AWK – 是否可以search模式，然后根据通配符对结果进行sorting？

我仍然不确定你想要什么，但假设格伦·杰克曼的解释是正确的，那么你想要进一步思考他的想法，以便能够search给定的字段名称。 例如，

 awk -v FN="xxxx" -F '"' '{ i=1; while (i<=NF-2) { if ($i==FN) { print $(i+2) "\t" $0; next } else { i++ } } }' filename | sort | cut -d $'\t' -f 2- 

在这里，你可以将“xxxx”replace为“name”，“age”或你想用于sorting的任何字段。

这个脚本当然不是万无一失的。 字段不能包含制表符，也不能包含“name”，“age”等关键字。

编辑：我将简要介绍一下这个脚本的function。 基本上，awk需要一个给定的字段名称，并为每一行提取该字段的值。 因此，对于每个input行，它会输出相同的行，但将该字段的值作为前缀，并用制表符分隔两个元素。 这个输出是由sort命令进行的，它按照字典顺序对它进行sorting，因此它大多数是根据所选的字段值进行sorting的。 一旦按照这种方式sorting，这是由剪切命令采取的，剪切命令将其拼接在制表符上，丢弃用于sorting的字段，并仅显示其余的（其对应于来自原始文件的行，但现在按照通缉）。

一些更多细节：

在AWK中（实际上，在Gawk变体中），-v开关定义了一个variables，在这种情况下被命名为FN。 -F开关定义了一个字段分隔符，它将AWK从其input文件中读取的每一行进行分割。 在花括号之间定义的主要块是AWK程序，每个input行运行一次。 每个行字段按照-F开关分割，被引用$ 1，$ 2，…，$（NF-1），$ NF。 （NF是一个内部variables，总是等于当前行的字段数）。

正如我所说的，AWK逐行读取input，并为每个input运行该程序。 例如，如果它采用这一行：

 a:2:{s:4:"name";s:12:"Jim Morrison";s:3:"age";s:2:"25";} 

然后它分裂在双引号，如下所示：

 $1 = a:2:{s:4: $2 = name $3 = ;s:12: $4 = Jim Morrison $5 = ;s:3: $6 = age $7 = ;s:2: $8 = 25 $9 = ;} 

然后脚本遍历每个字段在FN上search完全匹配。 所以如果例如我们已经定义了FN = age，那么循环将停在$ 6，然后打印$ 8（即$（6 + 2），这里是“25”）和一个制表符，然后与整个input线本身（$ 0）。 然后下一行将被读取，整个过程将重新开始。

这个脚本依赖于关键字不能在其他地方发生的假设。 而这个假设并不容易解决。 如果你想违反这个假设，那么需要更多地了解这个input文件的结构。 对于大多数目的而言，这样的见解是可以实现的，因为这种歧义也会影响任何序列化分析器。 例如，如果您知道字段名称（比如说“年龄”）可以完全显示在其他字段中，但是只在字段sorting在年龄字段之后，则该脚本可以保持原样。 在给定的例子中，有一个名字段等于“年龄”（比如，没有大写字母等）会很奇怪。 无论如何，这是一个棘手的问题，整本书都在处理这个问题，所以我不会在这里总结一下。 Google对“编译原理”感兴趣。

一个这样的见解可能是你提到的那个：了解领域的秩序。 在这种情况下，这个剧本并不比格伦好很多。 你可以调整他简单的脚本来匹配你想要的每个字段。 例如，考虑：

 awk -F '"' '{print $8 "\t" $0}' filename | sort | cut -d $'\t' -f 2- 

这个脚本与Glenn提出的几乎相同，只是select了第八个字段（“年龄”）而不是第四个（“名字”）。

Schwartzian变换types：我假设名称总是第四个以引号分隔的字段

 awk -F '"' '{print $4 "\t" $0}' filename | sort | cut -d $'\t' -f 2- 

你可以这样做：

 sort -t '"' -k4,4 filename sort -t '"' -k8,8n filename 

姓名和年龄，但不允许您通过名称来select字段，也需要繁琐的字段计数。

在下面的脚本中提供了一个更健壮的方法，可以通过以下任一方式运行：

 ./fieldsort "name" inputfile some_prog | ./fieldsort "name" 

您可以使用“名称”或“年龄”作为字段名称（或者其他名称）。

只使用gawk而不需要任何其他的工具。

由于只有第一个logging检查了所需字段的位置，并且必须有一个字段值与logging中较早出现的所需字段名称相匹配，所以减less了误报的可能性。 这两个条件（第一个logging中的第一个出现）也使该脚本更快。

缺点是它期望所有的logging都是相同的格式（字段数量等）。

没有检查确保字段名被选中（虽然它必须存在），所以“s”（“string”字段types）将被接受，但是没有用。

如果在命令行上给出了多个文件名，则它们必须都具有相同的格式。 如果您使用的是Gawk 4，则可以将BEGIN更改为BEGINFILE ，将END更改为ENDFILE （并将getline之前的行及其注释移至新的BEGIN子句中）以规避此限制。

 #!/usr/bin/gawk -f func isnum(x) { # not foolproof return(x == x + 0) } BEGIN { fieldname = ARGV[1] delete ARGV[1] FS = "[;:\"]" # since gawk doesn't have a numeric sort, pad numbers padstr = "000000000000" # process the first line to see which field we want # do this in the BEGIN clause to avoid repeating it for every record getline split($0, fields, FS) for (f = 1; f <= length(fields); f++) { if (fields[f] == fieldname) { field = f + 5 break } } if (field == 0) { print "field '" fieldname "' not found in file '" FILENAME "'" exit } if (isnum($field)) # pad will be null for non-numeric data pad = substr(padstr, 1, length(padstr) - length($field)) # since we burned the first line, we need to go ahead and save it here # the record number is included in the index to prevent losing records # that have duplicate values in the field of interest array[pad $field, NR] = $0 } { # save each of the rest of the lines in the array indexed by the field of interest if (isnum($field)) pad = substr(padstr, 1, length(padstr) - length($field)) array[pad $field, NR] = $0 } END { # sort and output c = asorti(array, indices) for (i = 1; i <= c; i++) print array[indices[i]] } 

但是我想知道你为什么不用PHP在本地执行此操作？