Início / unix / Perguntas / 417105
Accepted
Zombo
Asked: 2018-01-15 12:05:42 +0800 CST

Dividir caracteres individuais usando a string nula

  • 772

Eu li isso no manual do Gawk:

EXTENSÕES GNU

[...]

A capacidade de dividir caracteres individuais usando a string nula como o valor de FS e como o terceiro argumento para split().

No entanto, este parece não ser o caso. Isso funciona como esperado:

$ gawk 'BEGIN {print split("quebec", z, "")}'
6

e posso desabilitar outras extensões:

$ export POSIXLY_CORRECT
$ gawk 'BEGIN {typeof(1)}'
gawk: cmd. line:1: fatal: function `typeof' not defined

mas não consigo desativar o comportamento de divisão:

$ export POSIXLY_CORRECT
$ gawk 'BEGIN {print split("quebec", z, "")}'
6

$ gawk --posix 'BEGIN {print split("quebec", z, "")}'
6

Também procurei no manual do Mawk:

Se FS = "", então mawk divide o registro em caracteres individuais e, da mesma forma, split(s,A,"") coloca os caracteres individuais de s em A.

[...]

Posix deixa explicitamente o comportamento de FS = "" indefinido e menciona a divisão do registro em caracteres como uma possível interpretação, mas atualmente esse uso não é portátil entre as implementações.

Então, com quais implementações você não pode obter caracteres únicos com FSe split?

awk posix

1 respostas

  1. Best Answer

    Isso não é POSIX, pois você não pode usá-lo em scripts POSIX porque o POSIX deixa o comportamento não especificado . Isso significa que enquanto um aplicativo (um script) não pode usá-lo se quiser ser portátil, uma implementação (uma awkimplementação) pode fazer o que quiser se você quiser e ainda ser POSIX. O POSIX não exige awka divisão em caracteres ou bytes, nem relata um erro, nem reinicializa o computador, ele o deixa sem especificação.

    Então gawknão tem porque mudar seu comportamento nesse sentido quando $POSIXLY_CORRECTestá no ambiente¹, não existe um comportamento mais POSIXAMENTE correto do que o outro naquela instância.

    Como você descobriu, essa extensão é encontrada em gawk (desde 3.0, janeiro de 1996) e mawk (desde a versão 1.2, janeiro de 1996). Também está na busybox awk(desde o início (2002)), e desde maio de 1996 também na mantida por Brian Kernighan (o kin awk) (o FIXESarquivo se refere a gawk, etc. como inspiração). Parece que foi adicionado a todos os 3 em alguns meses, sugerindo que talvez tenha sido discutido entre seus mantenedores. Não tenho tanta certeza de quem teve a ideia primeiro.

    Com o de Brian Kernighan awkou aqueles baseados nele como no FreeBSD ou OpenBSD, observe que enquanto um FSterceiro argumento vazio ou vazio passado split()faz com que a string seja dividida em seus caracteres individuais (bem, bytes , veja abaixo), awk -F ''retorna um erro ( awk -v FS=está bem embora).

    No Solaris, com ambos nawke /usr/xpg4/bin/awk(e também o antigo /bin/awkdos anos 70), um vazio FSparece desabilitar completamente a divisão. nawk -F ''retorna um erro. Eu esperaria que fosse o mesmo em outros Unices comerciais baseados em código AT&T como AIX ou HP/UX, embora eu não possa testá-lo lá.

    Observe também que mawk, bwk's awk(que é diferente para alguns baseados nele) e awk busybox não suportam caracteres multibyte. Então, por exemplo, em UTF-8:

    echo Stéphane | awk -v FS= '{print $4}'

    imprimiria a segunda metade do terceiro caractere do meu primeiro nome. Portanto, é mais correto dizer que um FS vazio se divide em bytes individuais, não em caracteres.

    ¹ Percebo agora que com POSIXLY_CORRECT, ou --posix, gawkdesativa algumas extensões que de outra forma não entram em conflito com POSIX ( typeoftorna gawk-se incompatível), então você pode dizer que é uma omissão. Agora não seria o primeiro. Por exemplo, ele não desabilita nextfile, embora entre em conflito com POSIX ( awk '{nextfile = 1}'destina-se a atribuir 1 à nextfilevariável, mas relata um erro gawkmesmo em POSIXLY_CORRECT).

    • 4

relate perguntas