El lenguaje de programación awk

Presentación

El lenguaje de programación awk es una utilidad adaptada al tratamiento de archivos de texto. Permite realizar acciones sobre registros de datos incluso estructurados en campos. El nombre "awk" tiene como origen las iniciales de cada uno de sus autores: Aho, Weinberger y Kernighan. Este capítulo presenta las funcionalidades principales de las recientes versiones del lenguaje awk, llamadas nawk (new awk) en varias plataformas Unix. En Linux, el comando awk es un enlace simbólico al intérprete gawk (GNU awk).

awk [-F] '{acción-awk}' [ arch1 ... archn ] 
awk [-F] -f script-awk [ arch1 ... archn ] 

$ gawk --version 
GNU Awk 4.1.3, API: 1.1 

Operadores

La tabla siguiente agrupa los operadores disponibles en este lenguaje.

Ejemplo de concatenación

Concatenación (operador espacio) de las variables nombre y apellido, en la variable nombreApellido:

$ awk 'BEGIN { apellido="Durand" ; nombre="Michel"...

La función printf

awk ofrece la función integrada printf, similar a la del lenguaje C. Permite formatear los textos de salida.

printf ("cadena",expr1,expr2,...,exprn) 

cadena representa la cadena que se mostrará por pantalla. Puede contener formatos que serán sustituidos por el valor de las expresiones citadas a continuación. Tiene que haber tantos formatos como expresiones.

Ejemplos de formatos comúnmente utilizados

Redirecciones

Es posible redirigir las salidas del script hacia un archivo o hacia un comando del sistema.

Sintaxis

instrucción > "archivo" 

instrucción >> "archivo" 

print[f] "..." |"comando" 

Primer ejemplo

Apertura en modo sobrescritura:

$ nl redireccion1.awk 
     1  BEGIN { 
     2    nombrearch = "/tmp/arch.txt" 
     3    print "Línea 1" >  nombrearch 
     4    print "Línea 2" >  nombrearch 
 ...

Lectura de la línea siguiente: next

La instrucción next interrumpe el tratamiento de la línea actual y desencadena la lectura de la línea siguiente, en la que se aplicará el tratamiento integral.

Ejemplo

El script region.awk muestra el archivo tel3.txt, añadiendo un campo, concatenando el valor PB delante del número de teléfono de los clientes localizados en la zona horaria de la península y C delante del número de teléfono de los clientes localizados en la zona horaria de las islas Canarias.

$ nl region.awk 
    1  BEGIN { 
    2    FS="|" 
    3  } 
 
    4  $3 ~ /^(35|38)/ { 
    5    printf ("%s|%s|%s|%s|PB|%s\n",$1,$2,$3,$4,$5) 
    6    # Salto al registro siguiente 
    7    next 
    8  } 
 
    9  { 
    10    printf ("%s|%s|%s|%s|C|%s\n",$1,$2,$3,$4,$5) 
    11  } 

Ejecución:

$ awk -f region.awk tel3.txt 
Méndez Roca, Gisela|calle Ruiseñor|28023|Madrid|PB|915.351.478 
Ruiz del Castillo, Marcos|calle...

Estructuras de control

awk ofrece estructuras de control que normalmente se encuentran en lenguajes de programación. La sintaxis se ha heredado del lenguaje C.

if (condición) { 
 instrucción 
 ... 
}   
else { 
 instrucción    ... 
} 

if (condición)  
 instrucción 
else  
 instrucción 

switch (expresion) {   
   case valor|expresion-regular:    
       instrucción   
       instrucción   
         ...   
       break    
   case valor|expresion-regular:    
       instrucción   
       instrucción   
         ...   ...

Tablas

Los elementos de una tabla pueden indexarse por un número o una cadena de caracteres. Este índice se ve siempre como una cadena de caracteres en el lenguaje awk, todas las tablas son asociativas. Sin embargo distinguiremos los dos casos en la figura.

$ nl tab.awk 
     1  # Sección BEGIN 
     2  BEGIN { 
     3    FS="|"  
     4  } 
     5  # Tabla que almacena los nombres de los clientes 
     6  { 
     7    cliente[NR]=$1 
     8  } 
 
 
     9  # Sección END 
    10  END { 
    11    # Visualización de la tabla 
    12    for (indice=1; indice <= NR; indice++) 
    13    printf("Cliente no %4d => %-20s\n",indice, cliente[indice]); 
    14  } 
$ 

$ awk -f tab.awk tel3.txt 
Cliente no    1 => Méndez Roca, Gisela 
Cliente no    2 => Ruiz del Castillo, Marcos 
Cliente no    3 => Hernández Darín, Alberto 
Cliente no    4 => Gómez Bádenas, Josefina 
Cliente no    5 => Martínez Parra, Marta 
Cliente no    6 => Expósito Heredia, Pedro 
$ 

Tablas multidimensionales

$ nl tab2d.awk   
    1  BEGIN {   
    2    # Clave única   
    3    tab[0,"nombre"] = "Paredes" 
    4    tab[0,"cp"] = "28030" 
    5    tab[1,"nombre"] = "Perez" 
    6    tab[1,"cp"] = "08300" 
        
    7      
    8    for (i=0; i<=1; i++) {   
    9      print "Indice " i " : "   
   10      print "Nombre : " tab[i,"nombre"]   
   11      print "CP  : " tab[i,"cp"]   
   12      print "------------"    
   13    }   
   14         
         
   15    for (clave in tab) {   
   16      print "Clave : --" clave "-- Valor => " tab[clave] 
   17    }   
   18  } 

Los argumentos de la línea de comandos

Las variables ARGV y ARGC

awk proporciona un mecanismo que permite pasar argumentos a un script en el momento de su llamada. Las variables ARGC y ARGV se inicializan por awk y permiten tratar los valores pasados en la línea de comandos. ARGV es una tabla que contiene los argumentos recibidos, salvo las opciones awk de la línea de comandos (más adelante -f arg.awk). ARGV[0] representa el nombre del comando (por lo tanto, awk). Los valores contenidos en los siguientes ítems de la tabla ARGV se van a considerar como los nombres de archivos que las secciones intermedias van a procesar. ARGC contiene el número de argumentos recibidos. ARGV y ARGC están disponibles en todas las secciones del script.

Ejemplo

$ nl arg.awk  
     1  #! /bin/awk   
  
     2  BEGIN{  
     3    print "ARGC = " , ARGC   
     4    for (i=0;i<ARGC;i++) {  
     5        printf("ARGV[%d] = %s\n",i, ARGV[i])  
     6    }  
     7  }  
$  
$ awk -f arg.awk agenda.txt tel3.txt  
ARGC =  3  
ARGV[0] = awk  
ARGV[1] = agenda.txt  
ARGV[2] = tel3.txt 

Enviar variables...

Funciones integradas

El lenguaje awk dispone de funciones integradas.

Funciones de usuario

Sintaxis

Una función puede tener de 0 a n argumentos y devolver 1 valor explícito. Las funciones pueden definirse antes o después de su llamada.

Definición de una función:

function nombre_funcion (param1, param2 ..., paramn) { 
 
    return valor 
} 

Llamada a una función:

valor_devuelto=nombre_funcion(val1, val2, ..., valn) 

Ejemplo

El script region2.awk muestra el archivo tel3.txt, añadiendo un campo delante del número de teléfono de los clientes: "PB" para los clientes localizados en la Península y Baleares y "C" para los clientes localizados en las dos provincias de las islas Canarias. La función getRegion() recibe como parámetros el código postal y devuelve la cadena que representa la región. 

$ nl region2.awk 
     1  # Función que determina el valor de la región 
     2  function getRegion (cp) { 
     3    # región canaria 
     4    if ( cp ~ /^(3[58])/ )  
     5     ...

Inclusión de archivos

El lenguaje gawk ofrece, a partir de su versión 4, la posibilidad de incluir en el código fuente el contenido de otros archivos, mediante la directiva @include. La variable de entorno AWKPATH puede inicializarse con el nombre de los directorios donde gawk deberá buscar los archivos a incluir (mismo principio que la variable PATH Unix). Si AWKPATH está inicializada, esta también deberá contener la ubicación del script principal.

Ejemplo de inclusión

El archivo a incluir:

$ nl mostrar.inc.gawk   
    1  function mostrar (mensaje) { print mensaje  } 

El programa principal:

$ nl include.gawk   
        
    1  @include "mostrar.inc.gawk"   
        
    2  BEGIN {   mostrar ("Hello")  }   
  
$ gawk -f include.gawk    
Hello 

Ejemplo de utilización de AWKPATH

El programa principal:

/home/cristina/awk/AWKPATH/include.gawk 

incluído:

/home/cristina/awk/AWKPATH/includes/mostrar.inc.gawk 

Definición de la variable AWKPATH que debe contener la ubicación del programa principal y de los archivos a incluir:

$ AWKPATH=/home/cristina/awk/AWKPATH:/home/cristina/awk/AWKPATH/includes 
$ export AWKPATH 
$ gawk -f include.gawk 
Hello 
$ 

La variable y su exportación...

Ejercicios

Los archivos proporcionados para los ejercicios están disponibles en la carpeta dedicada al capítulo, en el directorio Ejercicios/Archivos.

adjtime  
aliases  
asound.conf  
auto.master  
auto.misc  
. . . 

drwxr-xr-x. 24 cristina cristina  4096  3 feb 12:26 . 
drwxr-xr-x. 11 root     root      4096 27 ene 14:06 .. 
-rw-------.  1 cristina cristina  14752 22 ene. 12:40 .bash_history 

.bash_history  
.bash_logout  
.bash_profile  
.bashrc 

engine = On 
short_open_tag = Off 
asp_tags = Off 
zlib.output_compression = Off 
implicit_flush = Off 

engine                                   On 
short_open_tag                           Off 
asp_tags                                 Off 
zlib.output_compression                  Off 
implicit_flush                           Off 
zend.enable_gc                           On 
. . .