第一次看见awk这三个字母，是在某实习童鞋的QQ状态里面，赞同事写的awk如何高效。
昨天在书畅草草看了下IBM官方技术博里的文章，觉得很赞，很激动，但是有点看不太懂，还是自己抱着教科书，老老实实从头看起吧。
哦，这里说一下，最近看的shell相关的东西，都是跟着《A Pratical Guide to Linux Commands,Editors, and Shell Programming》这本书的。
gawk是awk的GNU版本。
> 使用条件
主要是用gawk来处理结构化的数据。
什么是结构化呢，我的理解，就是一个文件里面的内容，可以按照某种记录记录格式，一条记录一条记录地读，同时，每一条记录中间用一个分隔符分成了若干个部分，而且所有记录用同一个分隔符，且所有行用分隔符分出来的部分的数目相同。
当然，gawk可以结构化数据，也可以输出结构化数据。
另外，要提的一点是，gawk在处理数据的时候，不修改原有的数据文件，只是将数据读出来，做处理。
> 语法
gawk [option] [program] [file-list]
gawk [options] –f program-file [file-list]
白话说来，运行gawk有两种方式：
1、直接在shell里面运行。option是运行的选项；program是gawk的代码，要用' ' 括起来，目的是屏蔽shell对里面内容的解析；file-list是用到的数据文件。[option 有哪些？file-list多个文件怎么处理？]
2、将gawk作为独立的文件，调用gawk文件来执行。要用-f来标记是使用的gawk文件，同时program-list是gawk文件的列表。
> 选项(option)
仅列出要紧的几个
| -F fs | 将fs作为输入字段分隔符 |
| -f program-file | 从program-file 命名文件而不是标准输入读取gawk程序，用户可以多次指定这个选项 |
| -v var=value | 将value赋值给var。赋值动作在gawk程序执行之前进行，并用于BEGIN模式。可以在命令行上多次指定这一选项。 |
> 组成单元
好吧，这是我根据自己理解用的一个名词。为什么这么说呢？想想以前的各种语言，C，基本组成单元是函数，除了头文件之外，程序是有各个函数构成的；C++类似；Java，各种方法，所以说，他们的组成单元是 函数 或 方法。
但是gawk呢？如下：
pattern{ action }
每个action用 "{","}"包围起来，同时，"{"要跟在pattern的同一行。
pattern有多种，action各式各样，但是整个gawk的程序，可以按照这样的组成单元，分解开来。
所以说，写gawk程序，就是在源文件里面，构建一个个这样的组成单元。
gawk的组成单元，有两个部分，pattern，action。pattern作为一个模式，决定了action在什么情况下运行，而action，则是当记录符合条件（pattern）时，执行什么样的动作。这里想用一个图来说明下：
图1 gawk处理结构化数据示意图
如图1所示，gawk的程度，就像是在结构数据上的套子，顺着结构数据，从头读到尾，然后根据数据是否满足要求，来决定执行action。这里有一个问题，在gawk文件内，多个组成单元，是怎么样的一个执行顺序，在后面会用实例检验一下。
根据pattern的不同，可以讲组成单元分成3类：
1、系统默认
有两个BEGIN，END。
BEGIN在所有代码开始前执行，也就是说，他不参与pattern的判定。主要是用来初始化一些系统变量等。
END在前面的所有代码执行完毕后执行，也没有pattern的判定。主要是清理一些中间生成的临时数据等等。
2、无pattern
也就是pattern为空，表示所有的结构化数据，每行数据，都要执行这个pattern下的action
3、定义pattern
实际上“定义pattern”和“无pattern”一样，action都是用户来写的，这里之所以区分开，如前面所说，是基于pattern来分的。
这一类，pattern可以是一个条件判断，也可以是一个正则表达式匹配。
> 系统变量
这些变量被gawk占用了，用的时候，直接拿来就是对应的含义：
表1 变量
| $0 | 当前记录（作为单个变量） |
| $1-$n | 当前记录中的字段 |
| FILENAME | 当前输入文件名 |
| FS | (Field Split)输入字段字段分隔符 |
| NF | (Number of Fields)当前记录的字段数目 |
| NR | (Number of current Record)当前记录的记录编号 |
| OFS | (Output Field Split)输出字段分隔符（默认为空格） |
| ORS | (Output Record Split)输出记录分隔符（默认为换行符） |
| RS | (Record Split)输入记录分隔符（默认为换行） |
FS，RS，可以在BEGIN中，根据具体输入文件的不同，进行设置。
OFS，ORS，也可以再BEGIN中，根据输出文件的要求，进行设置。
在程序中，可以通过NF，知道一条记录中有多少个字段，也就决定了$1-$n的n是多少。
在任何时刻都可以修改分隔符的值，具体方法是通过在程序中或者在命令行中使用--assign（-v）选项，将一项新的值指派给对应的变量。
（也就意味着，在输入和输出文件中，都可以出现分隔符不同一的情况）
> 函数
gawk的内置函数，用来操作数字和字符串
表2 函数
| length(str) | 返回字符串str的字符个数，如果没有参数str，返回当前记录的字符个数 |
| int(num) | 返回num的整数部分 |
| index(str1,str2) | 返回str2在str1中的位置，如果str2不存在返回0 |
| split(str,arr,del) | 用del做分隔符，将str的元素放置到arr[1]到arr[n]中，返回数组元素个数 |
| sprintf(fmt,args) | 根据fmt格式化args并返回格式化后的字符串 |
| substr(str,pos,len) | 返回str中从pos开始长度为len个字符的字符串 |
| tolower(str) | str字母全部转为小写 |
| toupper(str) | str字母全部转为大写 |
> 注释
该行以 # 开头。
> 关联数组
我理解它类似于C#的Dictionary<k,v>，可以用字符串做索引：array[string]=value
在使用的时候，利用for可以实现：for (elem in array) print array[elem]
> 控制结构
if-else,while,for 与C语言的对应项基本一致，完全不同于Shell下的对应项，不再赘述。
初始gawk，就到这里，用一个例子来结束：
数据文件cars记录了一组关于汽车的销售信息（品牌，型号，生产年代，千里里程数，价格），用gawk，写程序，统计下平均使用年限，所有车的平均价格和新车（晚于2000年）的平均价格
图2 数据文件cars
图3 gawk代码
图4 运行结果