数组排序(awk)

2011-08-04 wcdj

http://topic.csdn.net/u/20110803/14/86369f36-d4cd-47a4-9d6e-bc8185a6d201.html
问题：
比如说，文件格式如下：
a b x c d
x a c d a
c x x d v
...

每行有5个字段，统计每行出现x的次数，
并根据x的数量从小到大重排各行。

方法1：使用关联数组。（限制是每一行x的数量都必须不同）

awk中的数组的下标可以是数字和字母，称为关联数组。

# test.awk#BEGIN{#myarray[-1]=ARGV[1];# awk -f test.awk data#print myarray[-1];  # print data#}{cnt=0;for(i=0; i<NF; ++i){# debug#printf("%c ",$(i+1));if($(i+1)=="x"){++cnt;}}#printf("\n");myarray[cnt]=$0;}END{for(i=0; i<=NF; ++i){if(myarray[i]){print myarray[i];}}}

测试：data.txt
a b x c d
b x c x x
c x x d v

awk -f test.awk data

输出：
a b x c d
c x x d v
b x c x x

方法2：使用排序函数。（限制同方法1）

排序是经常用到的操作，然而原始版本的awk并没有内置的sort函数，想要排序数组的话只能自己实现一个sort函数。在gawk的3.1以后的版本，扩展提供了对数组的sort功能：asort和asorti函数。awk中并不存在真正的数组或者list，它的数组其实是关联数组模拟的，所以gawk中的sort接口都是针对关联数组的。
(1) asort函数
asort函数排序一个关联数组，排序后的数组的value值有序排列，数组的下表变为1，2，……，N，也就是说asort函数会舍弃原先关联数组的下标。这个是因为，想要按照固定的顺序访问关联数组，只能借助于下标的有序。
    n = asort(data);  
    for (i = 1; i <= n; i++)         
        do something with data[i];
asort可以接受第二个参数，用来存储排序后的结果，这样原来的数组可以保持不变，避免了下标的丢失。    
    n = asort(source, dest);    
    for (i = 1; i <= n; i++)         
        do something with dest[i];

(2) asorti函数
在gawk3.1.2以后的版本还提供了一个asorti函数，这个函数不是依据关联数组的值，而是依据关联数组的下标排序，        
    n = asorti(source, dest);         
    for (i = 1; i <= n; i++) {             
        do something with dest[i];            Work with sorted indices directly             
        ...             
        do something with source[dest[i]];    Access original array via sorted indices
3.1.0和3.1.1的版本的gawk没有提供这个函数，但是可以很容易通过asort函数进行模拟，编写自己的asorti函数。

# test.awkBEGIN{#myarray[-1]=ARGV[1];# awk -f test.awk data#print myarray[-1];  # print data}{cnt=0;for(i=0; i<NF; ++i){# debug#printf("%c ",$(i+1));if($(i+1)=="x"){++cnt;}}#printf("\n");myarray[cnt]=$0;}END{n=asorti(myarray, dest);#  asorti(gawk3.1.2)for(i=1; i<=n; ++i){print myarray[dest[i]]; #print value of array}#for(i=0; i<=NF; ++i){#if(myarray[i]){#print myarray[i];#}#}}

方法3：使用 -F 分割和sort排序技巧。（没有限制）