AWK ( 오크 )는 UNIX 에서 개발 된 프로그래밍 언어 에서 CSV 파일 등의 문자 파일의 처리에 사용된다.
개요 [ 편집 ]
AWK는 벨 연구소 에서 UNIX 개발 과정에서 sed 나 grep 같은 텍스트 처리 도구에 연산 기능을 갖게 한 확장 도구로 개발되었다.
AWK는 간단한 스크립트를 작성하여 효율적으로 텍스트 파일을 처리하는 것을 목적으로 개발되었다. 처음에는 그다지 많은 기능은 없었지만, 보급됨에 따라, 다양한 처리를 AWK에서 실행하고자하는 사용자가 늘고, 그 희망에 응해 기능의 확장이 이루어졌다. 그 결과, 일반 프로그래밍 언어와 비교해도 손색이 없을 정도의 기능을 갖게 텍스트 처리에만 머물지 않고, 개발자도 예상하지 못했던 대규모 프로그래밍에 사용되는 같은 예도 드러났다. 한편, 본래의 텍스트 처리 도구로 취급하기 쉽고, 현재에도 CSV 또는 TSV 형식의 파일을 간단히 처리하는 등의 목적으로 널리 사용되고있다.
이름의 AWK는 개발자 인 알프레드 에이호 (Alfred A ho), 페터 와인 바가 (Peter W einberger), 브라이언 카니항 (Brian K ernighan) 3 명의 첫 글자를 따서 붙인 것으로 하지만, AWK는 "오크"라고 읽고 "에이 · 다부류 케"라고 읽고 안된다고 저자는하고있다 [1] . 또한 모든 소문자 awk하면, Unix없고 Plan9에서, AWK 인터프리터 처리 계 프로그램 자체 (다른 많은 명령과 마찬가지로 모든 문자이다)을 가리키는 그러던 수있다.
AWK의 문법 [ 편집 ]
기본 구성 [ 편집 ]
AWK 스크립트는 패턴과 액션 쌍을 정렬 한 형태가되어있다. 실행을 시작하면 먼저 BEGIN 패턴의 작업을 수행한다. 이후 입력을 읽고는, 레코드 구분자 (기본적으로 줄)까지를 하나의 레코드로 필드 구분에 따라 필드에 분할하고, 레코드 패턴과 일치하는지 확인하고 패턴과 일치하면 그 패턴에 해당하는 조치 를 실행한다. 일치하는 패턴이 여러있을 때 해당 작업이 위에서 차례로 모두 실행된다. 이 입력이 다할 때까지 반복한다. 입력이 다되면 END 패턴 작업을 수행하고 종료한다.
프로그램이 다룰 데이터 형식 은 숫자 (모든 실수 (Double)로 처리됨), 문자열 , 연관 배열 이다. 인덱스를 내부 문자열 화해 키로 사용하면 연관 배열을 일반배열 처럼도 사용.
AWK 스크립트의 기본 구성은 다음과 같다.
BEGIN {
(시작 처리)
}
(패턴 1) {
(액션 1)
}
(패턴 2) {
(액션 2)
}
· · ·
END {
(종료)
}
BEGIN · END 액션은 필수는 아니다.
예를 들어, 텍스트 파일의 모든 행 중 "노다 요시히코"라는 문자열을 포함하는 행의 수를 계산하는 프로그램은 다음과 같다.
BEGIN {
count = 0
}
/ 노다 요시히코 / {
+ + count
}
END {
print ""노다 요시히코 "라는 문자열이 포함 된 행의 수는"count "행입니다. "
}
또한, AWK는 아직 할당되지 않은 변수는 암시 적으로 초기화된다고 가정한다 때문에 위의 예에서 BEGIN 블록은 필수는 아니다.
패턴은 다음과 같이 시작과 끝을 정의하는 패턴도있다.
/ 시작 패턴 / / 종료 패턴 / {
액션
}
예를 들어, 다음과 같이 정의하면 "Hello"가 포함 된 행에서 "Bye"가 포함 된 행까지 (행 포함) 동안 액션이 실행 된 행이 출력된다.
/ Hello / / Bye / {
print $ 0;
}
변수 [ 편집 ]
AWK의 특징의 하나로서 변수가 형을 가지지 않는 것을들 수있다. 변수 선언이 필요 없으며 프로그램에서 사용되는 변수는 암시 적으로 초기화된다. 따라서 정의 변수 나 초기화되지 않은 변수를 참조해서 오류 AWK는 존재하지 않는다.
AWK는 산술과 같은 수치를 필요로하는 맥락에서 암시 적으로 값을 숫자로 변환하고, 반대로 문자열을 필요로하는 경우에는 문자열로 변환한다. 예를 들어,
a = "01"
b = 2
c = "a"
d = a + b
e = a + b + c
같은 예에서는 d와 e의 값은 3이된다.
이러한 암시 적 변환이 편리하다 동시에 사용자의 의도하지 않은 결과를 가져올 수도있다.
또한 변수에 들어있는 것이 어느 모르겠지만 반드시 수치가 필요하다는 경우에
x + 0
같이 0을 더하거나 반대로 반드시 문자열이 필요하다는 경우에
x ""
같이 ""를 결합 시키거나이라는 이디엄이있다.
함수 [ 편집 ]
AWK는 함수를 정의하고 사용하는 것이 가능하다.
함수의 정의는 다음과 같다.
function 함수 이름 (인수 1 , 인수 2 , ...)
{
문장 1
문장 2
:
}
AWK 변수는 인수를 제외하고 모든 전역 변수 이며, 국소 범위의 것은 인수로 선언 된 변수이다. 따라서 기술로, 함수 정의에서 추가 인수를 선언하고 그것을 국소 변수로 사용한다는 것 열린다. AWK는 함수를 호출 할 때 실제 인수의 개수가 가인의 개수보다 적게도 생략 간주 오류로하지 않는다. 이것을 이용하여 불필요한 인수를 지역 변수로 사용하는 것이다.
function 함수 이름 (인수 1 , 인수 2 , 인수 3 , 국소 변수 1 , 국소 변수 2 , ...)
{
...
}
이렇게 함수를 정의하고이 함수를 호출 할 때 인수를 3 개 밖에 사용하지 않으면 국소 변수 1 이후 국소 변수로 취급. 구문의 구분은 없지만, 가독성을 향상시키기 위해 둘 사이에 충분한 공백을 삽입하는 것이 관례로되어있다.
function 함수 이름 (인수 1 , 인수 2 , 인수 3 , 국소 변수 1 , 국소 변수 2 , ...)
또한, AWK 함수는 재귀도있다.
제어 구조 [ 편집 ]
AWK의 제어 구조는 C 언어에서 유래하고, 다음과 같은 것이있다.
if
(
식 )
문 Tif
(
식 )
문 T else
문 Ffor
(
식 1 ;
식 2 ;
식 3 ) 글for
(
변수 in
배열 )
문while
(
식 )
문 Tdo
문 T while
(
식 )
break
continue
또한, 제어 구조 외에 다음의 글이있다.
{
문장 1 ;
문장 2 ;
... ;
글 N }
print
printf
return
(함수의 처리를 중지하고 함수의 호출자에게 리턴 값이 지정되어 있으면 값을 돌려 준다.)next
(다음 문장의 실행 및 이후의 패턴 처리를하지 않고 다음 레코드의 처리를 시작하는)nextfile
(현재 입력 파일의 나머지를로드하지 않고 다음 파일의 처리를 시작하는)delete
(연상 배열의 전부 내지 요소를 제거)exit
(프로그램의 실행을 종료)
AWK 처리 계 [ 편집 ]
원래 awk는 UNIX 툴 가운데 하나 였지만, 다양한 플랫폼에 이식 된 다른 현재는 Unix 용으로도 GNU AWK (gawk)를 비롯한 다른 구현이 개발되는 .
- one true awk : 에이호, 와인 바가, 카니항 의한 AWK. 하나의 진정한, 같은 느낌으로, 다른 사람과 구별하는 경우 one true awk 등 불린다. 일본에서는 부서진 느낌으로 '원조'등과도. (BSD에서는 본가 Unix와 다른 구현되어 tool도 많지만) FreeBSD 의 / usr / bin / awk 등은 이것이다. 현재도 유지되고있다.
- gawk : GNU 프로젝트의 AWK의 구현. GNU / Linux 배포판에서는 awk라는에서도 이쪽의 것이 많다. POSIX 1003.2 명령어 및 유틸리티 약관에 정해진 언어 정의에 부합하고있다. 멀티 바이트 문자 에 대한 대응이나 네트워크 연결 기능 등 기존의 awk에는없는 다수의 확장이 더 해지고있어 현재도 버전 업이 계속되고있다.
- jgawk : gawk가 멀티 바이트 문자에 대응하기 이전에 만들어진 gawk 일본어 문자 대응 확장판.
- mawk : Mike Brennan에 따르면 AWK의 구현. 원래 awk 약간 확장이 더 해지고있다.
- mawk MBCS : 키무라 코이치 (핸들 이름 Bruce)에 따르면 mawk 멀티 바이트 확장.
- a2p : AWK 스크립트를 Perl 스크립트로 변환하는 변환기. Perl 배포 키트에 포함되어있다.
참고 문헌 [ 편집 ]
- A · 에이호 · B · 카니항 · P · 와인 버거 "프로그래밍 언어 AWK" 툽판 1989 년 11 월. ISBN 4-8101-8008-5 . - "AWK book"(AWK 책) 등으로 불리고, C 언어의 K & R과 같은 취급 책이다. 일본 판은 발행소의 출판 사업 철수에 의해 처음 절판된다.
- 신기원 사 에서 복간 (2004 년 2 월, ISBN 4-7753-0249-3 )되었지만, 두 번째 절판된다 [2] .
- 유니버설 쉘 프로그래밍 연구소 에서 2010 년 1 월에 두 번째 복간 ( ISBN 978-4-904807-00-2 )이 이루어졌다 [3] .
- 시무라 히로시 · 독수리 북쪽 켄 · 니시무라克信 " AWK를 256 배 사용을위한 책 " 아스키 , 1993 년 3 월. ISBN 4-7561-0162-3 . - 아스키 256 책의 하나로, 통칭 "AWK256 책"라고도하고, 현재도 판매중인 베스트셀러이다.
- Dale Dougherty · Arnold Robbins " sed & awk 프로그래밍 개정판 " 후쿠 사키 히로 역, 라일리 · 재팬 , 1997 년 10 월. ISBN 4-900900-58-3 .
- Arnold Robbins " sed & awk 데스크톱 참조 " 후쿠 사키 히로 역, 라일리 · 재팬 , 2000 년 7 월. ISBN 4-87311-017-3 .
관련 항목 [ 편집 ]
각주 [ 편집 ]
- ^ 예 카니항 의한 "프로그래밍 언어 AWK"의 일본어 버전 서문에 보인다. 또한 같은 책의 표지에는 오오우미가라스 (GREAT AUK)가 그려져있어 이것도 그 주장의 강조이다.
- ^ http://w3.shinkigensha.co.jp/books/4-7753-0249-3.html
- ^ http://www.usp-lab.com/pub/book.awk.html
외부 링크 [ 편집 ]
[ 숨기기 ]UNIX 명령 줄 프로그램과 내장 명령 |
---|
| 파일과 파일 시스템 관리 | | | 프로세스 관리 | | | 사용자 관리 / 환경 | | | 텍스트 처리 | | | 쉘 프로그래밍 | | | 통신 | | | 검색 | | | 기타 | |
|
AWK(오크)는 유닉스에서 처음 개발된 일반 스크립트 언어로, 텍스트 형태로 되어있는 데이터를 필드로 구분하여 처리하는 기능을 기본으로 한다. AWK라는 이름은 이 스크립트 언어를 만든 앨프리드 에이호, 피터 와인버거, 브라이언 커니핸 세 명의 성의 앞글자를 따서 붙여졌다.
AWK는 문자열 데이터와 연관 배열(배열의 인덱스가 숫자가 아닌 임의의 값이 될 수 있는 배열), 정규 표현식을 주로 사용하는 언어이다. AWK와 sed가 결합하면 간결하면서도 강력한 스크립팅이 가능하지만 한계를 가진다. 래리 월이 AWK의 한계 때문에 펄을 개발하기도 했다. AWK는 유닉스 버전 7에 처음 등장해서 지금까지 사용되는 매우 오래된 도구로, 오늘날에는 거의 모든 유닉스 계열 운영체제에 포함되어 있는 표준 도구로 자리잡았으며 다른 운영체제에서도 사용할 수 있다.
AWK 프로그램은 기본적으로 패턴과 패턴을 처리하는 명령어 짝을 늘여놓은 모양이다. 입력으로부터 한 줄씩을 읽어서 정규 표현식으로 조건이 맞는지를 검사하고 참으로 판명되면 그 줄에 대해 명령어를 실행하는 형식이다.
[편집]awk 프로그램의 구조
awk는 크게 명령 파일과 주 입력 파일 두 가지 데이터를 받아 실행하게 된다. 커맨드 라인을 통해 직접 입력될 수도 있으며 미리 작성된 파일일 수도 있는 명령 파일은 awk가 입력 데이터를 어떤 규칙에 따라 처리할지를 지시한다. 주 입력파일은 보통 특정한 형식에 따라 작성된 텍스트 파일이다. 주입력 역시 실제 파일을 전달할 수도 표준입력을 통해 입력될 수도 있다. 위에서 설명한 명령 파일에 해당하는 awk 프로그램은 다음과 같은 형태의 명령이 여러 줄 이어진 모양이다.
/패턴/ { 동작 }
여기서 패턴은 정규 표현식이며, 동작은 실행명령이다. awk는 입력파일을 처음부터 한 줄씩 훑으며 주어진 패턴과 일치하는 줄을 찾으면 그 줄에서 동작에 해당하는 명령을 실행한다. 전형적인 형태와 다른 다음과 같은 명령도 awk 프로그램에서 가능하다.
- BEGIN { 동작 }
- 입력을 읽기 전에 주어진 동작을 먼저 실행한다.
- END { 액션 }
- 위와 비슷하다. 주입력을 모두 훑고 마지막에 주어진 액션을 실행한다.
- /패턴/
- 패턴에 일치하는 줄을 출력한다.
- { 동작 }
- 매 줄을 읽을 때마다 동작을 실행한다.
각 형태의 명령은 명령 파일에서 여러번 올 수 있다. 각각은 명령 파일에 쓰여진 순서에 따라 실행된다. 즉, "BEGIN" 문에 두번 온다면 앞에 있는 "BEGIN" 문이 실행된 후에 다음에 오는 "BEGIN" 문이 실행된다. 그러나 "BEGIN" 문은 다른 명령들 사이에 있더라도 다른 명령들이 실행되기 전에 실행된다. 이는 "END" 문에 대해서도 마찬가지이다.
[편집]Awk 명령어
awk 명령어는 위에서 동작이라고 쓰인 위치에 쓰여 실제 동작을 지시하는 명령어이다. awk 명령어는 함수호출, 변수값 지정, 산술계산과 이들을 조합한 어떤 것이 될 수 있다. awk는 다양한 함수들을 기본적으로 지원하고 변종에 따라 다른 기타 기능들이 들어갈 수 있다. 어떤 것은 동적 링크 라이브러리를 지원하기도 한다.
간결성을 위해서 아래 예에서 괄호({ })는 생략했다.
[편집]print 명령어
print 는 텍스트를 출력한다. 이 명령어만 달랑 쓰면,
print
현재 줄의 내용을 출력한다. awk에서 한 줄은 자동적으로 여러 개의 필드로 구분지어진다. (필드는 비약해 말하자면 빈칸으로 구분되는 각 문자열이다.) 필드는 print 명령에서 다음과 같이 따로따로 출력될 수 있다.
- print $1
- 현재 줄의 첫 번째 필드를 출력한다.
- print $1, $3
- 첫 번째와 세 번째 필드를 출력하며, 둘 사이에는 디폴트로 빈칸(스페이스) 하나로 주어지는 OFS (출력 필드 구분자, output field seperator)가 들어간다.
X번째 필드는 $X(X는 숫자) 로 표시되며, 특별히 $0은 줄 전체를 지정한다. 실제로 "print" 과 "print $0" 는 똑같은 결과를 가져온다.
print는 계산의 결과나 함수호출의 결과값을 뿌릴 수도 있다:
print 3+2
print foobar(3)
print foobar(variable)
print sin(3-2)
물론 출력은 다음과 같이 하여 표준출력이 아닌 다른 파일로 쓸 수도 있다.
print "expression" > "file name"
[편집]변수 등등
변수 이름은 정규식으로 [A-Za-z0-9_] (알파벳 대문자 A부터 Z까지, 소문자 a부터 z까지, 아라비아 숫자 0부터 9까지 그리고 밑줄)로 표현되는 문자들의 조합으로 만들 수 있다. 단 awk 의 예약어는 변수가 될 수 없다. + - * /는 각각 덧셈, 뺄셈, 곱셈, 나눗셈을 나타낸다. 문자열을 합치고 싶을 때에는 단순히 변수나 고정 문자열을 붙여 쓰기만 하면 된다. 고정 문자열은 겹따옴표로 구분되며, 세미콜론으로 문(statement)의 끝을 표시할 필요는 없다. 주석문은 첫머리에 #를 달아 표시한다.
[편집]사용자 정의 함수
C와 비슷하게, 함수 선언은 함수 이름과 함수의 인자들로 이루어진다. 다음 예를 보라.
function add_three (number ,temp) {
temp = number + 3
return temp
}
이 함수는 다음과 같이 쓰일 수 있다.
print add_three(36) # prints 39
함수는 함수 내부에서만 쓰이는 지역변수를 가질 수 있다. 이 지역변수는 인자 목록 끝에 포함된다. 그러나 함수를 부를 때는 이 변수 자리에 아무것도 쓰지 않는다. 이들을 구분하기 위해 함수가 넘겨받는 인자와 지역변수 사이에 빈칸을 좀 집어넣어 구분하는 것이 암묵적 약속이다.
다음은 AWK로 씌여진 "Hello World 프로그램"이다.
BEGIN { print "Hello, world!" }
80자보다 글자수가 많은 줄만 출력한다. length 는 현재 줄의 길이를 가지며, 동작이 지정되지 않았을 때에는 print가 기본 동작임을 기억하라.
length > 80
파일의 낱말 수를 센다. NF 는 Number of Fields, 즉 현재 줄의 필드의 개수이며, NR 은 Number of Records 레코드의 개수인데, 각 줄이 레코드이다. 결국 입력파일의 줄 수, 빈칸으로 구분된 낱말 수, 문자수 를 출력한다.
{ w += NF; c += length}
END { print NR, w, c }
첫 번째 필드의 값을 쭉 더한다.
{ s += $1 }
END { print s }
낱말 빈도 계산. 입력파일
{ for (i=1; i<NF; i++)
words[$i]++
}
END { for (i in words)
print i, words[i]
}
위 소스를 word_frequency.awk 로 저장하고 애국가 가사를 입력으로 주어 실행한 결과는 다음과 같다.
$ awk -f word_frequency.awk aegukga.txt
백두산이 1
충성을 1
소나무 1
대한으로 4
마르고 1
괴로우나 1
우리가슴 1
높고 1
가을하늘 1
저 1
남산위에 1
길이 4
하느님이 1
두른 1
즐거우나 1
기상과 1
밝은 1
불변함은 1
보우하사 1
맘으로 1
대한사람 4
달은 1
우리나라 1
공활한데 1
바람 1
나라 1
이 2
우리 1
서리 1
동해물과 1
무궁화 4
철갑을 1
삼천리 4
[편집]바깥 고리
===================================================================================
awk는 명령어를 사용하다보면, 의외로 자주쓰는데, 지금까지 얼추 맞춰서 쓰다가 문서는 찾았습니다만, 위키에 없어서 찾은것들을 정리해서 글을 씁니다. 공개되어있는 문서를 찾아서 했기에, 절대 창작문서가 아닙니다.
조금 길어지다 보니.. 형식이 마구 틀어지고, 테이블 무서지고 있습니다... 그런데, 위키초보라서 잡기가 매우 힘들군요... 좀.. 도와주세요 ㅠ.ㅠ --maylinux
1 Awk란?
awk는 프로그램 툴이다. 이 툴은 상당히 배우기 쉽고, 사용하기가 편리하다. 왜 그럴까? awk는 기본적으로 데이터 처리를 위한 상당히 잘 만들어진 프로그래밍 모델을 가지고 있다. 이 말은 돌려서 얘기한다면, 일반적인 프로그램을 짜기에는 불편하다는 얘기가 될수 있다. 즉 perl에서 지원하는 여러가지 API 함수를 이용한 프로그램이나, 복잡한 정규표현식을 처리하기에는 많은 어려움이 있다는 것이다. 즉, awk는 awk 나름대로의 용도라는 것이 있다는 말이다. 물론 awk 가지고도 여러가지 복잡한 일반 프로그래밍이 가능하지만, 솔직히 이러한 것을 처리할때에는 awk 보다는 다른 프로그램을 사용하는 것이 좋다. 일단 간단히 얘기하자면, awk는 데이터 양식의 문서나 또는 자료를 처리하여 다른 형태의 문서 또는 결과물을 출력하는데 쓰인다. 실제로 awk의 프로그램 동작 모델은 이것을 위해 아주 잘 만들어져 있다. 뭐, 잘 만들어져 있는지 아닌지는 다음의 글들을 읽어야 알겠지만, 일단은 그렇다는 걸 기억해두기 바란다.
2 awk의 구조(Model)
awk는 위에서 언급한 바와 같이 데이터 처리를 위해 최적화되어 있다고 했다. 그러면, 어떠한 모델이 데이터 처리에 적합한 것일까? 일단 아래의 내용을 보고 나서 계속 설명하겠다.
1. 시작(BEGIN) : 입력데이터를 실행하기에 적합한 형태로 바꾸어주는 단계이다. 프로그램적인 말로는 preprocess라고 한다.
2. 실행(Routine) : [시작 단계]에서 잘 처리된(정규화된) 데이터를 실제 루틴으로 처리하는 것이다. 여기서 데이터는 처리 루틴에 따라 처리가 되며, 입력값이 루틴을 거쳐 결과값이 나오게 된다.
3. 끝(END) : [시작 단계]와 마찬가지로, 데이터가 처리된 후에 처리해야 할 내용들을 담고 있다. 결과의 추가 출력들을 예로 들 수 있다.
3.1 일반적인 awk 의 용도 및 사용방법(Using Model)
awk는 일반적으로 데이터 또는 유사 데이터양식의 파일 및 자료를 처리하는데 쓰인다. 예를 들어 통계 자료나, text 형식의 access(
MicroSoft), 실험식의 계산 결과 등을 통계를 낸다던지 비교 분석 한다던지 다른 형태의 문서(결과물)로 변환하는 등의 작업에 사용된다. 따라서 이러한 작업에 있어서 awk는 100%의 작업효율을 가져올수 있다. 물론 perl이나, 유사프로그램을 사용해도 좋지만, 특별하게 복잡한 구조를 가지지 않는다면, 굳이 "토끼 잡는데, 소잡는 칼을 쓸 이유는 없다"는 것이다. awk만으로 충분하며, 또한 sed나 다른 GNU 유틸을 병합하여 사용하는 것이 단일 perl 프로그램이나, 기타 데이터 처리 프로그래밍 언어를 사용하는 것보다 훨씬 낫기 때문이다.
개인적인 관점으로는 GNU 유틸들은 상당히 유연하고(flexible)하고, 간편하지만, 실제적으로 개개의 GNU 유틸로 작업을 하기에는 상당히 힘이 든다. 그러나, 이들 GNU 유틸들을 적절하게 조합하여 사용하면, 기존의 여타 프로그램들과 동등한 기능을 발휘하는 멋진 프로그램이 될 수 있는 것이다.
그래서 보통의 작업은 awk 하나만 가지고, 모두 다 처리할 수가 없다. 하고자 하는 일의 일부분을 awk가 맡을수 있는 것이다. 보통의 일반적인 awk의 사용은 다음과 같은 단계를 거치게 된다.
- egrep 및 grep 을 이용한 데이터 파일의 구조 확인을 한다.
- 정규화가 가능한지를 확인하고, sed로 테스트 해본다. awk가 처리할만큼 정규화가 되어 있다면, 바로 awk를 사용한다.
- sed로 정규화된 양식을 awk로 처리한다.
데이터의 양식 데이터는 일반적으로 Record와 Fields를 가진다. 일반적으로 한라인(한줄)이 1 record가 되고, Fields의 구분은 "□"(공백문자)를 구분자로 하게 된다. (레코드와 필드에 대해서 이해가 가지 않는 사람은
DataBase에 대한 개요 등을 참고하기 바란다.)
일반적으로 awk가 처리할 수 있는 데이터의 형식은 다음과 같다.
■■■□■■■■□■■■□■■■□■■■■■■□■■■■ |
■■■■□■■□■■■■■■■□■■■■□■■□■■■■ |
■■□■■■■■■■■■□■■□■■□■■■■■■■■□■ |
위의 데이터는 아래의 형식으로 바뀌게 된다.
record1: | ■■■ | ■■■■ | ■■■ | ■■■ | ■■■■■■ | ■■■■ |
record2: | ■■■■ | ■■ | ■■■■■■■ | ■■■■ | ■■ | ■■■■ |
record3: | ■■ | ■■■■■■■■■ | ■■ | ■■ | ■■■■■■■■ | ■ |
| Field 1 | Field 2 | Field 3 | Field 4 | Field 5 | Field 6 |
| $1 | $2 | $3 | $4 | $5 | $6 |
(위의 표가 잘 이해되지 않는다면, DB 입문서 등을 읽어보도록 한다.)
각 라인이 한 레코드가 되며, 스페이스로 분리된 문자열이 Field(또는 Column)으로 나뉘게 된다. 실제로는 한 레코드가 한 라인과 일치하지 않을 수도 있으며, Field 를 구분하는 것도 공백문자가 아닐수도 있다. 자세한 내용은 다음의 예제를 보면서 이해를 할 수 있을 것이다.
3.2 Example 1 - 간단한 awk 사용
# cat exam_result.dat
박종규 95점
이억운 98점
이훈강 99점
엄성기 100점
정영원 97점
박오근 98점
여기서 각 줄이 한 레코드가 된다. 그리고, "박종규 95점"이란 내용에서 "박종규", "95점"이란 문자열이 각각의 필드(항목)가 되는 것이다.
간단히 이름을 출력해 보기로 하자
# awk '{print $1}' exam_result.dat
박종규
이억운
이훈강
엄성기
정영원
박오근
print 명령은 간단히 처리중에 필요한 내용을 출력하는 함수이다. "$1"은 1st(첫번째) 필드를 지시한다. 마찬가지로 점수를 출력하려면, "$1" 대신에 "$2"를 입력하면 된다. 그러면, 라인의 전체 내용을 출력하려면 어떻게 해야 하는가? "$0"를 사용하면, 라인의 전체 내용을 출력할 수 있다.
이제 여기에서 시험친 사람들의 총점을 구하려고 한다. 어떻게 해야 할까? 일단 합계는 숫자만이 가능한데, 현재는 "95점", "98점"과 같이 "점"이라는 글자가 포함되어 있어, 필드로 구분해 내어도 계산이 불가능하다. 그러면, 일단 sed 프로그램을 사용해 "점"이라는 글자를 삭제하여 연산이 용이하도록 만들어보자.
sedscr의 내용
# cat sedscr
s/점$//
# sed -f sedscr exam_result.dat
박종규 95
이억운 98
이훈강 99
엄성기 100
정영원 97
박오근 98
자 이제 계산할 수가 있을 듯 하다. 그러면, 프로그램을 짜보자.
# sed -f sedscr exam_result.dat | awk 'BEGIN{ sum = 0; print "총점 출력 프로그램"; } {sum += $2} END {print "합계 : " sum}'
총점 출력 프로그램
합계 : 587
위의 내용을 설명하도록 하면 다음과 같다.
BEGIN{ sum = 0; print "총점 출력 프로그램"; } 위에서 언급된 awk의 모델링에서 BEGIN 부분에 해당한다. 루틴이 돌아가기 이전에 필요한 작업을 이 부분에 기재할 수 있으며, 출력의 머릿말 등을 달아둘 수 있다. 합계를 내기 위한 변수 sum을 지정하고, 그 값을 0으로 초기화하였다.
{sum += $2} 실제 프로그램 내용이다. 위에서 Routine(루틴)이라 설명한 곳이다. 이 부분은 한 필드마다 적용이 되며, 함수나 루틴을 사용하여 필요한 작업을 수행한다. 현재의
END {print "합계 : " sum} 위에서 언급한 END(마지막) 처리 부분이다. 모든 연산이 끝나고 난 다음 마지막 출력 양식이라든지 결과값을 출력한다. 현재 소스는 합계 내역을 출력한다.
위의 소스는 알아보기 힘들기 때문에, awk 코드 부분을 파일로 저장하여 실행하는 방법을 써보도록 하자.
아래의 내용으로 sum.awk 파일을 작성해 보자
#!/bin/awk
#
# This Program is for Summing of exam_result.
#
# BEGIN : 프로그램 시작 처리
BEGIN {
sum = 0;
print "총점 출력 프로그램";
}
# ROUTINE : 프로그램 본문
{
sum += $2;
}
# END : 프로그램 마무리 처리
END {
print "합계 : " sum;
}
위에서 첫줄의 #!/bin/awk는 앞으로의 내용들은 /bin/awk 프로그램을 사용해서 번역(처리)을 하겠다라는 지정 구문이다. 쉘스크립트의 "#!/bin/sh"와 같은 역할을 한다고 생각하면 될 것이다. 첫줄 이외에 "#"으로 시작하는 문장들은 모두 주석이다. 프로그램의 설명이나, 함수, 루틴에 대한 설명을 적어둔다. 각 내용은 한줄이 끝날때마다 ";"(세미콜론)을 붙여서 분리를 한다.
자, 위의 awk 스크립트 파일로 실행을 해 보기로 하자.
$ sed -f sedscr exam_result.dat | awk -f sum.awk
awk 스크립트 파일을 호출할 때에는 "-f 파일이름" 옵션을 사용한다는 것을 기억해야 한다.
자, 그러면 이 프로그램에서 평균은 어떻게 구할 수 있을까? 이미 눈치를 챈 사람들이 있을 것이다. sum.awk 파일을 수정해 보자.
#!/bin/awk
#
# This Program is for Summing of exam_result.
#
# BEGIN : 프로그램 시작 처리
BEGIN {
sum = 0;
print "총점 출력 프로그램";
}
# ROUTINE : 프로그램 본문
{
sum += $2;
}
# END : 프로그램 마무리 처리
END {
print "합계 : " sum;
average = sum / NR;
print "평균 : " average;
}
실행을 하면 아래와 같이 된다.
$ sed -f sedscr exam_result.dat | awk -f sum.awk
총점 출력 프로그램
합계 : 587
평균 : 97.8333
3.3 awk의 내부변수
awk에는 awk가 내부적으로 가지는 변수들이 있다. 이 변수들을 사용하여, 필드 및 레코드의 구분을 좀더 다양하게 할 수 있으며, 좀더 flexible(유연한)프로그램을 짤 수가 있다. 아래에 각 내부 변수들에 대해서 설명해두었다.
FS | 필드 구분자 - Fields Seperator |
RS | 레코드 구분자 - Records Seperator |
NF | 현재 레코드의 필드수(Number of Fields) |
NR | 현재 파일에서 레코드 넘버(Number of Records) |
FNR | 입력파일이 여러개인 경우에 현재 파일에서의 NF를 표시한다. |
OFS | 출력시의 FS(Output Fields Seperator). 이 값을 변경하게 되면, 출력시의 FS 가 바뀌게 된다. |
ORS | 출력시의 RS(Output Records Seperator). 이 값을 변경하게 되면, 출력시의 RS 가 바뀌게 된다. |
3.4 Example 2 - awk 프로그램 응용
여기서 FS 와 RS 에 대한 부가 설명을 해야 할 것 같다. 일반적으로 데이터는 보통 한 라인이 한 레코드에 해당하고, 빈칸이나, 탭 등이 필드를 구분한다. 그러나, 실제로 데이터파일에서 이런식으로 처리가 되지 않는 경우가 있으며, 굳이 데이터 파일만이 아니라, 다른 형식의 파일도 처리하기 때문에 FS, RS는 임의 설정이 가능해야 한다. 예를 들어 다음과 같은 명함 목록 파일을 보자.
# cat cards.dat
백종규
리눅스넷(주)
부산 광역시 연제구 연산동 한창 빌딩 432호
051-851-2761
김진욱
이지시스템
서울시 서초구 방배2동 450-3 3층
02-3473-6282
위의 데이터 파일은 한줄이 한 레코드가 되지 않는다는 걸 알수 있다. 한 레코드는 한줄이 비워진 줄, 즉 정규식으로 표현하자면 "\n\n"으로 구분되어 있으며, 레코드내에서 필드의 구분은 개행("\n")으로 구분된다. 따라서, 위의 데이터에서 이름과 전화번호만을 출력하고 싶다면, 다음과 같이 awk 스크립트를 작성할 수 있다.
#!/bin/awk
BEGIN {
RS = "\n\n";
FS = "\n";
}
{
print $1, $NF;
}
위의 스크립트에서 BEGIN 부분에서 RS와 FS를 임으로 "\n\n"과 "\n"으로 변경하였다. 또한 루틴부분에서는 첫번째 필드($1)와 마지막 필드($NF)의 내용을 출력하도록 하였다. NF현재 레코드에서 필드의 숫자를 나타낸다. 여기서 인자값을 호출하는 "$"을 붙이게 되면, 마지막 필드값이 출력이 되는 것이다.
4 또다른 요약 페이지
- awk는 직접 사용자로부터 입력을 받거나 아니면 지정한 파일을 가공하여 표준 출력한다. 표준 출력을 리다이렉션할 수 있다
- 사용법
- awk [옵션] '스크립트' [-v 변수=값] [파일(들)]
- awk [옵션] -f 스크립트 파일 [-v 변수=값] [파일(들)]
- cf) 편집 스크립트 파일의 사용법
- ed : ed -s(script) sourcefile < scriptfile
- sed : sed -f(file) scriptfile sourcefile > outputfile
- awk : awk -f(file) scriptfile sourcefile > outputfile
- 옵션
- -Fc : field separator 지정
- c는 필드 사이를 구분하는 구분자이다
- 직접 지정하지 않으면 공백을 기준으로 한다
- 시스템 변수 FS를 지정하는 것과 같은 효과를 지닌다
- -v 변수 = 값
- 스크립트를 실행하기 전에 미리 변수를 지정하여 준다
- $를 쓰지 않고 변수 이름만 쓰면 된다. C에서 #define처럼 생각하면 될 것이다.
- -f 스크립트 파일
- 스크립트를 파일에서 가져온다
- -f 옵션을 여러번 사용하여 여러개의 스크립트 파일을 동시에 불러와 지정한 파일에 적용할 수 있다
- 스크립트
- 패턴 { 동작 }
- 커맨드 라인에서는 패턴, 동작 전체를 단일 따옴표로 묶는다
- 패턴만 있는 경우 : 패턴과 일치하는 레코드(라인)를 화면에 출력한다
- 동작만 있는 경우 : 모든 레코드(라인)가 동작의 대상이 된다
- 패턴
- /정규표현식/ sed가 지원하지 않는 +, ?, |, ( ) 등의 메타문자도 지원한다 또한 ^, $를 각 필드의 처음과 끝을 의미하도록 사용할 수도 있다
- 비교연산 숫자 기준, 알파벳 기준 모두 사용 가능하다
- 패턴 매칭 연산 ~ : 일치하는 부분을 나타낸다 !~ : 일치하지 않는 부분을 나타낸다
- BEGIN 첫 번째 레코드가 읽혀지기 전에 어떤 동작을 정의하여 사용하고 싶을 때 사용한다
- END 마지막 레코드가 모두 읽혀진 후 어떤 동작을 정의하여 실행하고 싶을 때 사용한다
- 동작
- 동작은 모두 { }로 둘러싸야 한다
- 예제
- good이라는 문자열을 포함하는 모든 레코드를 출력할 때 /good/
- 각 레코드의 첫 번째 필드를 출력할 때 { print $1 }
- good이라는 문자열을 포함하는 레코드의 첫 번째 필드를 출력할 때 /good/ { print $1 }
- 두 개 이상의 필드를 가지는 레코드를 전부 출력할 때(비교연산) NF > 2
- 한 라인(\n)을 필드로, 빈 라인("")을 레코드로 구분할 때 BEGIN { FS = "\n" ; RS = ""}
- 첫 번째 필드가 good와 일치하는 레코드에 대해 세 번째 필드를 먼저 출력하고 두 번째 필드를 나중에 출력하고 싶을 때 $1 ~ /good/ { print $3 , $2 }
- good이라는 문자열이 몇 개나 들어가 있는지 계산하여 마지막 부분에서 출력하고 싶을 때 /good/ { ++x } END { print x }
- 두 번째 필드를 모두 합하고 마지막 부분에서 두 번째 필드의 총합계를 출력하고 싶을 때 { total += $2 } END { print "Total of $2: " , total }
- 레코드의 길이가 20자 이하인 것을 출력하고 싶을 때 length($0) < 20
- 네 개의 필드를 가지며 good이라는 단어로 시작하는 모든 레코드를 출력하고 싶을 때 NF == 4 && /^good/
- 빈줄을 제외한 모든 줄을 화면에 출력한다 NF > 0
- awk 시스템 변수
FILENAME | 현재 파일명 | $0 | 입력 레코드 |
FS | 입력 필드 구분 디폴트 : 공백 | $n | 입력 레코드의 N번째 필드 |
NF | 현재 레코드 필드 갯수 | ARGC | 커맨드 라인의 인자 갯수 |
NR | 현재 레코드 번호 | ARGV | 커맨드 라인 인자를 포함하는 배열 |
OFMT | 숫자에 대한 출력 포맷 디폴트 : %.6g | ENVIRON | 환경변수들을 모아둔 관계형 배열 |
OFS | 출력 필드 구분 디폴트 : 빈줄 | FNR | NR과 동일 단지 현재 파일에 적용된다는 점이 다름 |
ORS | 출력 레코드 구분 디폴트 : newline | RSTART | 지정한 매칭 연산을 만족하는 문자열의 맨 앞부분 |
RS | 입력 레코드 구분 디폴트 : newline | RLENGTH | 지정한 매칭 연산을 만족하는 문자열의 길이 |
- awk 연산자
- 산술 : =, +=, -=, *=, /=, %= 조건 : ? : 논리 : ||, &&, ! 패턴 : ~, !~
- 비교 : <, <=, >, >=, !=,== 증감 : ++, -- 필드참조 : $
- 제어문(C의 제어문과 같다)
- break
- continue
- do {실행} while (조건)
- exit
- for (관계형 배열의 요소) {실행}
- 펄의 foreach와 같다
- if (조건) {실행} else {실행}
- return
- while
- awk 명령어
- 문자열 연산
- gsub(reg,s) 입력 문자열의 전반에 걸쳐 정규표현식 r을 문자열 s로 대치한다.
- gsub(reg,s1,s2) 문자열 s2에서 정규표현식 r을 s1으로 대치한다.
- index(s1,s2) s1에서 s2의 위치를 넘겨준다. 만약 없다면 0을 넘겨준다.
- length(arg) 인자의 길이를 넘겨준다.
- match(s,r) 문자열 s에서 정규표현식 r과 매칭되는 부분의 위치를 넘겨준다.
- split(string,array[,seperator]) 구분자를 기준으로(지정하지 않으면 공백 기준)해서 지정한 문자열을 배열로 만든다 배열[1], 배열[2], .......
- sub(r,s), sub(r,s1,s2) gsub과 동일하다. 단지 정규표현식과 일치하는 문자열이 여러 개라도 처음 문자열만 대치된다
- substr(s,m) 문자열 s에서 m번째 위치에서 끝까지의 문자를 리턴한다
- substr(s,m,n) 문자열 s에서 m번째 위치에서 n번째까지의 문자를 리턴한다
- tolower(str)
- toupper(str)
- 수치 연산
- atan2(x,y) y/x의 arctangent값을 라디안 단위로 넘겨준다
- cos(x)
- exp(arg)
- int(arg)
- log(arg)
- rand() 0과 1사이의 난수를 발생한다
- sin(x)
- sqrt(arg)
- srand(expr) 인자를 가지고 난수를 발생시킨다. 인자가 주어지지 않으면 시간을 가지고 난수를 발생시킨다.
- 입출력/프로세스
- close(filename) 지정한 파일을 닫는다
- close(cmd) 지정한 명령어 파이프를 닫는다
- delete array[element] 지정한 배열 요소를 지운다
- getline() 다음 레코드를 읽어 들인다
- getline[variable] [< "filename"] 파일에서 읽어들인다
- next 다음 레코드(라인)을 입력받는다 getline()과 유사하지만 /패턴/동작을 새롭게 시작한다 getline()은 다음 라인을 읽기만 한다
- print [args] ![> "filename"] 인자를 출력한다
- printf "format" [,expressions] ![> "filename"] 형식에 맞춰 출력한다
- sprintf (format [,expressions]) printf와 마찬가지로 사용하는데 값을 리턴하기만 하고 출력은 하지 않는다.
- system(command) 시스템 내부 명령어를 실행한다
- 간단한 예
- awk ' BEGIN { for (i = 1;i<=7,i++) print int(101*rand()) }' 화면에 1이상 100이하의 난수 일곱 개를 출력한다
- ls -l file1 file2 file3 | awk ' { x += $5 } ; END { print "Total bytes : " x } ' 파일들의 크기를 모두 합하여 총 바이트 수를 표시한다
- awk ' END { print NR } ' filename 지정한 파일의 라인이 몇 개인지를 표시한다
- awk ' NR % 2 == 0 ' 지정한 파일의 짝수번째의 라인만을 출력해 준다
배열이 썩 훌륭하게 지원되는데 세부 동작이 좀 예상 밖입니다. for(var in arr)를 돌리면 var에 1,2,3,...이 들어갈 뿐입니다. awk에서 배열의 특성 때문인데 정확한 건 메뉴얼을 찾아보도록 하고, 여기서는 배열을 한 번 뒤집어서 흔히 생각하는 반응대로 쓰는 법을 소개합니다. 이는 메뉴얼에도 나와 있는 내용입니다.
split(string, tmp)
for (var in tmp) {
new[tmp[var]] = var
delete tmp[var]
}
split은 문자열을 쪼개는 것으로 세 번째 인자에 구분자를 주면 그것에 맞춰 쪼개고, 아니면 FS에 지정된 걸로 동작합니다. 그리고 그 배열을 훑어서 tmp의 key와 value를 반대로 다른 배열에 저장하고 tmp를 지웁니다. 그 다음에 for(var in new)라고 하면 애초에 string에 있던 값들이 var에 들어갈 겁니다.
출처 - http://wiki.kldp.org/wiki.php/Awk