awk split | サンプルでわかる列の分割とセパレータ指定方法

awkのsplit関数は、セパレータを指定して文字列を分割することができます。セパレータには文字や正規表現で指定できて、指定しない場合はフィールドセパレータがデリミタとして使われます。分割後の単語は、配列に格納されて1〜分割数nまでのインデックス番号で取り出すことができます。

awk split 列をセパレータで分割する

書き方

awkのsplit関数には、分割対象となる文字列(列番号などを指定)、分割後のデータ格納先(配列名)、区切り文字(デフォルトはフィールドセパレーター)を指定します。戻り値は、分割された数です。

n = split(strings, array, separater)

awk split セパレータの指定方法

セパレータには文字を直接指定したり、正規表現でパターンを指定することができます。指定しない場合は、そのときのフィールドセパレータがデリミタとして使われます。フィールドセパレータのデフォルト値は、「」です。

「1文字」指定

ファイルを読み込んで、列をカンマで分割し、分割された単語の先頭(1番目)と最後(3番目:n)を表示しました。

1: $cat > my.dat <<EOF
2: > # header
3: > 1,2,3
4: > EOF
5: 
6: $ cat my.dat | awk '!/^#/{n=split($0, ary, ","); print(ary[1], ary[n])}'
7: 1 3

正規表現を指定

ファイルを読み込んで、列をカンマまたはセミコロン(正規表現で/[,;]/)で分割し、分割された単語の先頭(1番目)と最後(3番目:n)を表示しました。

1: $cat > my.dat <<EOF
2: > # header
3: > 1,2;3
4: > EOF
5: 
6: $ cat my.dat | awk '!/^#/{n=split($0, ary, /[,;]/); print(ary[1], ary[n])}'
7: 1 3

フィールドセパレーターを指定(デリミタ省略)

ファイルを読み込んで、列をスペース(フィールドセパレーター)で分割し、分割された単語の先頭(1番目)と最後(3番目:n)を表示しました。

1: $cat > my.dat <<EOF
2: > # header
3: > 1 2 3
4: > EOF
5: 
6: $ cat my.dat | awk '!/^#/{n=split($0, ary); print(ary[1], ary[n])}'
7: 1 3

分割後の単語を配列から取り出す

ファイルで読み込んだ行をカンマ(,)で分割し、分割後の単語を配列データとしてfor文で利用しています。

1: $cat > my.dat <<EOF
2: > # header
3: > 1,2,3
4: > EOF
 1: $ cat awk_split.awk
 2: !/^#/ {
 3:     n = split($0, ary, ",")
 4: 
 5:     for (x in ary) {
 6:       if (x != n)
 7:         printf("%s - ", ary[x])
 8:       else
 9:         printf("%s", ary[x])
10:     }
11:     printf("\n")
12: }
1: $ awk -f awk_split.awk my.dat
2: 1 - 2 - 3

まとめ

  • awkのsplit関数は、文字列を分割することができる。
  • セパレータには、文字や正規表現を指定する。省略した場合は、フィールドセパレータ。
  • 分割後の単語は、配列に格納される。1〜分割数nまでのインデックス番号でアクセス可能。

実験データの解析や論文用グラフ作成のヒントになりそうな、プログラミング・統計処理の参考になる書籍をまとめて紹介しています。是非、参考にしてみて下さいね。