AWK(7)之内建函数

本部分内容参考自《Linux命令行与shell脚本编程大全 第3版》。

gawk 编程语言提供了不少内置函数，可进行一些常见的数学、字符串以及时间函数运算。你可以在 gawk 程序中利用这些函数来减少脚本中的编码工作。

数学函数

如果你有过其他语言的编程经验，可能就会很熟悉在代码中使用内建函数来进行一些常见的数学运算。 gawk 编程语言不会让那些寻求高级数学功能的程序员失望。
下表列出了 gawk 中内建的数学函数：

函数	描述
atan2(x, y)	x/y 的反正切，x 和 y 以弧度为单位
cos(x)	x 的余弦，x 以弧度为单位
exp(x)	x 的指数函数
int(x)	x 的整数部分，取靠近零一侧的值
log(x)	x 的自然对数
rand()	比 0 大比 1 小的随机浮点值
sin(x)	x 的正弦，x 以弧度为单位
sqrt(x)	x 的平方根
srand(x)	为计算随机数指定一个种子值

虽然数学函数的数量并不多，但 gawk 提供了标准数学运算中要用到的一些基本元素。 int() 函数会生成一个值的整数部分，但它并不会四舍五入取近似值。它的做法更像其他编程语言中的 floor 函数。它会生成该值和 0 之间最接近该值的整数。
这意味着 int() 函数在值为 5.6 时返回 5，在值为 -5.6 时则返回 -5。
rand() 函数非常适合创建随机数，但你需要用点技巧才能得到有意义的值。rand() 函数会返回一个随机数，但这个随机数只在 0 和 1 之间（不包括 0 或 1）。要得到更大的数，就需要放大返回值。
产生较大整数随机数的常见方法是用 rand() 函数和 int() 函数创建一个算法。

x = int(10 * rand())

这会返回一个 0～9（包括 0 和 9）的随机整数值。只要为你的程序用上限值替换掉等式中的 10 就可以了。
除了标准数学函数外， gawk 还支持一些按位操作数据的函数。

• and(v1, v2)：执行值 v1 和 v2 的按位与运算；
• compl(val)：执行 val 的补运算；
• lshift(val, count)：将值 val 左移 count 位；
• or(v1, v2)：执行值 v1 和 v2 的按位或运算；
• rshift(val, count)：将值 val 右移 count 位；
• xor(v1, v2)：执行值 v1 和 v2 的按位异或运算；

位操作函数在处理数据中的二进制值时非常有用。

字符串函数

gawk 编程语言还提供了一些可用来处理字符串值的函数，如下表：

函数	描述
asort(s [,d])	将数组 s 按数据元素值排序。索引值会被替换成表示新的排序顺序的连续数字。另外，如果指定了 d，则排序后的数组会存储在数组 d 中
asorti(s [,d])	将数组 s 按索引值排序。生成的数组会将索引值作为数据元素值，用连续数字索引来表明排序顺序。另外如果指定了 d，排序后的数组会存储在数组 d 中
gensub(r, s, h [, t])	查找变量 $0 或目标字符串 t（如果提供了的话）来匹配正则表达式 r。如果 h 是一个以 g 或 G 开头的字符串，就用 s 替换掉匹配的文本。如果 h 是一个数字，它表示要替换掉第 h 处 r 匹配的地方
gsub(r, s [,t])	查找变量 $0 或目标字符串 t（如果提供了的话）来匹配正则表达式 r。如果找到了，就全部替换成字符串 s
index(s, t)	返回字符串 t 在字符串 s 中的索引值，如果没找到的话返回 0
length([s])	返回字符串s的长度；如果没有指定的话，返回 $0 的长度
match(s, r [,a])	返回字符串 s 中正则表达式 r 出现位置的索引。如果指定了数组 a，它会存储 s 中匹配正则表达式的那部分
split(s, a [,r])	将 s 用 FS 字符或正则表达式 r（如果指定了的话）分开放到数组 a 中。返回字段的总数
sprintf(format, variables)	用提供的 format 和 variables 返回一个类似于 printf 输出的字符串
sub(r, s [,t])	在变量 $0 或目标字符串 t 中查找正则表达式 r 的匹配。如果找到了，就用字符串 s 替换掉第一处匹配
substr(s, i [,n])	返回 s 中从索引值i开始的 n 个字符组成的子字符串。如果未提供 n，则返回 s 剩下的部分
tolower(s)	将 s 中的所有字符转换成小写
toupper(s)	将 s 中的所有字符转换成大写

一些字符串函数的作用相对来说显而易见。

$ gawk 'BEGIN{x = "testing"; print toupper(x); print length(x) }'
TESTING
7

但一些字符串函数的用法相当复杂。asort 和 asorti 函数是新加入的 gawk 函数，允许你基于数据元素值（asort）或索引值（asorti）对数组变量进行排序。这里有个使用 asort 的例子。

$ gawk 'BEGIN{                                                   
arr1["a"]=22;
arr1["b"]=4;
arr1["c"]=8;
asort(arr1,arr2);
for(i in arr2){
    print "index: ",i," value: ",arr2[i];
}                                        
}'
index:  1  value:  4
index:  2  value:  8
index:  3  value:  22

新数组 arr 含有排序后的原数组的数据元素，但索引值现在变为表明正确顺序的数字值了。
split 函数是将数据字段放到数组中以供进一步处理的好办法。

$ gawk -F, '{
> split($0,arr);
> print arr[1],arr[5];
> }' test3.txt
data11 data15
data21 data25
data31 data35

 新数组使用连续数字作为数组索引，从含有第一个数据字段的索引值 1 开始。

时间函数

gawk 编程语言包含一些函数来帮助处理时间值，如下表所示：

函数	描述
mktime(datespec)	将一个按 YYYY MM DD HH MM SS [DST] 格式指定的日期转换成时间戳值
strftime(format [,timestamp])	将当前时间的时间戳或 timestamp（如果提供了的话）转化格式化日期（采用 shell 函数date() 的格式）
systime()	返回当前时间的时间戳

时间函数常用来处理日志文件，而日志文件则常含有需要进行比较的日期。通过将日期的文本表示形式转换成 epoch 时间（自 1970-01-01 00:00:00 UTC 到现在的秒数），可以轻松地比较日期。
下面是在 gawk 程序中使用时间函数的例子。

$ gawk 'BEGIN{
timeNum = systime()
currTime = strftime("%Y-%m-%d %H:%M:%S",timeNum)
print currTime
}'
2019-12-25 14:44:11

该例用 systime 函数从系统获取当前的 epoch 时间戳，然后用 strftime 函数将它转换成用户可读的格式，转换过程中使用了 shell 命令 date 的日期格式化字符。

 这里时间戳是指自 1970-01-01 00:00:00 UTC 到现在，以秒为单位的计数，通常称为 epoch time。systime() 函数的返回值也是这种形式。