九，awk陣列詳解
注：在閱讀這篇文章之前，最好已經瞭解了一些開發的基本語法，比如，for迴圈、陣列的基本使用 等，否則在閱讀時 有可能遇到障礙。
前文中提及過，awk其實可以算作一門指令碼語言，因為它包含了一個指令碼語言的各種語法結構，比如條件判斷語句，比如迴圈語句，那麼，awk中能否使用"陣列"呢？必須能啊，今天我們就來聊聊awk中的陣列。
如果你有過任何一種程式語言的使用經驗，那麼你一定知道，我們可以通過陣列的下標（或者稱索引），引用陣列中的元素，其他語言中，陣列的下標通常由0開始，也就是說，如果想要引用陣列中的第1個元素，則需要引用對應的下標"[0]"，awk中的陣列也是通過引用下標的方法，獲取陣列中的元素的，但是在awk中，陣列元素的下標預設從1開始，但是為了相容你的使用習慣，我們也可以從0開始設定下標，此處不用糾結，到後面自然會明白，我們先來看一個最簡單的示例。
在其他語言中，你可能會習慣性的先"宣告"一個數組，在awk中，則不用這樣，直接為陣列中的元素賦值即可，示例如下。
[root@node1 ~]# awk 'BEGIN{ huluwa[0]="大娃";huluwa[1]="二娃";huluwa[2]="三娃";print huluwa[1]}'
二娃
[root@node1 ~]#
如上圖所示，為了方便示例，上例中使用了BEGIN模式，在BEGIN模式中，存在一個名為"葫蘆娃"（拼音）的陣列，我們在這個陣列中放置了3個元素，第1個元素為"大娃"，第2個元素為"二娃"，第3個元素為"三娃"，如果我們想要引用陣列中第二個元素的值，只要引用下標為1的元素即可，正如上圖所示，我們使用下標"[1]"，獲得了huluwa這個陣列中第二個元素的值，即"二娃"。
當然，如果你想要看到更多的"葫蘆娃"，可以在數組裡面放置更多的元素。
[root@node1 ~]# awk 'BEGIN{ huluwa[0]="大娃";huluwa[1]="二娃";huluwa[2]="三娃";huluwa[3]="四娃";huluwa[4]="五娃";huluwa[6]="七娃";print huluwa[1]}'
二娃
[root@node1 ~]#
如上圖所示，由於命令太長，可讀性可能會降低，為了在編寫時提高命令的可讀性，我們可以使用Linux命令列的"換行符"進行換行，Linux中，命令列的換行符為反斜槓"\"，上述命令換行後，如下。
[root@node1 ~]# awk 'BEGIN{ huluwa[0]="大娃";huluwa[1]="二娃";huluwa[2]="三娃";\
> huluwa[3]="四娃";huluwa[4]="五娃";huluwa[6]="七娃";print huluwa[1]}'
二娃
我們知道，在動畫中，六娃的超能力是"隱身"，所以六娃也叫"隱身娃"，那麼，我們就把上述陣列中的第5個元素的值設定為"空字串"吧，用空字串表示六娃已經"隱身"了，示例如下。
[root@node1 ~]# awk 'BEGIN{ huluwa[0]="大娃";huluwa[1]="二娃";huluwa[2]="三娃";huluwa[3]="四娃";huluwa[4]="五娃";huluwa[5]="";print huluwa[5]}'
[root@node1 ~]#
如上圖所示，上例陣列中的第5個元素的值被設定為了"空字串"，當我們列印陣列中的第5個元素的值時，打印出的值就是"空"（注："空格"不為"空"）。
為什麼要舉這個例子呢？之所以舉這個例子，是因為在awk中，元素的值可以設定為"空"，在awk中，將元素的值設定為"空字串"是合法的。
[root@node1 ~]# awk 'BEGIN{ huluwa[0]="大娃";huluwa[1]="二娃";huluwa[2]="三娃";huluwa[3]="四娃";huluwa[4]="五娃";huluwa[5]="";if(huluwa[5]==""){print "陣列的第六個元素不存在"}}'
陣列的第六個元素不存在
[root@node1 ~]#
正如上圖所示，第6個元素明明已經存在，但是通過上述方法判斷元素是否存在時，仍然顯示對應的元素不存在。
其實，使用上述方法判斷元素是否存在之所以不合理，除了上述原因，還有另外一個原因，就是當一個元素不存在於陣列時，如果我們直接引用這個不存在的元素，awk會自動建立這個元素，並且預設為這個元素賦值為"空字串"，示例如下。
[root@node1 ~]# awk 'BEGIN{ huluwa[0]="大娃";huluwa[1]="二娃";huluwa[2]="三娃";huluwa[3]="四娃";huluwa[4]="五娃";huluwa[5]="";{print huluwa[6]}}'
[root@node1 ~]#
如上圖所示，陣列中並沒有第7個元素，但是當我們輸出第7個元素時，輸出了"空"，所以，出於此原因，在awk中使用之前的方法判斷元素是否為空也是不合理的，因為當我們引用一個不存在於陣列中的元素時，這個元素其實已經被賦值為"空字串"了
那麼，在awk中，應該怎樣判斷元素是否存在呢？我們可以使用如下語法。
[root@node1 ~]# awk 'BEGIN{ huluwa[0]="大娃";huluwa[1]="二娃";huluwa[2]="三娃";huluwa[3]="四娃";huluwa[4]="五娃";huluwa[5]="";if(5 in huluwa){print "陣列的第六個元素存在列印這句話"}}'
陣列的第六個元素存在列印這句話
[root@node1 ~]# awk 'BEGIN{ huluwa[0]="大娃";huluwa[1]="二娃";huluwa[2]="三娃";huluwa[3]="四娃";huluwa[4]="五娃";huluwa[5]="";if(6 in huluwa){print "陣列的第七個元素存在列印這句話"}}'
[root@node1 ~]#
如上圖所示，我們可以使用語法 "if(下標 in 陣列名)" ，從而判斷陣列中是否存在對應的元素。
當然，我們還可以使用 "!" 對條件進行取反，如下圖所示。
[root@node1 ~]# awk 'BEGIN{ huluwa[0]="大娃";huluwa[1]="二娃";huluwa[2]="三娃";huluwa[3]="四娃";huluwa[4]="五娃";huluwa[5]="";if (! (6 in huluwa)){print "陣列的第七個元素不存在列印這句話"}}'
陣列的第七個元素不存在列印這句話
在awk中，陣列的下標不僅可以為"數字"，還可以為"任意字串"，如果你使用過shell中的陣列，你可以把awk的陣列比作bash中的"關聯陣列"，示例如下
[root@node1 ~]# awk 'BEGIN{ huluwa["yiwa"]="大娃";huluwa["erwa"]="二娃";huluwa["sanwa"]="三娃";huluwa["siwa"]="四娃";huluwa["wuwa"]="五娃";huluwa["liuwa"]="六娃";print huluwa["wuwa"]}'
五娃
其實，awk中的陣列本來就是"關聯陣列"，之所以先用以數字作為下標的陣列舉例，是為了讓讀者能夠更好的過度，不過，以數字作為陣列下標的陣列在某些場景中有一定的優勢，但是它本質上也是關聯陣列，awk預設會把"數字"下標轉換為"字串"，所以，本質上它還是一個使用字串作為下標的關聯陣列。
使用delete可以刪除陣列中的元素，如下所示
[root@node1 ~]# awk 'BEGIN{ huluwa["yiwa"]="大娃";huluwa["erwa"]="二娃";huluwa["sanwa"]="三娃";print huluwa["yiwa"];delete huluwa["yiwa"];print huluwa["yiwa"]}'
大娃
[root@node1 ~]#
到目前為止，我們已經介紹了怎樣為陣列中的元素賦值、怎樣輸出陣列中的某個元素、以及怎樣刪除陣列中的元素，那麼現在，我們來聊聊在awk中怎樣輸出陣列中的所有元素，在awk中，如果想要輸出陣列中的所有元素，則需要藉助for迴圈語句，還記得在前文中介紹for迴圈時，有兩種for迴圈語法嗎？我們來回顧一下。
#for迴圈語法格式1
for(初始化;布林表示式;更新){
//程式碼語句
}
#for迴圈語法格式2
for(變數in陣列){
//程式碼語句
}
這兩種for迴圈語法都能夠遍歷輸出陣列中的元素，不過第一種for迴圈語法只能輸出以數字作為下標的陣列，示例如下
[root@node1 ~]# awk 'BEGIN{ huluwa[0]="大娃";huluwa[1]="二娃";huluwa[2]="三娃";huluwa[3]="四娃";huluwa[4]="五娃";huluwa[5]="六娃";huluwa[6]="七娃";for(i=0;i<=6;i++) print huluwa[i]}'
大娃
二娃
三娃
四娃
五娃
六娃
七娃
你一定看出來了，我們利用了for迴圈中的變數"i"與陣列中的下標都是"數字"的這一特性，按照順序輸出了陣列中的元素值。
那麼，當陣列中的元素的下標為"無規律的字串"時，我們該怎麼辦呢？這時可以使用for迴圈的第二種語法，示例如下。
[root@node1 ~]# awk 'BEGIN{ huluwa["yiwa"]="大娃";huluwa["erwa"]="二娃";huluwa["sanwa"]="三娃";huluwa["siwa"]="四娃";huluwa["wuwa"]="五娃";huluwa["liuwa"]="六娃";for(i in huluwa )print i,huluwa[i]}'
liuwa 六娃
siwa 四娃
wuwa 五娃
yiwa 大娃
erwa 二娃
sanwa 三娃
[root@node1 ~]#
注意，在這種語法中，for迴圈中的變數"i"表示的是元素的下標，而並非表示元素的值，所以，如果想要輸出元素的值，則需要使用"print 陣列名[變數]"
細心如你，一定發現了一個小問題，當陣列中的下標為"字串"時，元素值輸出的順序與元素在陣列中的順序不同，這是因為awk中的陣列本質上是關聯陣列，所以預設打印出的元素是無序的。
那麼你可能會提問了，既然之前說過，數字下標最終也會被轉換成 "字串"，本質上也是關聯陣列，既然都屬於關聯陣列，那麼為什麼第一種for迴圈語法能夠按照順序輸出陣列中的元素值呢？
這就是以數字作為下標的優勢，因為第一種for迴圈語法中的變數"i"為數字，由於for迴圈的原因，"i"是按照順序遞增的，當"i"的值與下標的值相同時，我們即可按照下標的順序，輸出對應元素的值，換句話說就是，我們是通過下標的順序，輸出對應元素值的順序，也就是鍵值定位。但是，即使陣列元素的下標為數字，如果使用第二種for迴圈語法，也不能夠按照順序輸出，示例如下。
[root@node1 ~]# awk 'BEGIN{ huluwa[0]="大娃";huluwa[1]="二娃";huluwa[2]="三娃";huluwa[3]="四娃";huluwa[4]="五娃";huluwa[5]="六娃";huluwa[6]="七娃";for(i in huluwa) print i,huluwa[i]}'
4 五娃
5 六娃
6 七娃
0 大娃
1 二娃
2 三娃
3 四娃
上例又印證我們之前所說的，awk中的陣列本質上就是關聯陣列。
我想，經過上述對比，你應該已經明白了。
前文中，我們都是手動的為陣列中的元素賦值，那麼我們能不能將指定的文字分割，然後將分割後的欄位自動賦值到陣列的元素中呢？答案是必須的，但是如果我們想要實現這樣的效果，需要藉助於split函式，而我們還沒有介紹過函式，所以此處就先跳過了，不過需要提前說明的是，通過split函式生成的陣列的下標預設是從1開始的，這就是為什麼之前說，awk中陣列的下標預設是從1開始的了。
例項應用
在實際的工作中，我們往往會使用陣列，統計某些字元出現的次數，比如，我們想要統計日誌中每個IP地址出現了多少次，我們就可以利用陣列去統計。
但是，統計的時候需要配合一些特殊用法，彆著急，我們慢慢聊。
在awk中，我們可以進行數值運算，示例如下
[root@node1 ~]# awk 'BEGIN{a=1 ; print a ; a=a+1 ; print a}'
1
2
[root@node1 ~]# awk 'BEGIN{a=1 ; print a ; a++ ; print a}'
1
2
我們將變數a的值設定為1，進行加法計算，每次自加後，再次列印變數a的值，都會加1
這並不難理解，因為上例中，a的值本來就是一個數字。
那麼，如果變數a的值是一個字串，我們能否對變數a進行自加運算呢？我們來試試。
[root@node1 ~]# awk 'BEGIN{a="test" ; print a ; a++ ; print a ; a=a+1 ; print a}'
test
1
2
如上圖所示，在awk中，當變數a的值為字串時，竟然也可以進行加法運算，從上例可以看出，awk中，如果字串參與運算，字串將被當做數字0進行運算。
那麼"空字串"呢？當空字串參與運算時，也會被當做數字0嗎？我們來試試。
[root@node1 ~]# awk 'BEGIN{a="" ; print a ; a++ ; print a ; a=a+1 ; print a}'
1
2
[root@node1 ~]#
看樣子，我們猜的不錯，空字串在參與運算時，也會被當做數字0
之前說過，當我們直接引用一個數組中不存在的元素時，awk會自動建立這個元素，並且為其賦值為"空字串"。
所以，如果我們引用一個不存在元素，並對其進行自加運算，那麼會出現什麼效果呢？我們來試一試
[root@node1 ~]# awk 'BEGIN{print testarr["ip"];testarr["ip"]++;print testarr["ip"]}'
1
如上圖所示，當引用了一個不存在的元素時，元素被賦值為空字串，當對這個元素進行自加運算時，元素的值就變成了1，因為，空字串在參與運算時，被當做0使用了，所以，綜上所述，我們對一個不存在的元素進行自加運算後，這個元素的值就變成了自加運算的次數，自加x次，元素的值就被賦值為x，自加y次，元素的值就被賦值為y，示例如下。
[root@node1 ~]# awk 'BEGIN{print testarr["ip"];testarr["ip"]++;print testarr["ip"];testarr["ip"]++;print testarr["ip"]}'
1
2
利用這一點，我們就可以統計文字中某些字元出現的次數，比如IP地址，示例如下。
[root@node1 ~]# cat test10
192.168.1.1
192.168.1.2
192.168.1.3
192.168.1.12
192.168.1.3
192.168.1.3
192.168.1.2
192.168.1.1
192.168.1.2
192.168.1.3
[root@node1 ~]# awk '{count[$1]++} END{for(i in count) print i,count[i]}' test10
192.168.1.12 1
192.168.1.1 2
192.168.1.2 3
192.168.1.3 4
當然，看懂上圖中的命令，需要掌握前文中的知識，同時需要理解今天所介紹的知識。
上圖中，我們使用了一個空模式，一個END模式。
空模式中，我們隨便建立了一個數組，並且將IP地址作為引用元素的下標，進行了引用，所以，當執行到第一行時，我們引用的是count["192.168.1.1"]
很明顯，這個元素並不存在，所以，當第一行被空模式中的動作處理完畢後，count["192.168.1.1"]的值已經被賦值為1了。
由於END模式中的動作會最後執行，所以我們先不考慮END模式。
這時，空模式中的動作繼續處理下一行，而下一行的IP地址為192.168.1.2
所以，count["192.168.1.2"]第一次參與運算的過程與上述過程同理。
其他IP地址第一次參與運算的過程與上述過程同理。
直到再次遇到相同的IP地址時，使用同樣一個IP地址作為下標的元素將會再次被自加，每次遇到相同的IP地址，對應元素的值都會加1。
直到處理完所有行，開始執行END模式中的動作。
而END模式中，我們打印出了count陣列中的所有元素的下標，以及元素對應的值。
此刻，count陣列中的下標即為IP地址，元素的值即為對應IP地址出現的次數。
最終，我們統計出了每個IP地址出現的次數。
其實，我們就是利用了之前所演示的一個知識點：
我們對一個不存在的元素進行自加運算後，這個元素的值就變成了自加運算的次數
上述過程可能比較繞，如果你之前沒有接觸過awk，一遍看不懂是很正常的，自己按照上述過程動手做幾遍，細細品味一番，相信你會搞明白的。
如果你以後再想統計文字中某類文字出現的"次數"，就可以使用上述套路了，活學活用以後，你會發現上述套路特別好使。
實際應用 例如統計網站訪問源地址訪問的次數並且按訪問次數從高到低排序
[root@node1 ~]# awk '{count[$1]++} END{for(i in count) print i,count[i]}' test10|sort -n -r -k2
192.168.1.3 4
192.168.1.2 3
192.168.1.1 2
192.168.1.12 1
sort引數解析
sort -n #按數值排序，預設按字串排序 -r #反序 -k2 #使用第二列排序 預設使用第一列排序
比如，如果我們想要統計如下文字中每個人名出現的次數，我們則可以使用如下命令。
[root@node1 ~]# awk '{for(i=1;i<=NF;i++){count[$i]++}}END{for(j in count){print j,count[j]}}' test4
Tyler 1
Angel 1
James 1
ALlen 1
Lucas 1
William 1
Thomas 1
Green 1
Jack 1
Phillips 1
Kevin 2
Lee 2
Aiden 1
關於awk中陣列的用法，就先總結到這裡，這些知識已經能夠滿足我的日常使用了，但是這些並不是陣列的全部，如果你想要更加深入的瞭解陣列，可以參考官方 手冊的陣列部分，連結如下。