awk部分源码分析：RS及三种模式

awk的程序执行过程，总是先读取一部分数据到buf下，根据RS截取一段段记录下来。

RS做为awk的内置变量，即可以在awk程序中进行设置，也可以用参数的形式进行指定。

 

这篇文章讨论的是从awk的源码去分析在不同的RS下的三种执行分支及其相应的效率

 

 

以下开始分析源码：

 

首先，awk调用get_a_record 函数获取单条记录，在get_a_record函数里，先读入一段数据到buf下

            iop->count = read(iop->fd, iop->buf, iop->readsize);

 

再对buf进行分析，根据RS截取一段记录

          ret = (*matchrec)(iop, & recm, & state);

 

这里的matchrec 函数指针指向的函数，就是用来做RS匹配的，具体是哪个函数呢？根据不同的RS，有这么三种附值结果

        if (RS->stlen == 0) {
                RS_is_null = TRUE;
        }

         else if (RS->stlen > 1) {

               matchrec = rsrescan;

        }

         else matchrec = rs1scan;

 

可见，awk的根据不同的RS，实际上是走三种流程去从buf里截取一条记录信息的。
   1：默认的/n,或null， 这个在程序里，相当简洁的单字符判断（while (*bp != rs)  bp++;），效率也是最高的。
   2：多字符，这个实际上把RS当成了正则，调用了正则去匹配了。这里讨论下去，就是awk的正则效率问题了。
   3：非/n的单字符。这个涉及到awk的历史，为了兼顾不同的locale，这里的单字符判断不似第一种那样简单的判断，还对各类字符的字符长度进行了兼容性的扩展判断，直接影响了效率


  源码里很长的一段说明有兴趣的可以去看看，这边只转其中一句话：
   
     /* Thus, the check for /n here; big speedup ! */