主页 / unix / 问题 / 503133
Accepted
user938271
Asked: 2019-02-27 05:11:51 +0800 CST

为什么 gawk 在来自输入数据时将“0123”视为十进制数？

  • 772

根据$ man gawk，该strtonum()函数可以将字符串转换为数字：

strtonum(str) 检查 str，并返回其数值。如果 str 以前导 0 开头，则将其视为八进制数。如果 str 以前导 0x 或 0X 开头，则将其视为十六进制数。否则，假设它是一个十进制数。

如果字符串以 开头0，则该数字被视为八进制，而如果它以它开头，0x则被视为十六进制。

我已经运行了这些命令来检查我对函数的理解：

$ awk 'END { print strtonum("0123") }' <<<''
83

$ awk 'END { print strtonum("0x123") }' <<<''
291

该字符串"0123"被正确地视为包含八进制数并转换为十进制数83。同样，字符串"0x123"被正确地视为包含十六进制数并转换为十进制数291。

现在，如果我运行相同的命令，但将数字字符串从程序文本移动到输入数据，会发生以下情况：

$ awk 'END { print strtonum($1) }' <<<'0123'
123

$ awk 'END { print strtonum($1) }' <<<'0x123'
291

我理解与前面命令相同的第二个结果，但我不理解第一个。为什么 gawk 现在将0123其视为十进制数，即使它以0八进制数的前导开头？

我怀疑它与strnum 属性有关，因为出于某种原因1，gawk 将此属性赋予0123但不赋予0x123：

$ awk 'END { print typeof($1) }' <<<'0123'
strnum

$ awk 'END { print typeof($1) }' <<<'0x123'
string

1这可能是由于awk 实现之间的差异：

澄清一下，只有来自几个来源的字符串（这里引用 POSIX 规范）： [...] 如果它们的值恰好是数字（允许前导和尾随空格， 实现之间有所不同），则将被视为数字字符串支持十六进制，八进制，inf，nan ...）。

我正在使用 gawk version 4.2.62，输出$ awk -V为：

GNU Awk 4.2.62, API: 2.0 (GNU MPFR 3.1.4, GNU MP 6.1.0)
input gawk

1 个回答

  1. Best Answer

    这与strnumGAWK 4.2 版中的通用处理有关。

    看起来像数字的输入值被视为strnum值，在内部表示为同时具有字符串和数字类型。“0123”看起来像一个数字，所以它被处理为strnum. strtonum旨在处理字符串和数字输入；它首先查找数字，当遇到输入数字时，不经转换返回数字：

    NODE *
do_strtonum(int nargs)
{
        NODE *tmp;
        AWKNUM d;

        tmp = fixtype(POP_SCALAR());
        if ((tmp->flags & NUMBER) != 0)
                d = (AWKNUM) tmp->numbr;
        else if (get_numbase(tmp->stptr, tmp->stlen, use_lc_numeric) != 10)
                d = nondec2awknum(tmp->stptr, tmp->stlen, NULL);
        else
                d = (AWKNUM) force_number(tmp)->numbr;

        DEREF(tmp);
        return make_number((AWKNUM) d);
}

    因此“0123”变成了数字123，并strtonum直接返回。

    “0x123” 看起来不像一个数字（根据上面给出的链接中定义的规则），因此它被作为字符串处理并按照您所期望的那样处理strtonum。

    一个数字在 AWK中定义如下：

    输入字符串被分解为两部分：一个初始的，可能为空的空白字符序列（由isspace ()指定）和一个被解释为浮点常量的主题序列。

    主题序列的预期形式是可选的'+'或'-'符号，然后是可选的包含 <period> 的非空数字序列，然后是可选的指数部分。指数部分由'e'or组成'E'，后跟一个可选的符号，后跟一个或多个十进制数字。

    从第一个数字或<句点>（以先出现者为准）开始的序列被解释为C语言的一个浮点常数，如果既没有出现指数部分也没有出现<句点>，则假定a跟在最后一个数字后面字符串。如果主题序列以 <hyphen-minus> 开头，则转换产生的值被否定。

    • 3

相关问题