4.1.2 Divisione dei record con gawk

Quando si usa gawk, il valore di RS non è limitato a una stringa costituita da un solo carattere. Se contiene più di un carattere, è considerato essere un’espressione regolare (vedi la sezione Espressioni regolari). (e.c.) In generale, ogni record termina alla stringa più vicina che corrisponde all’espressione regolare; il record successivo inizia alla fine della stringa che corrisponde. Questa regola generale è in realtà applicata anche nel caso normale, in cui RS contiene solo un ritorno a capo: un record termina all’inizio della prossima stringa che corrisponde (il prossimo ritorno a capo nell’input), e il record seguente inizia subito dopo la fine di questa stringa (al primo carattere della riga seguente). Il ritorno a capo, poiché corrisponde a RS, non appartiene a nessuno dei due record.

Quando RS è un singolo carattere, RT contiene lo stesso singolo carattere. Peraltro, quando RS è un’espressione regolare, RT contiene l’effettivo testo in input corrispondente all’espressione regolare.

Se il file in input termina senza che vi sia un testo che corrisponda a RS, gawk imposta RT alla stringa nulla.

Il seguente esempio illustra entrambe queste caratteristiche. In quest’esempio RS è impostato a un’espressione regolare che cerca sia un ritorno a capo che una serie di una o più lettere maiuscole con uno spazio vuoto opzionale iniziale e/o finale:

$ echo record 1 AAAA record 2 BBBB record 3 |
> gawk 'BEGIN { RS = "\n|( *[[:upper:]]+ *)" }
>             { print "Record =", $0,"e RT = [" RT "]" }'

-| Record = record 1 e RT = [ AAAA ]
-| Record = record 2 e RT = [ BBBB ]
-| Record = record 3 e RT = [
-| ]

Le parentesi quadre racchiudono il contenuto di RT, rendendo visibile lo spazio vuoto iniziale e quello finale. L’ultimo valore di RT è un ritorno a capo. Vedi la sezione Un semplice editor di flusso per un esempio più utile su RS come espressione regolare e su RT.

Se si imposta RS a un’espressione regolare che consente del testo finale opzionale, come ‘RS = "abc(XYZ)?"’ è possibile, per via di limitazioni dell’implementazione, che gawk possa trovare la parte iniziale dell’espressione regolare, ma non la parte finale, in modo particolare se il testo di input che potrebbe avere una corrispondenza con la parte finale è piuttosto lungo. gawk cerca di evitare questo problema, ma al momento non ci sono garanzie che questo funzioni sempre.

NOTA: Si ricordi che in awk, i metacaratteri di ancoraggio ‘^’ e ‘$’ trovano l’inizio e la fine di una stringa, e non l’inizio e la fine di una riga. Come risultato, qualcosa come ‘RS = "^[[:upper:]]"’ può solo corrispondere all’inizio di un file. Questo perché gawk vede il file in input come un’unica lunga stringa in cui possono essere presenti dei caratteri di ritorno a capo. È meglio perciò evitare metacaratteri di ancoraggio nel valore di RS.

L’uso di RS come espressione regolare e la variabile RT sono estensioni gawk; non sono disponibili in modalità compatibile (vedi la sezione Opzioni sulla riga di comando). In modalità compatibile, solo il primo carattere del valore di RS determina la fine del record.

mawk ha permesso che RS fosse un’espressione regolare da decenni. A partire dall’ottobre 2019, anche BWK awk lo permette. Nessuna delle due versioni, tuttavia, fornisce RT.

BEGIN { RS = "\0" }  # l'intero file diventa un record?