awk 便利な文字列関数 gsub sub match index split 等

バイオインフォ道場、くまぞうです。

awkには便利な組み込み文字列関数がいくつか準備されています。代表的なものの使い方を紹介します。

awk 文字列関数

awkの組み込み文字列関数には、文字列置換・部分文字列・文字列検索・その他(長さ・大文字小文字変換)などが準備されています。

スポンサーリンク



関連記事
awk 区切り文字とフィールド
awk パターンとアクション
awk よく使うシステム変数と使い方

オススメ記事
awk if 三項演算子 条件文の使い方
awk 配列 使い方
awk 複数行の処理

文字列置換 gsub sub

gsub・subは、対象となる文字列tについて正規表現rにマッチした部分を置換文字列sで置換します。なお、gsubはマッチした部分全てを置換・subは最初にマッチした部分のみを置換。尚、対象となる文字列が指定されない場合は、$0(行全体・レコード全体)が対象となります。

書式

  gsub(正規表現r, 置換文字列s, 対象となる文字列t (省略時、$0))
   sub(正規表現r, 置換文字列s, 対象となる文字列t (省略時、$0))

実行と結果

gsubの場合は全ての”test”を”TEST”に置き替え。subの場合は、最初の”test”だけ”TEST”に置き替えます。

$ echo "test1 test2" | awk '{ if (gsub(/test/, "TEST")) print }'
TEST1 TEST2
$ echo "test1 test2" | awk '{ if (sub(/test/, "TEST")) print }'
TEST1 test2

部分文字列 substr

substrは、対象となる文字列tについて指定ポジションp以降で長さnの部分文字列を作成します。長さが指定されない場合は、文字列の最後まで。

書式

  substr(対象となる文字列t, 位置p, 長さn (省略時、文字列tの最後まで))

実行と結果

“abcd…”の10番目(j)以降で部分文字列を作成します。長さを指定すると、指定長さで部分文字列を作成します。

$ echo "abcdefghijklmn" | awk '{ print substr($0, 10)}' 
jklmn
$ echo "abcdefghijklmn" | awk '{ print substr($0, 10, 3)}' 
jkl

部分文字列 split

splitは、対象となる文字列tについてセパレータsで分解し、配列aに部分文字列を格納します。

書式

  split(対象となる文字列t, 配列a, セパレータs (省略時、セパレータFS))

関連記事
awk split 文字列分割 使い方

文字列検索(文字列で探す) index

indexは、対象となる文字列tから部分文字列sを探してヒットした位置を返します。ヒットしなければ0を返します。

書式

  index(対象となる文字列t, 部分文字列s)

実行と結果

“abcd…”の中から部分文字列”jkl”が見つけてヒットした位置10を返します。部分文字列を大文字に変更すると、見つからないので0を返します。

$ echo "abcdefghijklmn" | awk '{ print index($0, "jkl")}' 
10
$ echo "abcdefghijklmn" | awk '{ print index($0, "JKL")}' 
0

文字列検索(正規表現で探す) match

matchは、対象となる文字列tから正規表現rにヒットする先頭位置を返します。ヒットしなければ0を返します。尚、RSTARTとRLENGTHに先頭位置・長さの値を格納します。

書式

  match(対象となる文字列t, 正規表現r)

実行と結果

“abc123…”の中から正規表現/[0-9]+/(数字の連続)にヒットした位置を見つけて先頭の4を返します。RSTARTも4、RLENGTHは3です。正規表現を/[A-Z]+/(大文字アルファベットの連続)に変更すると、見つからないので0を返します。RSTARTも0、RLENGTHは−1です。

$ echo "abc123ghijklmn" | awk '{ print match($0, /[0-9]+/); print RSTART, RLENGTH}' 
4
4 3
$ echo "abc123ghijklmn" | awk '{ print index($0, /[A-Z]+/); print RSTART, RLENGTH}' 
0
0 -1

その他の文字列関数 tolower, toupper, length

tolowerとtoupperは文字列の大文字・小文字変換です。lengthは文字列の長さを返します。

実行と結果

$ echo "abcdefghijklmn" | awk '{ print toupper($0)}' 
ABCDEFGHIJKLMN

$ echo "abcdefghijklmn" | awk '{ print length($0)}' 
14

人気記事
R 使い方 集計に便利な関数 aggregate
R 使い方 文字列処理(文字列検索・文字列置換)
R 使い方 debug(デバッグ)方法 スクリプトの書き方

スポンサーリンク