBN 0-201-07981-X. AWK Language Programming, Edition 1.0, published by the Free Software Foundation, 1995.COMPATIBILIDAD POSIX¶
Un objetivo principal de gawk es la compatibilidad con el estándar POSIX, y a su vez la compatibilidad con la última versión del awk de UNIX . Hasta la fecha, gawk incorpora las siguientes capacidades para el usuario que no se describen en el libro de AWK, pero que forman parte de la versión de Bell Labs de awk, y se encuentran en el estándar POSIX . La opción -v para asignar variables antes de la ejecución del programa es nueva. El libro dice que las asignaciones de variables de la línea de órdenes ocurrirían cuando awk abriera el argumento como un fichero, lo cual es antes de ejecutar el bloque BEGIN . De todos modos, en implementaciones más modernas, cuando una asignación como esta aparece antes que ningún nombre de fichero, la asignación ocurriría antes de que el bloque BEGIN fuera ejecutado. Las aplicaciones acostumbran a depender de esta ``característica.'' Cuando awk fue modificado para acomodarse a su documentación, se añadió esta opción para acomodar a las aplicaciones que dependen de esta vieja característica. (Esta característica fue aceptada tanto por los desarrolladores de AT&T como por los de GNU.) La opción -W para implementación de características específicas pertenece al estándar POSIX. Durante el procesado de argumentos, gawk usa la opción especial `` --'' para señalar el final de los argumentos. En modo compatibilidad, las opciones no definidas darán un mensaje de alerta, pero de todos modos son ignoradas. En operación normal, estos argumentos son pasados al programa AWK para que sean procesados. El libro de AWK no define el valor de retorno de srand(). El estándar POSIX hace que devuelva la semilla que estaba usando, para permitir seguir la pista de las secuencias de números aleatorios. Por este motivo, srand() en gawk devuelve igualmente la semilla actual. Otras características nuevas son: El uso de múltiples opciones -f (a partir de MKS awk); la tabla ENVIRON ; las secuencias de escape \a, y \v (implementadas originalmente en gawk y añadidas en la versión de AT&T); las funciones predefinidas tolower() y toupper() (a partir de AT&T); y las especificaciones de conversión de ANSI C en printf (implementadas por primera vez en la versión de AT&T).EXTENSIONES DE GNU¶
Gawk contiene una serie de extensiones del awk de POSIX. Se describen en esta sección. Las extensiones que se describen aquí pueden desactivarse llamando a gawk con la opción --traditional . Las siguientes capacidades de gawk no están disponibles en el awk de POSIX.- •
- La secuencia de escape \x . (Desactivada con --posix.)
- •
- La función fflush() . (Desactivada con --posix.)
- •
- Las funciones systime(), strftime(), y gensub() .
- •
- Los nombres de fichero especiales para redirección de E/S no son reconocidos.
- •
- Las variables ARGIND, ERRNO, y RT no son especiales.
- •
- La variable IGNORECASE y sus efectos no están disponibles.
- •
- La variable FIELDWIDTHS y la división de campos de ancho fijo.
- •
- El uso de RS como una expresión regular.
- •
- La habilidad de dividir caracteres individuales usando la cadena vacía como valor para FS, y como tercer argumento para split().
- •
- No se realiza búsqueda de camino para los ficheros nombrados mediante la opción -f . Por ello, la variable de entorno AWKPATH no es especial.
- •
- El uso de nextfile para abandonar el procesado del fichero de entrada actual.
- •
- El uso de delete tabla para borrar todo el contenido de una tabla.
CAPACIDADES HISTÓRICAS¶
Hay dos características de implementaciones históricas de AWK que gawk soporta. Primera, es posible llamar a la función predefinida length() no solamente sin argumento, ¡sino incluso sin paréntesis! Por eso,
a = length
es igual que las siguientes
a = length()
a = length($0)
Esta característica se tilda de ``censurable'' en el estándar
POSIX, y gawk generará un mensaje de alerta sobre su uso si se
especifica --lint en la línea de orden.
La otra característica es el uso de las sentencias continue o
break fuera del cuerpo de un bucle while, for, o do
. Las implementaciones tradicionales de AWK han tratado este uso de forma
equivalente a la sentencia next . Gawk soportará este uso
si se especifica --traditional en la línea de orden.
VARIABLES DE ENTORNO¶
Si POSIXLY_CORRECT existe en el entorno, entonces gawk actúa exactamente como si se hubiera especificado --posix en la línea de orden. Si se hubiera especificado --lint , gawk generaría un mensaje de alerta. La variable de entorno AWKPATH puede usarse para proveer a gawk de una lista de directorios en la que buscar los ficheros nombrados mediante las opciones -f y --file .FALLOS¶
La opción -F no es necesaria dada la característica de las asignaciones de variables por la línea de orden; se mantiene por compatibilidad. Si su sistema dispone de soporte para el fichero /dev/fd y los asociados /dev/stdin, /dev/stdout, y /dev/stderr , puede obtener diferente salida desde gawk a la que podría obtener en un sistema sin estos ficheros. Cuando gawk interpreta estos ficheros internamente, sincroniza la salida a la salida estándar con la salida a /dev/stdout, mientras que en un sistema con estos ficheros, la salida realmente se envía ficheros abiertos diferentes. Los programas de un solo carácter sintácticamente incorrectos tienden a sobrepasar la pila del analizador sintáctico, generando un mensaje bastante poco útil. Sorprendentemente, estos programas son difíciles de diagnosticas en el caso general, y el esfuerzo para hacerlo realmente no merece la pena.INFORMACIÓN DE LA VERSIÓN¶
Esta página de manual documenta la versión 3.0.2 de gawk.AUTORES¶
La versión original de awk para UNIX fue diseñada e implementada por Alfred Aho, Peter Weinberger, y Brian Kernighan de AT&T Bell Labs. Brian Kernighan continúa con su mantenimiento y mejora. Paul Rubin y Jay Fenlason, de la Free Software Foundation, escribió gawk, para ser compatible con la versión original de awk distribuida en UNIX Seventh Edition. John Woods contribuyó arreglando algunos fallos. David Trueman, con contribuciones de Arnold Robbins, hizo que gawk fuera compatible con la nueva versión del awk de UNIX. Arnold Robbins es el actual mantenedor. La versión original para DOS fue realizada por Conrad Kwok y Scott Garfinkle. Scott Deifik es el mantenedor actual para DOS. Pat Rankin realizó el paso a VMS, y Michal Jaegermann hizo el paso al Atari ST. El paso a OS/2 lo realizó Kai Uwe Rommel, con contribuciones y ayudas de Darrel Hankerson. Fred Fish aportó soporte para el Amiga.INFORME DE FALLOS¶
Si encontrara algún fallo en gawk, envíe por favor un mensaje electrónico a bug-gnu-utils@prep.ai.mit.edu, con una copia de carbón a arnold@gnu.ai.mit.edu. Por favor, incluya su sistema operativo y su revisión, la versión de gawk, qué compilador de C usó para compilarlo, y el programa de prueba y los datos mínimos para reproducir el problema. Antes de enviar un informe de fallos, haga por favor dos cosas. Primero, verifique que dispone de la última versión de gawk. Muchos fallos (normalmente bastante sutiles) son arreglados en cada nueva versión, y si la suya está obsoleta, el problema podría estar ya arreglado. Segundo, por favor lea detenidamente tanto esta página de manual como el manual de referencia para estar seguro que lo que usted piensa que es un fallo realmente lo sea, en vez de una mala interpretación del lenguaje. Sea lo que sea que haga, NO remita un informe de fallo en comp.lang.awk. Aunque los desarrolladores de gawk leen este grupo de noticias de forma ocasional, remitir informes de fallos en dicho grupo no es una forma muy segura de hacerlo. Utilice preferiblemente las direcciones de correo electrónico anteriores.RECONOCIMIENTOS¶
Brian Kernighan de Bell Labs proveyó de una valiosa asistencia durante las pruebas y la eliminación de fallos. Le damos las gracias.PERMISOS DE COPIA¶
Copyright © 1996 Free Software Foundation, Inc. Se concede permiso para hacer y distribuir copias literales de esta página de manual siempre que se preserven tanto la nota de copyright como esta nota de permisos en todas las copias. Se concede permiso para copiar y distribuir versiones modificadas de esta página de manual bajo las condiciones de la copia literal, siendo los resultados completos del trabajo derivado distribuidos bajo los términos de una nota de permisos idéntica a esta. Se concede permiso para copiar y distribuir traducciones de esta página de manual a otros idiomas, bajo las anteriores condiciones para versiones modificadas, exceptuando que esta nota de permisos debe manifestarse mediante una traducción aprobada por la Fundación. Nota del traductor: Dado que la traducción de esta nota no está aprobada por la Free Software Foundation, se añade la nota original en Inglés.COPYING PERMISSIONS¶
Copyright © 1996 Free Software Foundation, Inc. Permission is granted to make and distribute verbatim copies of this manual page provided the copyright notice and this permission notice are preserved on all copies. Permission is granted to process this file through troff and print the results, provided the printed document carries copying permission notice identical to this one except for the removal of this paragraph (this paragraph not being relevant to the printed manual page). Permission is granted to copy and distribute modified versions of this manual page under the conditions for verbatim copying, provided that the entire resulting derived work is distributed under the terms of a permission notice identical to this one. Permission is granted to copy and distribute translations of this manual page into another language, under the above conditions for modified versions, except that this permission notice may be stated in a translation approved by the Foundation.19 Dic 1996 | Free Software Foundation |