awk从放弃到入门（9）：awk数组详解

大家好，又见面了，我是你们的朋友全栈君。

 

这篇文章中的知识点是建立在前文的基础上的，如果你还没有掌握前文中的知识，请先参考之前的文章。

注：在阅读这篇文章之前，最好已经了解了一些开发的基本语法，比如，for循环、数组的基本使用 等，否则在阅读时 有可能遇到障碍。

 

前文中提及过，awk其实可以算作一门脚本语言，因为它包含了一个脚本语言的各种语法结构，比如条件判断语句，比如循环语句，那么，awk中能否使用”数组”呢？必须能啊，今天我们就来聊聊awk中的数组。

 

如果你有过任何一种编程语言的使用经验，那么你一定知道，我们可以通过数组的下标（或者称索引），引用数组中的元素，其他语言中，数组的下标通常由0开始，也就是说，如果想要引用数组中的第1个元素，则需要引用对应的下标”[0]”，awk中的数组也是通过引用下标的方法，获取数组中的元素的，但是在awk中，数组元素的下标默认从1开始，但是为了兼容你的使用习惯，我们也可以从0开始设置下标，此处不用纠结，到后面自然会明白，我们先来看一个最简单的示例。

 

在其他语言中，你可能会习惯性的先”声明”一个数组，在awk中，则不用这样，直接为数组中的元素赋值即可，示例如下。

如上图所示，为了方便示例，上例中使用了BEGIN模式，在BEGIN模式中，存在一个名为”葫芦娃”（拼音）的数组，我们在这个数组中放置了3个元素，第1个元素为”大娃”，第2个元素为”二娃”，第3个元素为”三娃”，如果我们想要引用数组中第二个元素的值，只要引用下标为1的元素即可，正如上图所示，我们使用下标”[1]”，获得了huluwa这个数组中第二个元素的值，即”二娃”。

当然，如果你想要看到更多的”葫芦娃”，可以在数组里面放置更多的元素。

如上图所示，由于命令太长，可读性可能会降低，为了在编写时提高命令的可读性，我们可以使用Linux命令行的”换行符”进行换行，Linux中，命令行的换行符为反斜杠”\”，上述命令换行后，如下。

可以看到，目前葫芦娃数组中已经存在6个葫芦娃了，我们可以获取到我们想要的葫芦娃，换句话说，我们可以通过数组的下标，获取到任何一个元素的值。

 

我们知道，在动画中，六娃的超能力是”隐身”，所以六娃也叫”隐身娃”，那么，我们就把上述数组中的第5个元素的值设置为”空字符串”吧，用空字符串表示六娃已经”隐身”了，示例如下。

如上图所示，上例数组中的第5个元素的值被设置为了”空字符串”，当我们打印数组中的第5个元素的值时，打印出的值就是”空”（注：”空格”不为”空”）。

为什么要举这个例子呢？之所以举这个例子，是因为在awk中，元素的值可以设置为”空”，在awk中，将元素的值设置为”空字符串”是合法的。

 

既然在awk中，元素的值可以为”空”，那么我们就不能再根据元素的值是否为”空”去判断元素是否存在了，所以，在awk中，如果你使用如下方法判断数组中的元素是否存在，是不合理的，如下图所示。

正如上图所示，第6个元素明明已经存在，但是通过上述方法判断元素是否存在时，仍然显示对应的元素不存在。

 

其实，使用上述方法判断元素是否存在之所以不合理，除了上述原因，还有另外一个原因，就是当一个元素不存在于数组时，如果我们直接引用这个不存在的元素，awk会自动创建这个元素，并且默认为这个元素赋值为”空字符串”，示例如下。

如上图所示，数组中并没有第7个元素，但是当我们输出第7个元素时，输出了”空”，所以，出于此原因，在awk中使用之前的方法判断元素是否为空也是不合理的，因为当我们引用一个不存在于数组中的元素时，这个元素其实已经被赋值为”空字符串”了，如下图所示。

 

那么，在awk中，应该怎样判断元素是否存在呢？我们可以使用如下语法。

如上图所示，我们可以使用语法  “if(下标 in 数组名)” ，从而判断数组中是否存在对应的元素。

 

当然，我们还可以使用 “!” 对条件进行取反，如下图所示。

 

在awk中，数组的下标不仅可以为”数字”，还可以为”任意字符串”，如果你使用过shell中的数组，你可以把awk的数组比作bash中的”关联数组”，示例如下

 

其实，awk中的数组本来就是”关联数组”，之所以先用以数字作为下标的数组举例，是为了让读者能够更好的过度，不过，以数字作为数组下标的数组在某些场景中有一定的优势，但是它本质上也是关联数组，awk默认会把”数字”下标转换为”字符串”，所以，本质上它还是一个使用字符串作为下标的关联数组。

 

使用delete可以删除数组中的元素，如下所示

 

也可以使用delete删除整个数组，如下所示

 

到目前为止，我们已经介绍了怎样为数组中的元素赋值、怎样输出数组中的某个元素、以及怎样删除数组中的元素，那么现在，我们来聊聊在awk中怎样输出数组中的所有元素，在awk中，如果想要输出数组中的所有元素，则需要借助for循环语句，还记得在前文中介绍for循环时，有两种for循环语法吗？我们来回顾一下。

这两种for循环语法都能够遍历输出数组中的元素，不过第一种for循环语法只能输出以数字作为下标的数组，示例如下

你一定看出来了，我们利用了for循环中的变量”i”与数组中的下标都是”数字”的这一特性，按照顺序输出了数组中的元素值。

 

那么，当数组中的元素的下标为”无规律的字符串”时，我们该怎么办呢？这时可以使用for循环的第二种语法，示例如下。

注意，在这种语法中，for循环中的变量”i”表示的是元素的下标，而并非表示元素的值，所以，如果想要输出元素的值，则需要使用”print 数组名[变量]”

 

细心如你，一定发现了一个小问题，当数组中的下标为”字符串”时，元素值输出的顺序与元素在数组中的顺序不同，这是因为awk中的数组本质上是关联数组，所以默认打印出的元素是无序的。

 

那么你可能会提问了，既然之前说过，数字下标最终也会被转换成 “字符串”，本质上也是关联数组，既然都属于关联数组，那么为什么第一种for循环语法能够按照顺序输出数组中的元素值呢？

这就是以数字作为下标的优势，因为第一种for循环语法中的变量”i”为数字，由于for循环的原因，”i”是按照顺序递增的，当”i”的值与下标的值相同时，我们即可按照下标的顺序，输出对应元素的值，换句话说就是，我们是通过下标的顺序，输出对应元素值的顺序，也就是键值定位。但是，即使数组元素的下标为数字，如果使用第二种for循环语法，也不能够按照顺序输出，示例如下。

上例又印证我们之前所说的，awk中的数组本质上就是关联数组。

我想，经过上述对比，你应该已经明白了。

 

前文中，我们都是手动的为数组中的元素赋值，那么我们能不能将指定的文本分割，然后将分割后的字段自动赋值到数组的元素中呢？答案是必须的，但是如果我们想要实现这样的效果，需要借助于split函数，而我们还没有介绍过函数，所以此处就先跳过了，不过需要提前说明的是，通过split函数生成的数组的下标默认是从1开始的，这就是为什么之前说，awk中数组的下标默认是从1开始的了。

 

实例应用

在实际的工作中，我们往往会使用数组，统计某些字符出现的次数，比如，我们想要统计日志中每个IP地址出现了多少次，我们就可以利用数组去统计。

但是，统计的时候需要配合一些特殊用法，别着急，我们慢慢聊。

 

在awk中，我们可以进行数值运算，示例如下

我们将变量a的值设置为1，进行加法计算，每次自加后，再次打印变量a的值，都会加1

这并不难理解，因为上例中，a的值本来就是一个数字。

那么，如果变量a的值是一个字符串，我们能否对变量a进行自加运算呢？我们来试试。

如上图所示，在awk中，当变量a的值为字符串时，竟然也可以进行加法运算，从上例可以看出，awk中，如果字符串参与运算，字符串将被当做数字0进行运算。

 

那么”空字符串”呢？当空字符串参与运算时，也会被当做数字0吗？我们来试试。

看样子，我们猜的不错，空字符串在参与运算时，也会被当做数字0

 

之前说过，当我们直接引用一个数组中不存在的元素时，awk会自动创建这个元素，并且为其赋值为”空字符串”。

所以，如果我们引用一个不存在元素，并对其进行自加运算，那么会出现什么效果呢？我们来试一试

如上图所示，当引用了一个不存在的元素时，元素被赋值为空字符串，当对这个元素进行自加运算时，元素的值就变成了1，因为，空字符串在参与运算时，被当做0使用了，所以，综上所述，我们对一个不存在的元素进行自加运算后，这个元素的值就变成了自加运算的次数，自加x次，元素的值就被赋值为x，自加y次，元素的值就被赋值为y，示例如下。

利用这一点，我们就可以统计文本中某些字符出现的次数，比如IP地址，示例如下。

当然，看懂上图中的命令，需要掌握前文中的知识，同时需要理解今天所介绍的知识。

上图中，我们使用了一个空模式，一个END模式。

空模式中，我们随便创建了一个数组，并且将IP地址作为引用元素的下标，进行了引用，所以，当执行到第一行时，我们引用的是count[“192.168.1.1”]

很明显，这个元素并不存在，所以，当第一行被空模式中的动作处理完毕后，count[“192.168.1.1”]的值已经被赋值为1了。

由于END模式中的动作会最后执行，所以我们先不考虑END模式。

这时，空模式中的动作继续处理下一行，而下一行的IP地址为192.168.1.2

所以，count[“192.168.1.2”]第一次参与运算的过程与上述过程同理。

其他IP地址第一次参与运算的过程与上述过程同理。

直到再次遇到相同的IP地址时，使用同样一个IP地址作为下标的元素将会再次被自加，每次遇到相同的IP地址，对应元素的值都会加1。

直到处理完所有行，开始执行END模式中的动作。

而END模式中，我们打印出了count数组中的所有元素的下标，以及元素对应的值。

此刻，count数组中的下标即为IP地址，元素的值即为对应IP地址出现的次数。

最终，我们统计出了每个IP地址出现的次数。

 

其实，我们就是利用了之前所演示的一个知识点：

我们对一个不存在的元素进行自加运算后，这个元素的值就变成了自加运算的次数

 

上述过程可能比较绕，如果你之前没有接触过awk，一遍看不懂是很正常的，自己按照上述过程动手做几遍，细细品味一番，相信你会搞明白的。

 

如果你以后再想统计文本中某类文本出现的”次数”，就可以使用上述套路了，活学活用以后，你会发现上述套路特别好使。

比如，如果我们想要统计如下文本中每个人名出现的次数，我们则可以使用如下命令。

 

关于awk中数组的用法，就先总结到这里，这些知识已经能够满足我的日常使用了，但是这些并不是数组的全部，如果你想要更加深入的了解数组，可以参考官方手册的数组部分，链接如下。

http://www.gnu.org/software/gawk/manual/gawk.html#Arrays

希望这篇文章能够帮助到你，如果你觉的对你有所帮助，欢迎留言，常来呦亲~~