¿Cómo funciona awk '! A [$ 0] ++'?

Esta línea única elimina las líneas duplicadas de la entrada de texto sin ordenarlas previamente.

Por ejemplo:

$ cat >f
q
w
e
w
r
$ awk '!a[$0]++' <f
q
w
e
r
$ 

El código original que he encontrado en Internet dice:

awk '!_[$0]++'

Esto fue aún más desconcertante para mí, ya que asumí _que tenía un significado especial en awk, como en Perl, pero resultó ser solo el nombre de una matriz.

Ahora, entiendo la lógica detrás de una línea: cada línea de entrada se usa como una clave en una matriz de hash, por lo tanto, al finalizar, el hash contiene líneas únicas en el orden de llegada.

Lo que me gustaría aprender es cómo awk interpreta exactamente esta notación. Por ejemplo, qué significa el signo de explosión ( !) y los otros elementos de este fragmento de código.

¿Como funciona?

Veamos,

 !a[$0]++

primero

 a[$0]

nos fijamos en el valor de a[$0](matriz acon toda la línea de entrada ( $0) como clave).

Si no existe (si la !negación en la prueba se evaluará como verdadera)

 !a[$0]

imprimimos la línea de entrada $0(acción predeterminada).

Además, agregamos uno ( ++) a a[$0], por lo que la próxima vez !a[$0]se evaluará como falso.

Bien, encuentra !! ¡Deberías echar un vistazo al código golf!

Aquí está el procesamiento:

• a[$0]: mira el valor de la clave $0, en una matriz asociativa a. Si no existe, créelo.

• a[$0]++: incrementa el valor de a[$0], devuelve el valor anterior como valor de expresión. Si a[$0]no existe, devuelva 0e incremente a[$0]a 1(el ++operador devuelve un valor numérico).

• !a[$0]++: niega el valor de la expresión. Si a[$0]++devuelve 0, toda la expresión se evalúa como verdadera, realice la awkacción predeterminada realizada print $0. De lo contrario, toda la expresión se evalúa como falsa, las causas awkno hacen nada.

Referencias

• Expresión en awk
• gawk - Operadores de incremento y decremento

Con gawk, podemos usar dgawk (o awk --debugcon una versión más nueva) para depurar un gawkscript. Primero, cree un gawkscript, llamado test.awk:

BEGIN {                                                                         
    a = 0;                                                                      
    !a++;                                                                       
}

Entonces corre:

dgawk -f test.awk

o:

gawk --debug -f test.awk

En la consola del depurador:

$ dgawk -f test.awk
dgawk> trace on
dgawk> watch a
Watchpoint 1: a
dgawk> run
Starting program: 
[     1:0x7fe59154cfe0] Op_rule             : [in_rule = BEGIN] [source_file = test.awk]
[     2:0x7fe59154bf80] Op_push_i           : 0 [PERM|NUMCUR|NUMBER]
[     2:0x7fe59154bf20] Op_store_var        : a [do_reference = FALSE]
[     3:0x7fe59154bf60] Op_push_lhs         : a [do_reference = TRUE]
Stopping in BEGIN ...
Watchpoint 1: a
  Old value: untyped variable
  New value: 0
main() at `test.awk':3
3           !a++;
dgawk> step
[     3:0x7fe59154bfc0] Op_postincrement    : 
[     3:0x7fe59154bf40] Op_not              : 
Watchpoint 1: a
  Old value: 0
  New value: 1
main() at `test.awk':3
3           !a++;
dgawk>

Puedes ver, Op_postincrementfue ejecutado antes Op_not.

También puede usar sio en stepilugar de so steppara ver más claramente:

dgawk> si
[     3:0x7ff061ac1fc0] Op_postincrement    : 
3           !a++;
dgawk> si
[     3:0x7ff061ac1f40] Op_not              : 
Watchpoint 1: a
  Old value: 0
  New value: 1
main() at `test.awk':3
3           !a++;