دایرکتوری‌های خط فرمان (Command Line Directories)

بر اساس استاندارد POSIX، فایل‌های نام‌برده‌شده در خط فرمان awk باید فایل‌های متنی باشند. چنانچه متنی نباشند، رفتار “تعریف‌نشده” خواهد بود. اغلب نسخه‌های awk وجود یک پوشه در خط فرمان را خطایی مهلک (fatal error) قلمداد می‌کنند.

برای gawk، یک پوشه در خط فرمان پیام هشدار تولید می‌کند، اما از روی آن رد می‌شود. چنانچه هر یک از گزینه‌های --posix یا --traditional داده شده باشند، gawk به رفتار تلقی پوشه‌ها در خط فرمان به عنوان خطای مهلک بازمی‌گردد.

رکوردها (Records)

به طور معمول، رکوردها با نویسه خط جدید از یکدیگر جدا می‌شوند. شما می‌توانید با انتساب مقادیر به متغیر داخلی RS، چگونگی تفکیک رکوردها را کنترل کنید. برای جزئیات به نشانی زیر مراجعه فرمایید: https://www.gnu.org/software/gawk/manual/html_node/Records.html.

فیلدها (Fields)

همزمان با خواندن هر رکورد ورودی، gawk رکورد را با استفاده از مقدار متغیر FS به عنوان جداکننده فیلد، به فیلدها تقسیم می‌کند. علاوه بر این، متغیرهای FIELDWIDTHS و FPAT می‌توانند برای کنترل نحوه تفکیک فیلدهای ورودی به کار گرفته شوند. جزئیات مربوطه را در نشانی زیر مشاهده نمایید: https://www.gnu.org/software/gawk/manual/html_node/Fields.html.

به هر فیلد در رکورد ورودی می‌توان با موقعیت آن ارجاع داد: $1، $2 و الی آخر. $0 بیانگر کل رکورد است، شامل فاصله‌های ابتدایی و انتهایی.

متغیر NF بر روی تعداد کل فیلدهای رکورد ورودی تنظیم می‌شود.

ارجاع به فیلدهای ناموجود (یعنی فیلدهای بعد از $NF) رشته تهی تولید می‌کند. با این حال، انتساب مقدار به یک فیلد ناموجود (مانند $(NF+2) = 5) مقدار NF را افزایش داده، فیلدهای میانی را با مقدار رشته تهی ایجاد نموده و موجب می‌شود مقدار $0 مجدداً محاسبه گردد، به طوری که فیلدها با مقدار OFS از هم جدا شوند. ارجاع به فیلدهایی با شماره منفی موجب خطای مهلک می‌شود. کاهش دادن مقدار NF باعث از دست رفتن مقادیر فیلدهای فراتر از مقدار جدید شده و مقدار $0 را از نو محاسبه می‌کند، که در آن فیلدها با مقدار OFS تفکیک می‌گردند.

انتساب مقدار به یک فیلد موجود سبب بازسازی کل رکورد هنگام ارجاع به $0 می‌گردد. مشابهاً، انتساب مقدار به $0 باعث تفکیک مجدد رکورد شده و مقادیر جدیدی برای فیلدها پدید می‌آورد.

مقادیر جداشده با کاما (Comma Separated Values)

هنگامی که با گزینه‌های -k یا --csv فراخوانی شود، gawk از تعیین معمول رکوردها و تفکیک فیلدها همان‌گونه که در بالا تشریح شد استفاده نمی‌کند. در عوض، رکوردها با نویسه خط جدید که داخل گیومه نباشد خاتمه می‌یابند و فیلدها با کاما از هم جدا می‌شوند. می‌توان از گیومه دوتایی برای محصور کردن فیلدهای حاوی کاما، خط جدید یا گیومه دوتایی تکرارشده استفاده کرد. پیوند زیر را برای جزئیات بیشتر ملاحظه فرمایید: https://www.gnu.org/software/gawk/manual/html_node/Comma-Separated-Fields.html.

متغیرهای داخلی (Built-in Variables)

متغیرهای داخلی Gawk در ادامه آمده‌اند. این فهرست عمداً فشرده و خلاصه است. برای جزئیات بیشتر به پیوند زیر رجوع کنید: https://www.gnu.org/software/gawk/manual/html_node/Built_002din-Variables.

ARGC

تعداد آرگومان‌های خط فرمان.

ARGIND

شاخص پرونده جاری در حال پردازش در آرایه ARGV.

ARGV

آرایه‌ای از آرگومان‌های خط فرمان. این آرایه از 0 تا ARGC - 1 نمایه‌گذاری می‌شود.

BINMODE

در سیستم‌های غیر-POSIX، استفاده از حالت دودویی (binary) را برای تمام ورودی/خروجی‌های فایل تعیین می‌کند. نشانی زیر را برای جزئیات ببینید: https://www.gnu.org/software/gawk/manual/html_node/PC-Using.html.

CONVFMT

قالب تبدیل برای اعداد؛ به طور پیش‌فرض "%.6g" است.

ENVIRON

آرایه‌ای حاوی مقادیر محیط فعلی سیستم. این آرایه با متغیرهای محیطی نمایه‌گذاری می‌شود و هر عنصر، مقدار آن متغیر است.

ERRNO

اگر خطایی در سطح سیستم هنگام تغییر مسیر برای getline، هنگام خواندن در getline، یا در طی فراخوانی close() رخ دهد، ERRNO بر روی رشته‌ای در تشریح خطا تنظیم می‌شود. این مقدار در لوکال‌های غیرانگلیسی قابل ترجمه است.

FIELDWIDTHS

فهرستی از عرض فیلدها که با فاصله از هم جدا شده‌اند. در صورت تنظیم، gawk ورودی را به فیلدهایی با عرض ثابت تفکیک می‌کند، به جای این که از مقدار متغیر FS به عنوان جداکننده فیلد استفاده نماید. هر عرض فیلد می‌تواند به صورت اختیاری با یک مقدار جداشده با دونقطه برای مشخص کردن تعداد نویسه‌هایی که باید قبل از شروع فیلد نادیده گرفته شوند همراه باشد.

FILENAME

نام فایل ورودی جاری. اگر هیچ فایلی در خط فرمان تعیین نشده باشد، مقدار FILENAME برابر با “-” خواهد بود. با این حال، FILENAME درون قاعده BEGIN تعریف‌نشده است (مگر این که توسط getline تنظیم شده باشد).

FNR

شماره رکورد ورودی در فایل ورودی جاری.

FPAT

یک عبارت باقاعده که محتوای فیلدها در یک رکورد را مشخص می‌کند. در صورت تنظیم، gawk ورودی را به فیلدهایی تفکیک می‌کند که با آن عبارت باقاعده تطابق دارند، به جای این که از مقدار FS به عنوان جداکننده فیلد استفاده کند.

FS

جداکننده فیلدهای ورودی، که به صورت پیش‌فرض یک فاصله است. برای جزئیات پیوند زیر را ببینید: https://www.gnu.org/software/gawk/manual/html_node/Field-Separators.html.

FUNCTAB

آرایه‌ای که شناسه‌ها و مقادیر متناظر آن نام تمامی توابع تعریف‌شده توسط کاربر یا توابع افزونه موجود در برنامه است. نکته: نمی‌توان از دستور delete همراه با آرایه FUNCTAB استفاده کرد.

IGNORECASE

حساسیت به بزرگی و کوچکی حروف را در تمامی عملیات‌های عبارت باقاعده و رشته‌ها کنترل می‌کند. برای جزئیات به پیوند زیر رجوع کنید: https://www.gnu.org/software/gawk/manual/html_node/Case_002dsensitivity.html.

LINT

کنترل پویای گزینه --lint را از درون برنامه AWK فراهم می‌سازد.

NF

تعداد فیلدهای رکورد ورودی جاری.

NR

تعداد کل رکوردهای ورودی که تاکنون مشاهده شده‌اند.

OFMT

قالب خروجی برای اعداد، که به صورت پیش‌فرض "%.6g" است.

OFS

جداکننده فیلدهای خروجی، که به طور پیش‌فرض یک فاصله است.

ORS

جداکننده رکوردهای خروجی، که به صورت پیش‌فرض یک خط جدید است.

PREC

دقت کاری اعداد ممیز شناور با دقت دلخواه، که به طور پیش‌فرض 53 است.

PROCINFO

عناصر این آرایه دسترسی به اطلاعات مربوط به برنامه AWK در حال اجرا را فراهم می‌آورند. جزئیات را در پیوند زیر ببینید: https://www.gnu.org/software/gawk/manual/html_node/Auto_002dset.

ROUNDMODE

حالت گرد کردن برای محاسبات ریاضی با دقت دلخواه بر روی اعداد، به طور پیش‌فرض "N" (حالت roundTiesToEven طبق استاندارد IEEE-754). برای مشاهده جزئیات نشانی زیر را ببینید: https://www.gnu.org/software/gawk/manual/html_node/Setting-the-rounding-mode.

RS

جداکننده رکوردهای ورودی، که به صورت پیش‌فرض یک خط جدید است.

RT

خاتمه‌دهنده رکورد. Gawk متغیر RT را بر روی متن ورودی که با نویسه یا عبارت باقاعده تعیین‌شده توسط RS مطابقت داشته است، تنظیم می‌کند.

RSTART

شاخص نخستین نویسه‌ای که با match() تطابق یافته است؛ در صورت عدم تطابق مقدار 0 خواهد بود.

RLENGTH

طول رشته تطابق‌یافته با match()؛ در صورت عدم تطابق مقدار -1 خواهد بود.

SUBSEP

رشته‌ای که برای جداسازی زیرنویس‌های چندگانه در عناصر آرایه به کار می‌رود؛ به صورت پیش‌فرض "\034" است.

SYMTAB

آرایه‌ای که شناسه‌های آن نام تمام متغیرها و آرایه‌های سراسری تعریف‌شده فعلی در برنامه هستند. شما مجاز به استفاده از دستور delete با آرایه SYMTAB نیستید، و همچنین نمی‌توانید مقادیری به عناصری با نمایه‌ای که نام متغیر نیست منتسب کنید.

TEXTDOMAIN

دامنه متنی برنامه AWK؛ برای یافتن ترجمه‌های بومی‌سازی‌شده برای رشته‌های برنامه استفاده می‌شود.

آرایه‌ها (Arrays)

آرایه‌ها با یک عبارت درون براکت ([ و ]) نمایه‌گذاری می‌شوند. اگر عبارت یک فهرست از عبارت‌ها باشد (expr, expr ...) در آن صورت شناسه آرایه رشته‌ای حاصل از پیوند مقادیر (رشته‌ای) هر عبارت خواهد بود که با مقدار متغیر SUBSEP از هم جدا شده‌اند. این قابلیت برای شبیه‌سازی آرایه‌های چندبعدی به کار می‌رود. برای نمونه:

رشته "hello, world\n" را به عنصری از آرایه x منتسب می‌کند که نمایه‌اش رشته "A\034B\034C" است. تمامی آرایه‌ها در AWK پیوندی (associative) هستند، یعنی با مقادیر رشته‌ای اندیس‌گذاری می‌شوند.

عملگر ویژه in می‌تواند برای آزمایش این که آیا آرایه‌ای دارای اندیسی با مقدار خاصی است یا خیر، به کار رود:

if (val in array)
	print array[val]

اگر آرایه دارای چندین زیرنویس باشد، از عبارت (i, j) in array استفاده کنید.

ساختار in همچنین می‌تواند در یک حلقه for برای پیمایش بر روی تمام عناصر یک آرایه به کار رود. با این وجود، ساختار (i, j) in array تنها در آزمون‌های شرطی کار می‌کند و در حلقه‌های for کاربردی ندارد.

یک عنصر را می‌توان با دستور delete از آرایه حذف کرد. دستور delete همچنین می‌تواند برای حذف کامل تمام محتویات یک آرایه، تنها با مشخص کردن نام آرایه بدون زیرنویس به کار گرفته شود.

دستور gawk از آرایه‌های چندبعدی واقعی پشتیبانی می‌کند. نیازی نیست که چنین آرایه‌هایی همانند زبان C یا C++ حتماً “مستطیلی” باشند. پیوند زیر را برای جزئیات ملاحظه کنید: https://www.gnu.org/software/gawk/manual/html_node/Arrays.

فضاهای نام (Namespaces)

ابزار Gawk یک سازوکار ساده فضای نام (namespace) ارائه می‌دهد تا به دور زدن این محدودیت که تمام متغیرها در AWK سراسری هستند کمک نماید.

یک نام واجد شرایط (qualified name) از دو شناسه ساده تشکیل می‌شود که با دو دونقطه (::) به هم پیوند خورده‌اند. شناسه سمت چپ نشان‌دهنده فضای نام و شناسه سمت راست متغیر درون آن است. تمامی نام‌های ساده (غیر واجد شرایط) متعلق به فضای نام “جاری” به شمار می‌آیند؛ فضای نام پیش‌فرض awk است. با این حال، شناسه‌های ساده‌ای که صرفاً از حروف بزرگ تشکیل یافته‌اند، حتی اگر فضای نام جاری متفاوت باشد، به اجبار درون فضای نام awk قرار می‌گیرند.

شما فضای نام جاری را با دستورالعمل @namespace "name" تغییر می‌دهید.

نام توابع توکار پیش‌تعریف‌شده استاندارد نمی‌توانند به عنوان نام فضای نام به کار روند. نام توابع اضافی ارائه‌شده توسط gawk می‌توانند به عنوان نام فضای نام یا به عنوان شناسه‌های ساده در سایر فضاهای نام مورد استفاده قرار گیرند. برای جزئیات بیشتر به نشانی زیر رجوع فرمایید: https://www.gnu.org/software/gawk/manual/html_node/Namespaces.html#Namespaces.

نوع‌بندی و تبدیل متغیرها (Variable Typing And Conversion)

متغیرها و فیلدها می‌توانند اعداد (ممیز شناور)، یا رشته‌ها، یا هر دو باشند. آن‌ها همچنین می‌توانند عبارت‌های باقاعده باشند. چگونگی تفسیر مقدار یک متغیر به بافت و زمینه به‌کارگیری آن بستگی دارد. اگر در یک عبارت عددی به کار رود، مانند یک عدد رفتار خواهد کرد؛ اگر به عنوان رشته استفاده شود، همانند یک رشته با آن برخورد می‌شود.

برای اجبار یک متغیر به این که به عنوان یک عدد تلقی شود، مقدار صفر را به آن اضافه کنید؛ برای اجبار آن به رفتار رشته‌ای، آن را با یک رشته تهی پیوند دهید.

متغیرهای مقداردهی‌نشده دارای مقدار عددی صفر و مقدار رشته‌ای "" (رشته خالی یا تهی) هستند.

هنگامی که یک رشته باید به یک عدد تبدیل شود، تبدیل با استفاده از تابع strtod(3) انجام می‌پذیرد. تبدیل یک عدد به رشته با استفاده از مقدار CONVFMT به عنوان رشته قالب‌بندی برای تابع sprintf(3) با مقدار عددی متغیر به عنوان آرگومان صورت می‌گیرد. با این وجود، با این که تمام اعداد در AWK ممیز شناور هستند، مقادیر صحیح همواره به عنوان اعداد صحیح تبدیل می‌شوند.

ابزار Gawk مقایسه‌ها را به شرح زیر انجام می‌دهد: اگر دو متغیر عددی باشند، مقایسه به صورت عددی انجام می‌پذیرد. اگر یک مقدار عددی باشد و دیگری دارای مقدار رشته‌ای باشد که یک “رشته عددی (numeric string)” است، مقایسه باز هم به شکل عددی صورت می‌گیرد. در غیر این صورت، مقدار عددی به یک رشته تبدیل شده و مقایسه رشته‌ای انجام می‌پذیرد. دو رشته، البته، به صورت رشته با یکدیگر مقایسه می‌شوند.

توجه داشته باشید که ثابت‌های رشته‌ای، مانند "57"، رشته عددی نیستند بلکه ثابت‌های رشته‌ای هستند. ایده “رشته عددی” تنها در مورد فیلدها، ورودی حاصل از getline، عناصر FILENAME، عناصر ARGV، عناصر ENVIRON و عناصر یک آرایه ایجادشده توسط split() یا patsplit() که رشته‌های عددی هستند اعمال می‌شود. ایده اساسی این است که ورودی کاربر، و تنها ورودی کاربر که ظاهری عددی دارد، باید با آن به عنوان عدد برخورد شود.

ثابت‌های هشت‌هشتی و شانزده‌شانزدهی (Octal and Hexadecimal Constants)

شما می‌توانید از ثابت‌های اکتال (هشت‌هشتی) و هگزادسیمال (شانزده‌شانزدهی) به سبک C در کد منبع برنامه AWK خود استفاده نمایید. برای نمونه، مقدار اکتال 011 برابر با عدد اعشاری (ده‌دهی) 9 است و مقدار هگزادسیمال 0x11 برابر با عدد ده‌دهی 17 است.

ثابت‌های رشته‌ای (String Constants)

ثابت‌های رشته‌ای در AWK دنباله‌ای از نویسه‌ها هستند که بین علامت‌های نقل‌قول جفت (گیومه) محصور شده‌اند (مانند "value"). درون رشته‌ها، توالی‌های گریز (escape sequences) خاصی همانند زبان C شناخته می‌شوند. برای مشاهده جزئیات به پیوند زیر رجوع فرمایید: https://www.gnu.org/software/gawk/manual/html_node/Escape-Sequences.

ثابت‌های عبارت باقاعده (Regexp Constants)

یک ثابت عبارت باقاعده دنباله‌ای از نویسه‌ها است که بین دو ممیز رو به جلو (اسلش) قرار گرفته است (مانند /value/).

توالی‌های گریز توصیف‌شده در راهنما همچنین می‌توانند درون ثابت‌های عبارت باقاعده استفاده شوند (برای نمونه، /[ \t\f\n\r\v]/ با نویسه‌های فاصله خالی تطابق دارد).

دستور Gawk ثابت‌های عبارت باقاعده با نوع‌بندی قوی (strongly typed) را فراهم می‌کند. این ثابت‌ها با یک علامت @ در ابتدا نوشته می‌شوند (به این صورت: @/value/). چنین ثابت‌هایی را می‌توان به اسکالرها (متغیرها، عناصر آرایه) نسبت داد و به توابع تعریف‌شده توسط کاربر ارسال کرد. متغیرهایی که به این صورت مقداردهی شده‌اند از نوع عبارت باقاعده خواهند بود.

الگوها (Patterns)

الگوهای AWK می‌توانند یکی از موارد زیر باشند:

BEGIN
END
BEGINFILE
ENDFILE
/regular expression/
relational expression
pattern && pattern
pattern || pattern
pattern ? pattern : pattern
(pattern)
! pattern
pattern1, pattern2

دو الگوی BEGIN و END دو نوع ویژه از الگوها هستند که در برابر ورودی آزمایش نمی‌شوند. بخش‌های کنش تمام الگوهای BEGIN به گونه‌ای با یکدیگر ادغام می‌شوند که گویی تمام دستورات در یک قاعده BEGIN واحد نوشته شده‌اند. آن‌ها پیش از خوانده شدن هرگونه ورودی اجرا می‌گردند. به همین ترتیب، تمام قواعد END ادغام شده و هنگامی که تمام ورودی‌ها به پایان رسید (یا زمانی که یک دستور exit اجرا شد) به اجرا درمی‌آیند. الگوهای BEGIN و END نمی‌توانند با سایر الگوها در عبارت‌های الگویی ترکیب شوند. الگوهای BEGIN و END نمی‌توانند فاقد بخش کنش باشند.

الگوهای BEGINFILE و ENDFILE الگوهای ویژه دیگری هستند که کنش‌های آن‌ها پیش از خواندن نخستین رکورد از هر فایل ورودی خط فرمان و پس از خواندن آخرین رکورد از هر فایل اجرا می‌شوند. درون قاعده BEGINFILE، مقدار ERRNO در صورت باز شدن موفقیت‌آمیز فایل، یک رشته خالی خواهد بود. در غیر این صورت، مشکلی در فایل وجود دارد و کد باید از nextfile برای نادیده گرفتن آن استفاده کند. اگر این کار انجام نشود، gawk خطای مهلک معمول خود را برای فایل‌هایی که باز نمی‌شوند صادر می‌کند.

برای الگوهای /regular expression/، دستور مربوطه برای هر رکورد ورودی که با عبارت باقاعده مطابقت داشته باشد اجرا می‌شود. عبارت‌های باقاعده اساساً همانند موارد موجود در egrep(1) هستند. برای جزئیات مربوط به عبارت‌های باقاعده پیوند زیر را ببینید: https://www.gnu.org/software/gawk/manual/html_node/Regexp.html.

یک عبارت رابطه‌ای (relational expression) می‌تواند از هر یک از عملگرهای تعریف‌شده در بخش زیر در مورد کنش‌ها استفاده کند. این عبارت‌ها عموماً بررسی می‌کنند که آیا فیلدهای خاصی با عبارت‌های باقاعده مشخصی مطابقت دارند یا خیر.

عملگرهای &&، || و ! به ترتیب عملگرهای عطف منطقی (AND)، فصل منطقی (OR) و نفی منطقی (NOT) مشابه با زبان C هستند. این عملگرها ارزیابی اتصال کوتاه (short-circuit) را مانند C انجام می‌دهند و برای ترکیب عبارت‌های الگویی پایه‌ای‌تر به کار می‌روند. همانند اکثر زبان‌ها، می‌توان از پرانتز برای تغییر ترتیب ارزیابی استفاده کرد.

عملگر ?: مانند همان عملگر در زبان C است. اگر الگوی اول درست باشد، الگوی مورد استفاده برای ارزیابی الگوی دوم خواهد بود، در غیر این صورت الگوی سوم است. تنها یکی از الگوهای دوم یا سوم ارزیابی می‌شود.

شکل pattern1, pattern2 از یک عبارت، الگوی بازه‌ای (range pattern) نامیده می‌شود. این الگو با تمامی رکوردهای ورودی که از رکوردی منطبق بر pattern1 آغاز شده و تا رکوردی منطبق بر pattern2 (شامل خود آن) ادامه می‌یابند، مطابقت می‌کند. این الگو با هیچ نوع دیگری از عبارت‌های الگویی ترکیب نمی‌شود.

کنش‌ها (Actions)

دستورات کنش درون آکولادها، { و }، محصور می‌شوند. دستورات کنش شامل دستورات معمول انتساب، شرطی و حلقه‌ها هستند که در بیشتر زبان‌ها یافت می‌شوند. عملگرها، دستورات کنترلی و گزاره‌های ورودی/خروجی موجود، از زبان C الگوبرداری شده‌اند.

عملگرها (Operators)

عملگرها در AWK به ترتیب تقدم نزولی عبارتند از:

(...)

گروه‌بندی

$

ارجاع به فیلد.

++ --

افزایش و کاهش، هم پیشوندی و هم پسوندی.

^

به توان رساندن.

+ - !

مثبت یگانی، منفی یگانی و نقیض منطقی.

* / %

ضرب، تقسیم و باقیمانده.

+ -

جمع و تفریق.

فاصله

پیوند رشته‌ها (الحاق).

| |&

ورودی/خروجی لوله‌بندی‌شده برای getline، print و printf.

< > <= >= == !=

عملگرهای رابطه‌ای معمول.

~ !~

تطابق با عبارت باقاعده، نفی تطابق با عبارت باقاعده.

in

عضویت در آرایه.

&&

عطف منطقی (AND).

||

فصل منطقی (OR).

?:

عبارت شرطی به سبک C. این ساختار به فرم expr1 ? expr2 : expr3 است. اگر expr1 درست باشد، مقدار عبارت برابر با expr2 خواهد بود، در غیر این صورت مقدار آن expr3 است. تنها یکی از دو عبارت expr2 و expr3 ارزیابی می‌شود.

= += -= *= /= %= ^=

انتساب. هم انتساب مستقیم (var = value) و هم انتساب‌های مرکب با عملگر (سایر شکل‌ها) پشتیبانی می‌شوند.

دستورات کنترلی (Control Statements)

دستورات کنترلی به شرح زیر هستند:

if (condition) statement [ else statement ]
while (condition) statement
do statement while (condition)
for (expr1; expr2; expr3) statement
for (var in array) statement
break
continue
delete array[index]
delete array
exit [ expression ]
{ statements }
switch (expression) {
case value|regex : statement
...
[ default: statement ]
}

دستورات ورودی/خروجی (I/O Statements)

دستورات ورودی/خروجی به شرح زیر هستند:

close(file [, how])

بستن یک فایل باز، لوله یا هم‌روند (coprocess). آرگومان اختیاری how تنها هنگام بستن یک سر از لوله دوطرفه به یک هم‌روند باید استفاده شود. این مقدار باید یک رشته باشد، یا "to" یا "from".

getline

تنظیم $0 از رکورد ورودی بعدی؛ تنظیم متغیرهای NF، NR، FNR و RT.

getline <file

تنظیم $0 از رکورد بعدی file؛ تنظیم NF و RT.

getline var

تنظیم متغیر var از رکورد ورودی بعدی؛ تنظیم NR، FNR و RT.

getline var <file

تنظیم var از رکورد بعدی file؛ تنظیم RT.

command | getline [var]

اجرای دستور command، و هدایت خروجی آن به درون $0 یا var، مشابه موارد بالا، و تنظیم RT.

command |& getline [var]

اجرای command به عنوان یک هم‌روند و هدایت خروجی آن به درون $0 یا var، مشابه موارد بالا، و تنظیم RT. (دستور command می‌تواند یک سوکت نیز باشد. زیربخش نام‌های ویژه پرونده در ادامه را ببینید.)

fflush([file])

تخلیه بافرهای مرتبط با فایل یا لوله خروجی باز file. اگر file ارائه نشود یا رشته تهی باشد، تمام فایل‌ها و لوله‌های خروجی باز تخلیه می‌شوند.

next

توقف پردازش رکورد ورودی جاری. رکورد ورودی بعدی را می‌خواند و پردازش را از نخستین الگوی برنامه AWK از سر می‌گیرد. پس از رسیدن به انتهای داده‌های ورودی، هر قاعده END را اجرا می‌کند.

nextfile

توقف پردازش فایل ورودی جاری. رکورد ورودی بعدی از فایل ورودی بعدی خوانده می‌شود. متغیرهای FILENAME و ARGIND را به‌روزرسانی می‌کند، FNR را به 1 بازنشانی نموده و پردازش را از نخستین الگوی برنامه AWK از سر می‌گیرد. پس از رسیدن به انتهای داده‌های ورودی، هر قاعده ENDFILE و END را به اجرا درمی‌آورد.

print

چاپ رکورد جاری. رکورد خروجی با مقدار ORS خاتمه می‌یابد.

print expr-list

چاپ عبارت‌ها. هر عبارت با مقدار OFS از بعدی جدا می‌شود. رکورد خروجی با مقدار ORS خاتمه می‌یابد.

print expr-list >file

چاپ عبارت‌ها درون پرونده file. هر عبارت با مقدار OFS تفکیک می‌شود. رکورد خروجی با مقدار ORS خاتمه می‌یابد.

printf fmt, expr-list

قالب‌بندی و چاپ.

printf fmt, expr-list >file

قالب‌بندی و چاپ درون پرونده file.

system(cmd-line)

اجرای دستور cmd-line، و بازگرداندن وضعیت خروج (exit status). (این قابلیت ممکن است در سیستم‌های غیر-POSIX در دسترس نباشد.) نشانی زیر را برای جزئیات کامل وضعیت خروج ببینید: https://www.gnu.org/software/gawk/manual/html_node/I_002fO-Functions.html#I_002fO-Functions.

تغییر مسیرهای خروجی اضافی برای print و printf مجاز است:

print ... >> file

افزودن خروجی به انتهای file.

print ... | command

نوشتن روی یک لوله.

print ... |& command

ارسال داده به یک هم‌روند یا سوکت. (همچنین به زیربخش نام‌های ویژه پرونده در ادامه مراجعه فرمایید.)

تابع getline در صورت موفقیت عدد 1، در پایان فایل عدد صفر و در صورت بروز خطا مقدار -1 را برمی‌گرداند. اگر مقدار errno(3) نشان دهد که عملیات ورودی/خروجی ممکن است دوباره امتحان شود، و مقدار PROCINFO["input", "RETRY"] تنظیم شده باشد، آن‌گاه به جای -1 مقدار -2 بازگردانده می‌شود و فراخوانی‌های بعدی به getline می‌تواند انجام شود. در صورت بروز خطا، ERRNO روی رشته‌ای تنظیم می‌شود که مشکل را شرح می‌دهد.

نکته: شکست در باز کردن یک سوکت دوطرفه منجر به بازگشت خطای غیرمهلک به تابع فراخواننده می‌شود. اگر از یک لوله، هم‌روند یا سوکت برای getline، یا از print یا printf درون یک حلقه استفاده می‌کنید، باید از close() برای ایجاد نمونه‌های تازه از دستور یا سوکت استفاده کنید. AWK به طور خودکار لوله‌ها، سوکت‌ها یا هم‌روندها را هنگام بازگرداندن پایان فایل (EOF) نمی‌بندد.

نسخه‌های AWK از دستور printf و تابع sprintf() مشابه با همتایان خود در زبان C هستند. برای مشاهده جزئیات پیوند زیر را ببینید: https://www.gnu.org/software/gawk/manual/html_node/Printf.html.

نام‌های ویژه پرونده (Special File Names)

هنگام انجام تغییر مسیر ورودی/خروجی از print یا printf به درون یک فایل، یا از طریق getline از یک فایل، gawk برخی از نام‌های پرونده ویژه را در درون خود شناسایی می‌کند. این نام‌های فایل امکان دسترسی به توصیف‌کننده‌های فایلِ بازی را که از فرآیند والد gawk (معمولاً پوسته یا shell) به ارث رسیده‌اند، فراهم می‌سازند. این نام‌های فایل را می‌توان در خط فرمان نیز برای نام‌گذاری فایل‌های داده استفاده کرد. این نام‌ها عبارتند از:

-

ورودی استاندارد.

/dev/stdin

ورودی استاندارد.

/dev/stdout

خروجی استاندارد.

/dev/stderr

خروجی خطای استاندارد.

/dev/fd/n

فایل مرتبط با توصیف‌کننده فایل باز n.

نام‌های فایل ویژه زیر می‌توانند با عملگر هم‌روند |& برای ایجاد ارتباطات شبکه‌ای TCP/IP به کار روند:

/inet/tcp/lport/rhost/rport

/inet4/tcp/lport/rhost/rport

/inet6/tcp/lport/rhost/rport

فایل‌هایی برای اتصال TCP/IP در پورت محلی lport به میزبان راه دور rhost روی پورت راه دور rport. از درگاه (پورت) 0 استفاده کنید تا سیستم خودش یک درگاه انتخاب نماید. از /inet4 برای اجبار به ارتباط IPv4 و از /inet6 برای اجبار به ارتباط IPv6 استفاده کنید. عبارت ساده /inet از پیش‌فرض سیستم (به احتمال زیاد IPv4) استفاده می‌کند. این نام‌ها فقط با عملگر ورودی/خروجی دوطرفه |& قابل استفاده هستند.

/inet/udp/lport/rhost/rport

/inet4/udp/lport/rhost/rport

/inet6/udp/lport/rhost/rport

مشابه موارد بالا، اما به جای TCP/IP از UDP/IP استفاده می‌کند. پشتیبانی از UDP منسوخ شده است و در آینده حذف خواهد شد.

توابع عددی (Numeric Functions)

زبان AWK دارای توابع ریاضی توکار زیر است:

atan2(y, x)

بازگرداندن قوس‌تانژانت (آرک‌تانژانت) y/x بر حسب رادیان.

cos(expr)

بازگرداندن کسینوس expr، که بر حسب رادیان است.

exp(expr)

تابع نمایی (پایه e).

int(expr)

قطع کردن و تبدیل به عدد صحیح (حذف بخش اعشاری).

log(expr)

تابع لگاریتم طبیعی.

rand()

بازگرداندن یک عدد تصادفی N، بین صفر و یک، به طوری که 0 ≤ N < 1.

sin(expr)

بازگرداندن سینوس expr، که بر حسب رادیان است.

sqrt(expr)

بازگرداندن ریشه دوم (جذر) expr.

srand([expr])

استفاده از expr به عنوان هسته (seed) جدید برای مولد اعداد تصادفی. اگر هیچ expr ارائه نشود، از زمان جاری سیستم استفاده می‌شود. این تابع هسته پیشین مولد اعداد تصادفی را بازمی‌گرداند.

توابع رشته‌ای (String Functions)

دستور Gawk دارای توابع رشته‌ای توکار زیر است؛ جزئیات در پیوند زیر ارائه شده است: https://www.gnu.org/software/gawk/manual/html_node/String-Functions.

asort(s [, d [, how] ])

بازگرداندن تعداد عناصر در آرایه مبدا s. محتویات s را بر اساس قواعد معمول gawk برای مقایسه مقادیر مرتب نموده و نمایه‌های مقادیر مرتب‌شده s را با اعداد صحیح متوالی که از 1 شروع می‌شوند جایگزین می‌کند. اگر آرایه مقصد اختیاری d تعیین شده باشد، ابتدا s درون d تکثیر شده و سپس d مرتب می‌شود، به طوری که نمایه‌های آرایه مبدا s دست‌نخورده باقی می‌مانند. رشته اختیاری how جهت و حالت مقایسه را کنترل می‌کند. مقادیر معتبر برای how در پیوند زیر شرح داده شده‌اند: https://www.gnu.org/software/gawk/manual/html_node/String-Functions.html#String-Functions. s و d می‌توانند یک آرایه یکسان باشند؛ این امر تنها در صورت ارائه آرگومان سوم معنا پیدا می‌کند.

asorti(s [, d [, how] ])

بازگرداندن تعداد عناصر در آرایه مبدا s. رفتار آن مشابه با asort() است، با این تفاوت که از نمایه‌های آرایه برای مرتب‌سازی استفاده می‌شود نه از مقادیر آرایه. پس از پایان، آرایه به صورت عددی اندیس‌گذاری می‌شود و مقادیر عناصر، همان نمایه‌های اصلی خواهند بود. مقادیر اصلی از بین می‌روند؛ بنابراین اگر می‌خواهید مقادیر اولیه حفظ شوند، یک آرایه دوم ارائه دهید. هدف از رشته اختیاری how مشابه با asort() است. در این‌جا نیز s و d می‌توانند یک آرایه یکسان باشند؛ این مورد نیز تنها در صورت ارائه آرگومان سوم کاربرد دارد.

gensub(r, s, h [, t])

جستجوی رشته هدف t برای انطباق با عبارت باقاعده r. اگر h رشته‌ای باشد که با g یا G آغاز می‌شود، تمام تطابق‌های r را با s جایگزین می‌کند. در غیر این صورت، h عددی است که نشان می‌دهد کدام تطابق از r باید جایگزین شود. اگر t ارائه نشود، از $0 استفاده می‌شود. درون متن جایگزین s، توالی \n، که در آن n یک رقم از 1 تا 9 است، می‌تواند برای مشخص کردن متنی که با n'امین زیرعبارت محصور در پرانتز تطابق یافته است به کار رود. توالی \0 نشان‌دهنده کل متن تطابق‌یافته است، همان‌طور که نویسه & نیز چنین می‌کند. بر خلاف sub() و gsub()، رشته تغییریافته به عنوان نتیجه تابع بازگردانده می‌شود و رشته هدف اصلی تغییر نمی‌کند .

gsub(r, s [, t])

به ازای هر زیررشته منطبق بر عبارت باقاعده r در رشته t، رشته s را جایگزین نموده و تعداد دفعات جایگزینی را بازمی‌گرداند. اگر t عرضه نشود، از $0 استفاده می‌شود. یک & در متن جایگزین با متنی که واقعاً مطابقت یافته است جایگزین می‌شود. از \& برای درج یک & لفظی استفاده کنید. (این مورد باید به صورت "\\&" تایپ شود؛ برای شرح کامل قوانین علامت‌های امپرسند و بک‌اسلش در متن جایگزین sub()، gsub() و gensub()، نشانی زیر را ببینید: https://www.gnu.org/software/gawk/manual/html_node/Gory-Details.html#Gory-Details).

index(s, t)

بازگرداندن شاخص و موقعیت رشته t درون رشته s، یا صفر در صورتی که t وجود نداشته باشد. (این نشان می‌دهد که شاخص‌های نویسه از یک آغاز می‌شوند.)

length([s])

بازگرداندن طول رشته s، یا طول $0 چنانچه s ارائه نشده باشد. با یک آرگومان آرایه، length() تعداد عناصر موجود در آرایه را بازمی‌گرداند.

match(s, r [, a])

بازگرداندن موقعیتی در s که در آن عبارت باقاعده r رخ داده است، یا صفر چنانچه r حضور نداشته باشد، و تنظیم مقادیر RSTART و RLENGTH. توجه داشته باشید که ترتیب آرگومان‌ها مشابه با عملگر ~ است: str ~ re. نشانی زیر را برای توضیحات مربوط به نحوه پر شدن آرایه a در صورت ارائه آن ببینید: https://www.gnu.org/software/gawk/manual/html_node/String-Functions.html#String-Functions.

patsplit(s, a [, r [, seps] ])

تقسیم رشته s به درون آرایه a و آرایه جداکننده‌ها seps بر اساس عبارت باقاعده r، و بازگرداندن تعداد فیلدها. مقادیر عناصر بخش‌هایی از s هستند که با r تطابق یافته‌اند. مقدار seps[i] جداکننده (احتمالاً تهی) است که پس از a[i] ظاهر شده است. مقدار seps[0] جداکننده ابتدایی (احتمالاً تهی) است. اگر r حذف شود، از FPAT استفاده می‌شود. آرایه‌های a و seps ابتدا پاک‌سازی می‌شوند. تقسیم‌بندی دقیقاً مشابه تفکیک فیلد با FPAT رفتار می‌کند.

split(s, a [, r [, seps] ])

تقسیم رشته s به درون آرایه a و آرایه جداکننده‌ها seps بر اساس عبارت باقاعده r، و بازگرداندن تعداد فیلدها. اگر r حذف شود، از FS استفاده می‌شود. آرایه‌های a و seps ابتدا خالی می‌شوند. seps[i] جداکننده فیلدی است که توسط r بین a[i] و a[i+1] تطابق یافته است. تقسیم‌بندی رفتاری مشابه با تفکیک فیلدها دارد.

sprintf(fmt, expr-list)

قالب‌بندی expr-list بر اساس fmt، و بازگرداندن رشته حاصل.

strtonum(str)

بررسی str، و بازگرداندن مقدار عددی آن. اگر str با یک 0 ابتدایی آغاز شود، با آن به عنوان یک عدد اکتال (هشت‌هشتی) برخورد می‌کند. اگر str با 0x یا 0X آغاز گردد، با آن به عنوان یک عدد هگزادسیمال (شانزده‌شانزدهی) رفتار می‌شود. در غیر این صورت، فرض می‌شود که یک عدد ده‌دهی است.

sub(r, s [, t])

دقیقاً مانند gsub()، اما تنها نخستین زیررشته منطبق را جایگزین می‌کند. مقدار صفر یا یک را بازمی‌گرداند.

substr(s, i [, n])

بازگرداندن زیررشته حداکثر n-نویسه‌ای از s که از موقعیت i آغاز می‌شود. اگر n حذف شود، از بقیه s استفاده می‌شود.

tolower(str)

بازگرداندن رونوشتی از رشته str، که در آن تمامی نویسه‌های بزرگ به معادل‌های کوچک خود تبدیل شده‌اند. نویسه‌های غیرالفبایی بدون تغییر باقی می‌مانند.

toupper(str)

بازگرداندن رونوشتی از رشته str، که در آن تمامی نویسه‌های کوچک به معادل‌های بزرگ خود تبدیل شده‌اند. نویسه‌های غیرالفبایی بدون تغییر باقی می‌مانند.

دستور Gawk از چندبایتی آگاه است. این بدان معناست که توابع index()، length()، substr() و match() همگی بر حسب نویسه‌ها عمل می‌کنند، نه بایت‌ها.

توابع زمان (Time Functions)

دستور Gawk توابع زیر را برای دریافت برچسب‌های زمانی و قالب‌بندی آن‌ها ارائه می‌دهد. جزئیات در پیوند زیر تشریح شده است: https://www.gnu.org/software/gawk/manual/html_node/Time-Functions.

mktime(datespec [, utc-flag])

تبدیل datespec به یک برچسب زمانی مشابه با آن‌چه توسط systime() بازگردانده می‌شود، و بازگرداندن نتیجه. اگر utc-flag حضور داشته باشد و غیرصفر یا غیرتهی باشد، فرض می‌شود زمان در منطقه زمانی UTC است؛ در غیر این صورت زمان در منطقه زمانی محلی در نظر گرفته می‌شود. اگر datespec حاوی عناصر کافی نباشد یا زمان حاصل خارج از محدوده باشد، mktime() مقدار -1 را بازمی‌گرداند. برای جزئیات ساختار datespec، پیوند زیر را ببینید: https://www.gnu.org/software/gawk/manual/html_node/Time-Functions.html#Time-Functions.

strftime([format [, timestamp[, utc-flag]]])

قالب‌بندی timestamp مطابق با مشخصات ارائه‌شده در format. اگر utc-flag وجود داشته باشد و غیرصفر یا غیرتهی باشد، نتیجه در منطقه زمانی UTC خواهد بود، در غیر این صورت نتیجه در زمان محلی است. مقدار timestamp باید از همان فرم بازگردانده‌شده توسط systime() باشد. اگر timestamp حذف شود، از زمان فعلی سیستم استفاده می‌گردد. اگر format حذف شود، قالب پیش‌فرض معادل با خروجی دستور date(1) استفاده می‌شود. قالب پیش‌فرض در PROCINFO["strftime"] در دسترس است. برای آگاهی از تبدیل‌های قالبی تضمین‌شده، مشخصات تابع strftime() در استاندارد ISO C را ملاحظه نمایید.

systime()

بازگرداندن زمان جاری روز به صورت تعداد ثانیه‌های سپری‌شده از مبدا زمان یونیکس (Epoch: 1970-01-01 00:00:00 UTC در سیستم‌های POSIX).

توابع دستکاری بیتی (Bit Manipulations Functions)

دستور Gawk توابع دستکاری بیتی زیر را ارائه می‌دهد. این توابع با تبدیل مقادیر ممیز شناور با دقت مضاعف به اعداد صحیح uintmax_t، انجام عملیات، و سپس تبدیل نتیجه به ممیز شناور کار می‌کنند. ارسال عملوندهای منفی به هر یک از این توابع موجب خطای مهلک می‌شود.

توابع عبارتند از:

and(v1, v2 [, ...])

بازگرداندن AND بیتی مقادیر ارائه‌شده در فهرست آرگومان‌ها. باید حداقل دو آرگومان وجود داشته باشد.

compl(val)

بازگرداندن مکمل بیتی (وارون بیتی) val.

lshift(val, count)

بازگرداندن مقدار val، شیفت‌یافته به چپ به تعداد count بیت.

or(v1, v2 [, ...])

بازگرداندن OR بیتی مقادیر ارائه‌شده در فهرست آرگومان‌ها. حداقل دو آرگومان باید وجود داشته باشد.

rshift(val, count)

بازگرداندن مقدار val، شیفت‌یافته به راست به تعداد count بیت.

xor(v1, v2 [, ...])

بازگرداندن XOR بیتی مقادیر ارائه‌شده در فهرست آرگومان‌ها. حداقل دو آرگومان باید وجود داشته باشد.

توابع بررسی نوع (Type Functions)

توابع زیر اطلاعات مربوط به نوع آرگومان‌های خود را فراهم می‌سازند.

isarray(x)

بازگرداندن درستی (true) چنانچه x یک آرایه باشد، و نادرستی (false) در غیر این صورت.

typeof(x)

بازگرداندن رشته‌ای که نشان‌دهنده نوع x است. این رشته یکی از مقادیر زیر خواهد بود: "array", "number", "number|bool", "regexp", "string", "strnum", "unassigned", یا "untyped".

توابع بین‌المللی‌سازی (Internationalization Functions)

توابع زیر می‌توانند از درون برنامه AWK شما برای ترجمه رشته‌ها در زمان اجرا استفاده شوند. برای جزئیات کامل پیوند زیر را ببینید: https://www.gnu.org/software/gawk/manual/html_node/I18N-Functions.html#I18N-Functions.

bindtextdomain(directory [, domain])

مشخص کردن پوشه‌ای که gawk در آن به دنبال فایل‌های .gmo می‌گردد، در صورتی که این فایل‌ها در مکان‌های “استاندارد” قرار نگرفته باشند یا نتوان آن‌ها را در آن‌جا قرار داد. این تابع دایرکتوری را که domain به آن “متصل (bound)” شده است بازمی‌گرداند.

دامنه پیش‌فرض domain، مقدار TEXTDOMAIN است. اگر directory یک رشته تهی ("") باشد، آن‌گاه bindtextdomain() اتصال فعلی برای domain داده‌شده را بازمی‌گرداند.

dcgettext(string [, domain [, category]])

بازگرداندن ترجمه string در دامنه متنی domain برای دسته‌بندی محلی category. مقدار پیش‌فرض برای domain مقدار جاری TEXTDOMAIN است. مقدار پیش‌فرض برای category برابر با "LC_MESSAGES" است.

dcngettext(string1, string2, number [, domain [, category]])

بازگرداندن شکل جمع مناسب برای number از ترجمه string1 و string2 در دامنه متنی domain برای دسته‌بندی محلی category. مقدار پیش‌فرض برای domain مقدار فعلی TEXTDOMAIN است. مقدار پیش‌فرض برای category برابر با "LC_MESSAGES" است.

توابع با مقادیر بولی (Boolean Valued Functions)

شما می‌توانید مقادیری با نوع بولی ویژه ایجاد کنید؛ برای چگونگی کارکرد و چرایی وجود آن‌ها راهنما را ملاحظه فرمایید.

mkbool(expression)

بر اساس مقدار بولی expression، یک مقدار true یا یک مقدار false بازمی‌گرداند. مقادیر درست (true) مقدار عددی یک دارند. مقادیر نادرست (false) مقدار عددی صفر دارند.