2.2 选择

Awk的基本结构组成，就是用一系列的样式选择出感兴趣的行，并对其进行操作。这样的程序很多都是一次性的，敲出来之后就用几次。然而，有些程序很有用，如果每次用之前都要重新敲一遍代码，就太麻烦了，所以值得将它们存到脚本里，以便有需要随时使用。

下面有些例子，与现有的Unix工具功能上是重复的，之所以把它们放在这里讨论，更多地是为了讲解Awk，而不是要取代这些工具，当然Awk的灵活性意味着你可以定制自己所需的特殊版本。（而且你能用Awk做出在多个Unix发行版之间可移植的版本，当这些工具在不同Unix发行版间存在差异的时候）。比如，Unix命令 head 默认会打出前10行，这与另一个简单的 sed 命令 10q 是等价的。下面的一行Awk程序也有同样的功能：

NR <= 10

然而，如果输入量特别大，上面的程序就很低效，因为它会读入所有输入，但在第十行之后就啥都不干了。改进后的版本会输出所有行，但在第十行之后退出：

{ print }
NR > 10 { exit }

原始版本的运行时间与输入长度成正比，而改进后的版本只会用固定很短的时间。

如果你只想打印输入的前三行和后三行该怎么做呢？（假如你有个按出现次数排序的列表，你只想看出现最多和最少的值。） 一个简单的办法是将所有输入都保存下来，只打印所需的行：

awk '{ line[NR] = $0 }
END { for (i = 1; i <= 3; ++i) print line[i]print "..."for (i = NR -2; i <= NR; ++i) print line[i]} ' $*

如果输入行小于7行，这个程序会有问题，但作为个人使用的工具，只要你使用时记得它的限制，也许就没啥大不了的。

虽然只打印一小部分，但这个程序会将所有输入都保存下来，因此输入为大文件时可能就会很慢。还有一个办法，就是先把前三行打出来，然后永远只保存最近的三行，在结束时打出来：

awk 'NR <= 3 { print; next }{ line[1] = line[2]; line[2] = line[3]; line[3] = $0 }END { print "..." for (i = 1; i <= 3; ++i) print line[i] } ' $*

next 语句会结束当前记录（当前行）的处理，并重新回到程序开头，处理下一行。（注：可以将 next 类比为C语言的continue，即跳过下面的语句，重新开始循环——在Awk里是重新读入一行。在这个例子里面，next跳过的就是第二行的代码）

不过令人诧异的是，这个版本比前一个版本还慢了大约三分之一，估计是因为做了太多的行拷贝操作。第三个办法，是将输入作为环形缓冲区：只保留三行，而且仅对最后三行做索引的轮转（1变2，2变3，3变1），这样就不会有多余的拷贝操作了：

awk ' NR <= 3 { print; next }{ line[NR%3] = $0 }
END { print "..."i = (NR+1) % 3for (j = 0; j < 3; ++j) {print line[i]i = (i+1) % 3} 
} ' $*

经过实测，这个版本也仅比第一个版本快了一点点，而这微小的提升，代价是END块里面有些复杂的索引处理。为此增加的复杂度是不值的，因为这样的程序处理一百万行的输入文件，也就只要几秒钟。

是实时处理输入，还是将输入保存到数组中最后用END来处理，两者之间需要权衡。幸运的是，现代的处理器够快，内存够大，因此通常都是从尽可能简单的代码开始写起，而不是一开始就试图去节省cpu时间或内存空间。当然，这也是我们处理问题的方式：先用简单快速的方法，除非必要，后面再用更复杂的方法。

有时也要丢弃前面n行，并打印剩余的行；比如有个带表头的文件，而你需要跳过表头来处理表内的数据：

awk ' NR > 1'

前面说过Unix有个工具叫 head，对应地还有个 tail，就是用来输出文件的最后n行。但如果你要将最后n行倒序输出呢？这时你自己写的工具就派上用场了，因为并不是所有的版本都会提供你需要的选项。下面是个简单实现的版本：

awk '{ line[NR] = $0 }END { for (i = NR; i > NR-3; i--) print line[i] } ' $*

如果把上面的 i > NR -3 替换成 i > 0，就能对整个文件进行倒序输出。

练习2-1：修改“打印前几行后几行”的程序，使之能正确处理更短的输入。

练习2-2：改进最后一个样例，支持把需要打印的行数作为参数