11.3.3 Rimpiazzare o eliminare caratteri

Il programma di utilità di sistema tr rimpiazza caratteri. Per esempio, è spesso usato per trasformare lettere maiuscole in lettere minuscole in vista di ulteriori elaborazioni:

generare dei dati | tr 'A-Z' 'a-z' | elaborare dei dati …

tr richiede due liste di caratteri.⁸³ Quando si elabora l’input, il primo carattere della prima lista è rimpiazzato con il primo carattere della seconda lista, il secondo carattere della prima lista è rimpiazzato con il secondo carattere della seconda lista, e così via. Se ci sono più caratteri nella lista “da” che in quella “a”, l’ultimo carattere della lista “a” è usato per i restanti caratteri della lista “da”.

In un lontano passato, un utente propose di aggiungere una funzione di traslitterazione a gawk. Il programma seguente è stato scritto per dimostrare che la traslitterazione di caratteri poteva essere fatta con una funzione definita dall’utente. Questo programma non è così completo come il programma di utilità di sistema tr, ma svolge buona parte dello stesso lavoro.

Il programma translate è stato scritto molto prima che gawk fosse in grado di separare ciascun carattere di una stringa in elementi distinti di un vettore. Questo è il motivo per cui usa ripetutamente le funzioni predefinite substr(), index(), e gsub() (vedi la sezione Funzioni di manipolazione di stringhe). Ci sono due funzioni. La prima, traduci_stringa(), richiede tre argomenti:

da

Una lista di caratteri da cui traslitterare

a

Una lista di caratteri a cui traslitterare

stringa

La stringa su cui effettuare la traslitterazione

I vettori associativi facilitano molto la parte di traslitterazione. vettore_trad contiene i caratteri “a”, indicizzato dai caratteri “da”. Poi un semplice ciclo scandisce da, un carattere alla volta. Per ogni carattere in da, se il carattere compare in stringa è rimpiazzato con il corrispondente carattere a.

La funzione traducilo() chiama traduci_stringa(), usando $0 come stringa. Il programma principale imposta due variabili globali, DA e A, dalla riga di comando, e poi modifica ARGV in modo che awk legga dallo standard input.

Infine, la regola di elaborazione si limita a chiamare traducilo() per ogni record:

# translate.awk --- fa cose simili al comando tr
# Bug: non gestisce cose del tipo tr A-Z a-z; deve essere
# descritto carattere per carattere.
# Tuttavia, se `a' è più corto di `da',
# l'ultimo carattere in `a' è usato per il resto di `da'.

function traduci_stringa(da, a, stringa,     lf, lt, lstringa, vettore_trad,
                        i, c, risultato)
{
    lf = length(da)
    lt = length(a)
    lstringa = length(stringa)
    for (i = 1; i <= lt; i++)
        vettore_trad[substr(da, i, 1)] = substr(a, i, 1)
    if (lt < lf)
        for (; i <= lf; i++)
            vettore_trad[substr(da, i, 1)] = substr(a, lt, 1)
    for (i = 1; i <= lstringa; i++) {
        c = substr(stringa, i, 1)
        if (c in vettore_trad)
            c = vettore_trad[c]
        risultato = risultato c
    }
    return risultato
}

function traducilo(da, a)
{
    return $0 = traduci_stringa(da, a, $0)
}

# programma principale
BEGIN {

    if (ARGC < 3) {
        print "sintassi: translate da a" > "/dev/stderr"
        exit
    }

    DA = ARGV[1]
    A = ARGV[2]
    ARGC = 2
    ARGV[1] = "-"
}

{
    traducilo(DA, A)
    print
}

È possibile effettuare la traslitterazione di caratteri in una funzione a livello utente, ma non è detto che sia efficiente, e noi (sviluppatori di gawk) abbiamo iniziato a prendere in considerazione l’aggiunta di una funzione. Tuttavia, poco dopo aver scritto questo programma, abbiamo saputo che Brian Kernighan aveva aggiunto le funzioni toupper() e tolower() alla sua versione di awk (vedi la sezione Funzioni di manipolazione di stringhe). Queste funzioni gestiscono la maggior parte dei casi in cui serva la traslitterazione di caratteri, e quindi abbiamo deciso di limitarci ad aggiungere le stesse funzioni a gawk, e di disinteressarci del resto.

Un miglioramento ovvio a questo programma sarebbe di impostare il vettore vettore_trad solo una volta, in una regola BEGIN. Tuttavia, ciò presuppone che le liste “da” e “a” non cambino mai durante tutta l’esecuzione del programma.

Un altro miglioramento ovvio è di consentire l’uso di intervalli, come ‘a-z’, come consentito dal programma di utilità tr. Si può trarre ispirazione dal codice di cut.awk (vedi la sezione Ritagliare campi e colonne).