Introduction à l'utilitaire (g)awk

Fonctionnalités et origine

• Origine
  Le nom de l'utilitaire awk vient de ses 3 auteurs Aho, Weinberger et Kernighan. Il peut être classé dans la catégorie des filtres. Mais c'est beaucoup plus qu'un utilitaire de gestion des fichiers textes, il intégre un langage interprété très voisin du C.
  La version disponible sur Linux s'appelle gawk =GNU awk; il s'agit d'une version plus performante.
• Cet utilitaire, comme sed, s'applique à un fichier, ou à un flot de données provenant de son entrée, si le fichier (précédé de -f) est absent. Il lit ce fichier ligne par ligne (toutes les lignes par défaut). Les lignes sont séparées par des retour-chariots.
• Il décompose chaque ligne (enregistrement) en champs, les champs étant des chaines de caractères séparées les unes des autres par un caractère particulier appelé le séparateur.
  Ce caractère de séparation peut être fourni explicitement, sous la forme de l'option -F":", par exemple, ou invoqué dans le motif d'une expression rationnelle.
  

Introduction par l'exemple

1. Voici une syntaxe simplifiée : gawk -F":" 'bloc-programme' /etc/passwd
   • L'option -F":" signale que le caractère séparateur est ":" dans ce fichier.
     
   • Le bloc-programme, entouré de {} s'appliquera à chaque ligne. Il contient souvent print, l'instruction d'affichage sur la sortie standard, et des chaines constantes entourées de " ".
     A noter que print, seul, affiche toute la ligne et insère un retour-chariot.
     
   • Par exemple la commande :
     gawk -F":" '{print "Ligne n° " NR "=" $0}' /etc/passwd
     affiche les lignes (référencées par la variable système $0), précédées de leur numéro (contenu dans NR)
     
   Comparer avec gawk -F":" '{print}' /etc/passwd

2. Chacune des lignes est découpée par gawk suivant ":" en 7 champs, dont les valeurs individuelles sont affectées aux variables système $1, $2 ... jusqu'au dernier.
   Par exemple, soit la commande :
   gawk -F":" '{print "Le répertoire personnel de " $1 " est " $6}' /etc/passwd
   appliquée à la ligne particulière toto:x:520:521:Monsieur Toto Jules:/home/toto:/bin/bash, elle fera afficher :
   Le répertoire personnel de toto est /home/toto

3. gawk -F":" '{print "Le nombre de champs = " NF " et le dernier vaut " $NF }' /etc/passwd
   Cette commande affiche le nombre de champs pour chaque ligne et la valeur du dernier.
   Ce nombre de champs est contenu dans la variable prédéfinie NF, ici 7, et la valeur du dernier champ peut alors être référencée par $NF

4. gawk -F":" '{print "Premier champ : "$1 " ; print "Et dernier : $NF }' /etc/passwd
   Bien noter que le bloc d'instruction (appelé souvent le bloc "action") est entouré d'accolades, et que le point-virgule est le séparateur d'instructions. Dans l'exemple, à comparer au précédent, chaque print fait passer à la ligne.

5. gawk -F":" '{ if ($3 >= 500 ) print "login " $1 " uid = " $3 " rép perso : " $6}' /etc/passwd
   Les utilisateurs créés par root ont un numéro, leur uid, attribué à partir de 500.
   La commande permet de sélectionner ces utilisateurs et d'afficher leur login, leur uid et leur répertoire personnel.
   Exercice d'application
   Sélectionner les utilisateurs précédents, extraire leur login et leur nom complet (normalement 5ème champ $5), les trier par ordre alphabétique et les stocker dans le fichier users.txt

6. Dans l'exemple précédent, la sélection est effectuée par une expression relationnelle, autrement dit une comparaison
   Les opérateurs de comparaison usuels peuvent s'appliquer (attention : l'égalité s'exprime avec ==, la différence avec !=) ainsi que les opérateurs booléens : && (et), || (ou) , ! (non)
   Par exemple la commande :
   gawk -F":" '{ if ($3 >= 500 && substr( $1, 0, 1)== "j") print NR "login " $1 " uid = " $3 " rép perso : " $6}' /etc/passwd
   Elle extrait les comptes d'uid supérieurs à 500 (grâce à $3>=500) et commençant par la lettre "j". En effet, l'appel à la fonction prédéfinie substr( $1, 0, 1) extrait une sous-chaine du nom ($1) à partir du 1er caractère (numéro 0) et sur une longueur 1, autrement dit l'initiale du nom.

7. On peut aussi sélectionner les enregistrements d'un fichier grâce à une expression rationnelle (ou régulière)
   Par exemple la commande :
   gawk -F":" ' $1 ~/^[a-fj]/ { print NR $0 }' /etc/passwd
   sélectionne les lignes commençant par une lettre appartenant à l'intervalle de a à f, ou par j, et les affiche avec leur numéro de ligne. Attention ! l'opérateur [..] applique un OU implicite entre les lettres qu'il contient.

   ... La suite, prochainement ...