| 通用线程:Awk实例,第3部分 字符串函数和……支票簿? DanielRobbins 总裁兼CEO,GentooTechnologies,Inc. 2001年4月
转载自:IBMdeveloperWorks中国网站
内容:
|
|
| 格式化输出
| 字符串函数
| 字符串替换
| 特殊字符串形式
| 财务上的趣事
| 代码
| 财务函数
| 主块
| 生成报表
| 升级
| 参考资料
| 关于作者
| 评价本文
|
|
| 在awk系列的这篇总结中,Daniel向您介绍awk重要的字符串函数,以及演示了如何从头开始编写完整的支票簿结算程序。在这个过程中,您将学习如何编写自己的函数,并使用awk的多维数组。学完本文之后,您将掌握更多awk经验,可以让您创建功能更强大的脚本。
格式化输出 虽然大多数情况下awk的print语句可以完成任务,但有时我们还需要更多。在那些情况下,awk提供了两个我们熟知的老朋友printf()和sprintf()。是的,如同其它许多awk部件一样,这些函数等同于相应的C语言函数。printf()会将格式化字符串打印到stdout,而sprintf()则返回可以赋值给变量的格式化字符串。如果不熟悉printf()和sprintf(),介绍C语言的文章可以让您迅速了解这两个基本打印函数。在Linux系统上,可以输入"man3printf"来查看printf()帮助页面。
以下是一些awksprintf()和printf()的样本代码。可以看到,它们几乎与C语言完全相同。
x=1
b="foo"
printf("%sgota%donthelasttest/n","Jim",83)
myout=("%s-%d",b,x)
printmyout [/code]
| 此代码将打印:
Jimgota83onthelasttest
foo-1
[/code]
| 字符串函数 awk有许多字符串函数,这是件好事。在awk中,确实需要字符串函数,因为不能象在其它语言(如C、C++和Python)中那样将字符串看作是字符数组。例如,如果执行以下代码:
mystring="Howareyoudoingtoday?"
printmystring[3]
[/code]
| 将会接收到一个错误,如下所示:
awk:string.gawk:59:fatal:attempttousescalarasarray
[/code]
| 噢,好吧。虽然不象Python的序列类型那样方便,但awk的字符串函数还是可以完成任务。让我们来看一下。
首先,有一个基本length()函数,它返回字符串的长度。以下是它的使用方法:
printlength(mystring)
[/code]
| 此代码将打印值:
好,继续。下一个字符串函数叫作index,它将返回子字符串在另一个字符串中出现的位置,如果没有找到该字符串则返回0。使用mystring,可以按以下方法调用它:
printindex(mystring,"you")
[/code]
| awk会打印:
让我们继续讨论另外两个简单的函数,tolower()和toupper()。与您猜想的一样,这两个函数将返回字符串并且将所有字符分别转换成小写或大写。请注意,tolower()和toupper()返回新的字符串,不会修改原来的字符串。这段代码:
printtolower(mystring)
printtoupper(mystring)
printmystring
[/code]
| ……将产生以下输出:
howareyoudoingtoday?
HOWAREYOUDOINGTODAY?
Howareyoudoingtoday?
[/code]
| 到现在为止一切不错,但我们究竟如何从字符串中选择子串,甚至单个字符?那就是使用substr()的原因。以下是substr()的调用方法:
mysub=substr(mystring,startpos,maxlen)
[/code]
| mystring应该是要从中抽取子串的字符串变量或文字字符串。startpos应该设置成起始字符位置,maxlen应该包含要抽取的字符串的最大长度。请注意,我说的是最大长度;如果length(mystring)比startpos+maxlen短,那么得到的结果就会被截断。substr()不会修改原始字符串,而是返回子串。以下是一个示例:
printsubstr(mystring,9,3)
[/code]
| awk将打印:
如果您通常用于编程的语言使用数组下标访问部分字符串(以及不使用这种语言的人),请记住substr()是awk代替方法。需要使用它来抽取单个字符和子串;因为awk是基于字符串的语言,所以会经常用到它。
现在,我们讨论一些更耐人寻味的函数,首先是match()。match()与index()非常相似,它与index()的区别在于它并不搜索子串,它搜索的是规则表达式。match()函数将返回匹配的起始位置,如果没有找到匹配,则返回0。此外,match()还将设置两个变量,叫作RSTART和RLENGTH。RSTART包含返回值(第一个匹配的位置),RLENGTH指定它占据的字符跨度(如果没有找到匹配,则返回-1)。通过使用RSTART、RLENGTH、substr()和一个小循环,可以轻松地迭代字符串中的每个匹配。以下是一个match()调用示例:
printmatch(mystring,/you/),RSTART,RLENGTH
[/code]
| awk将打印:
字符串替换 现在,我们将研究两个字符串替换函数,sub()和gsub()。这些函数与目前已经讨论过的函数略有不同,因为它们确实修改原始字符串。以下是一个模板,显示了如何调用sub():
sub(regexp,replstring,mystring)
[/code]
| 调用sub()时,它将在mystring中匹配regexp的第一个字符序列,并且用replstring替换该序列。sub()和gsub()用相同的自变量;唯一的区别是sub()将替换第一个regexp匹配(如果有的话),gsub()将执行全局替换,换出字符串中的所有匹配。以下是一个sub()和gsub()调用示例:
sub(/o/,"O",mystring)
printmystring
mystring="Howareyoudoingtoday?"
gsub(/o/,"O",mystring)
printmystring
[/code]
| 必须将mystring复位成其初始值,因为第一个sub()调用直接修改了mystring。在执行时,此代码将使awk输出:
HOwareyoudoingtoday?
HOwareyOudOingtOday?
[/code]
| 当然,也可以是更复杂的规则表达式。我把测试一些复杂规则表达式的任务留给您来完成。
通过介绍函数split(),我们来汇总一下已讨论过的函数。split()的任务是“切开”字符串,并将各部分放到使用整数下标的数组中。以下是一个split()调用示例:
numelements=split("Jan,Feb,Mar,Apr,May,Jun,Jul,Aug,Sep,Oct,Nov,Dec",mymonths,",")
[/code]
| 调用split()时,第一个自变量包含要切开文字字符串或字符串变量。在第二个自变量中,应该指定split()将填入片段部分的数组名称。在第三个元素中,指定用于切开字符串的分隔符。split()返回时,它将返回分割的字符串元素的数量。split()将每一个片段赋值给下标从1开始的数组,因此以下代码:
printmymonths[1],mymonths[numelements]
[/code]
| ……将打印:
特殊字符串形式 简短注释--调用length()、sub()或gsub()时,可以去掉最后一个自变量,这样awk将对$0(整个当前行)应用函数调用。要打印文件中每一行的长度,使用以下awk脚本:
财务上的趣事 几星期前,我决定用awk编写自己的支票簿结算程序。我决定使用简单的tab定界文本文件,以便于输入最近的存款和提款记录。其思路是将这个数据交给awk脚本,该脚本会自动合计所有金额,并告诉我余额。以下是我决定如何将所有交易记录到"ASCIIcheckbook"中:
23Aug2000food--YJimmy'sBuffet30.25
[/code]
| 此文件中的每个字段都由一个或多个tab分隔。在日期(字段1,$1)之后,有两个字段叫做“费用分类帐”和“收入分类帐”。以上面这行为例,输入费用时,我在费用字段中放入四个字母的别名,在收入字段中放入"-"(空白项)。这表示这一特定项是“食品费用”。:)以下是存款的示例:
23Aug2000-inco-YBossMan2001.00
[/code]
| 在这个实例中,我在费用分类帐中放入"-"(空白),在收入分类帐中放入"inco"。"inco"是一般(薪水之类)收入的别名。使用分类帐别名让我可以按类别生成收入和费用的明细分类帐。至于记录的其余部分,其它所有字段都是不需加以说明的。“是否付清?”字段("Y"或"N")记录了交易是否已过帐到我的帐户;除此之外,还有一个交易描述,和一个正的美元金额。
用于计算当前余额的算法不太难。awk只需要依次读取每一行。如果列出了费用分类帐,但没有收入分类帐(为"-"),那么这一项就是借方。如果列出了收入分类帐,但没有费用分类帐(为"-"),那么这一项就是贷方。而且,如果同时列出了费用和收入分类帐,那么这个金额就是“分类帐转帐”;即,从费用分类帐减去美元金额,并将此金额添加到收入分类帐。此外,所有这些分类帐都是虚拟的,但对于跟踪收入和支出以及预算却非常有用。
代码 现在该研究代码了。我们将从第一行(BEGIN块和函数定义)开始:
balance,第1部分
#!/usr/bin/envawk-f
BEGIN{
FS="/t+"
months="JanFebMarAprMayJunJulAugSepOctNovDec"
}
functionmonthdigit(mymonth){
return(index(months,mymonth)+3)/4
}
[/code]
| 首先执行"chmod+xmyscript"命令,那么将第一行"#!..."添加到任何awk脚本将使它可以直接从shell中执行。其余行定义了BEGIN块,在awk开始处理支票簿文件之前将执行这个代码块。我们将FS(字段分隔符)设置成"/t+",它会告诉awk字段由一个或多个tab分隔。另外,我们定义了字符串months,下面将出现的monthdigit()函数将使用它。
最后三行显示了如何定义自己的awk。格式很简单--输入"function",再输入名称,然后在括号中输入由逗号分隔的参数。在此之后,"{}"代码块包含了您希望这个函数执行的代码。所有函数都可以访问全局变量(如months变量)。另外,awk提供了"return"语句,它允许函数返回一个值,并执行类似于C和其它语言中"return"的操作。这个特定函数将以3个字母字符串格式表示的月份名称转换成等价的数值。例如,以下代码:
printmonthdigit("Mar")
[/code]
| ……将打印:
现在,让我们讨论其它一些函数。
财务函数 以下是其它三个执行簿记的函数。我们即将见到的主代码块将调用这些函数之一,按顺序处理支票簿文件的每一行,从而将相应交易记录到awk数组中。有三种基本交易,贷方(doincome)、借方(doexpense)和转帐(dotransfer)。您会发现这三个函数全都接受一个自变量,叫作mybalance。mybalance是二维数组的一个占位符,我们将它作为自变量进行传递。目前,我们还没有处理过二维数组;但是,在下面可以看到,语法非常简单。只须用逗号分隔每一维就行了。
我们将按以下方式将信息记录到"mybalance"中。数组的第一维从0到12,用于指定月份,0代表全年。第二维是四个字母的分类帐,如"food"或"inco";这是我们处理的真实分类帐。因此,要查找全年食品分类帐的余额,应查看mybalance[0,"food"]。要查找6月的收入,应查看mybalance[6,"inco"]。
balance,第2部分
functiondoincome(mybalance){
mybalance[curmonth,$3]+=amount
mybalance[0,$3]+=amount
}
functiondoexpense(mybalance){
mybalance[curmonth,$2]-=amount
mybalance[0,$2]-=amount
}
functiondotransfer(mybalance){
mybalance[0,$2]-=amount
mybalance[curmonth,$2]-=amount
mybalance[0,$3]+=amount
mybalance[curmonth,$3]+=amount
}
[/code]
| 调用doincome()或任何其它函数时,我们将交易记录到两个位置--mybalance[0,category]和mybalance[curmonth,category],它们分别表示全年的分类帐余额和当月的分类帐余额。这让我们稍后可以轻松地生成年度或月度收入/支出明细分类帐。
如果研究这些函数,将发现在我的引用中传递了mybalance引用的数组。另外,我们还引用了几个全局变量:curmonth,它保存了当前记录所属的月份的数值,$2(费用分类帐),$3(收入分类帐)和金额($7,美元金额)。调用doincome()和其它函数时,已经为要处理的当前记录(行)正确设置了所有这些变量。
主块 以下是主代码块,它包含了分析每一行输入数据的代码。请记住,由于正确设置了FS,可以用$1引用第一个字段,用$2引用第二个字段,依次类推。调用doincome()和其它函数时,这些函数可以从函数内部访问curmonth、$2、$3和金额的当前值。请先研究代码,在代码之后可以见到我的说明。
balance,第3部分
{
curmonth=monthdigit(substr($1,4,3))
amount=$7
#recordallthecategoriesencountered
if($2!="-")
globcat[$2]="yes"
if($3!="-")
globcat[$3]="yes"
#tallyupthetransactionproperly
if($2=="-"){
if($3=="-"){
print"Error:incandexpfieldsarebothblank!"
exit1
}else{
#thisisincome
doincome(balance)
if($5=="Y")
doincome(balance2)
}
}elseif($3=="-"){
#thisisanexpense
doexpense(balance)
if($5=="Y")
doexpense(balance2)
}else{
#thisisatransfer
dotransfer(balance)
if($5=="Y")
dotransfer(balance2)
}
}
[/code]
| 在主块中,前两行将curmonth设置成1到12之间的整数,并将金额设置成字段7(使代码易于理解)。然后,是四行有趣的代码,它们将值写到数组globcat中。globcat,或称作全局分类帐数组,用于记录在文件中遇到的所有分类帐--"inco"、"misc"、"food"、"util"等。例如,如果$2=="inco",则将globcat["inco"]设置成"yes"。稍后,我们可以使用简单的"for(xinglobcat)"循环来迭代分类帐列表。
在接着的大约二十行中,我们分析字段$2和$3,并适当记录交易。如果$2=="-"且$3!="-",表示我们有收入,因此调用doincome()。如果是相反的情况,则调用doexpense();如果$2和$3都包含分类帐,则调用dotransfer()。每次我们都将"balance"数组传递给这些函数,从而在这些函数中记录适当的数据。
您还会发现几行代码说“if($5=="Y"),那么将同一个交易记录到balance2中”。我们在这里究竟做了些什么?您将回忆起$5包含"Y"或"N",并记录交易是否已经过帐到帐户。由于仅当过帐了交易时我们才将交易记录到balance2,因此balance2包含了真实的帐户余额,而"balance"包含了所有交易,不管是否已经过帐。可以使用balance2来验证数据项(因为它应该与当前银行帐户余额匹配),可以使用"balance"来确保没有透支帐户(因为它会考虑您开出的尚未兑现的所有支票)。
生成报表 主块重复处理了每一行记录之后,现在我们有了关于比较全面的、按分类帐和按月份划分的借方和贷方记录。现在,在这种情况下最合适的做法是只须定义生成报表的END块:
balance,第4部分
END{
bal=0
bal2=0
for(xinglobcat){
bal=bal+balance[0,x]
bal2=bal2+balance2[0,x]
}
printf("Youravailablefunds:%10.2f/n",bal)
printf("Youraccountbalance:%10.2f/n",bal2)
}
[/code]
| 这个报表将打印出汇总,如下所示:
Youravailablefunds:1174.22
Youraccountbalance:2399.33
[/code]
| 在END块中,我们使用"for(xinglobcat)"结构来迭代每一个分类帐,根据记录在案的交易结算主要余额。实际上,我们结算两个余额,一个是可用资金,另一个是帐户余额。要执行程序并处理您在文件"mycheckbook.txt"中输入的财务数据,将以上所有代码放入文本文件"balance",执行"chmod+xbalance",然后输入"./balancemycheckbook.txt"。然后balance脚本将合计所有交易,打印出两行余额汇总。
升级 我使用这个程序的更高级版本来管理我的个人和企业财务。我的版本(由于篇幅限制不能在此涵盖)会打印出收入和费用的月度明细分类帐,包括年度总合、净收入和其它许多内容。它甚至以HTML格式输出数据,因此我可以在Web浏览器中查看它。:)如果您认为这个程序有用,我建议您将这些特性添加到这个脚本中。不必将它配置成要记录任何附加信息;所需的全部信息已经在balance和balance2里面了。只要升级END块就万事具备了!
我希望您喜欢本系列。有关awk的详细信息,请参考以下列出的参考资料。
参考资料
请阅读Daniel在developerWorks上发表的awk系列中的前几篇文章:awk实例,第1部分和第2部分。
如果想看好的老式书籍,O'Reilly的sed&awk,2ndEdition是极佳选择。
请参考comp.lang.awkFAQ。它还包含许多附加awk链接。
PatrickHartigan的awktutorial还包括了实用的awk脚本。
Thompson'sTAWKCompiler将awk脚本编译成快速二进制可执行文件。可用版本有Windows版、OS/2版、DOS版和UNIX版。
TheGNUAwkUser'sGuide可用于在线参考。
关于作者 DanielRobbins居住在新墨西哥州的Albuquerque。他是GentooTechnologies,Inc.的总裁兼CEO,GentooLinux(用于PC的高级Linux)和Portage系统(Linux的下一代移植系统)的创始人。他还是Macmillan书籍CalderaOpenLinuxUnleashed、SuSELinuxUnleashed和SambaUnleashed的合作者。Daniel自二年级起就与计算机结下不解之缘,那时他首先接触的是Logo程序语言,并沉溺于Pac-Man游戏中。这也许就是他至今仍担任SONYElectronicPublishing/Psygnosis的首席图形设计师的原因所在。Daniel喜欢与妻子Mary和新出生的女儿Hadassah一起共度时光。可通过drobbins@gentoo.org与Daniel联系。
|
|