awkのコマンドの意味がわからない

Question

下記コマンドの意味が分からなくて困っています。

awk '{a[$1FS$2]=a[$1FS$2]FS$NF} END {for(i in a) print i a[i]}' file.txt

file.txt

  A 123 BC
  A 123 DD
  A 123 TT
  B 456 AA
  B 456 RR
  C 789 EE
  A 123 GT

特に、{a[$1FS$2]=a[$1FS$2]FS$NF}がよくわからないのですが、NFはフィールド数、FSはデフォルトのセパレータなので空白スペースだと認識しているのですが、なぜ、それで結果が

A 123 BC DD TT GT
C 789 EE
B 456 AA RR

となるのでしょうか。

Comments

[SugiTK]

うちの awk では違う結果になりました。file.txt は合ってますでしょうか?

Answer 1

スクリプトは第一第二フィールドを空白を挟んで連結した文字列をキーとした連想配列を使ってますので、第一第二フィールドが共通な行について最後のフィールドを連想配列aの要素として連結していくという意味になります。NFは常に3になります。そのため$NFは$3すなわち３番目のフィールド＝最後のフィールドという意味になります。

ENDではaのキーを取り出してそのキーの要素をキーとともに印字しているだけです。

どこが腑に落ちないか今一つはっきりしませんが、aが連想配列であるという点に気づかれてないのだろうと推測しました。

例えば最初の行は次のような雰囲気で実行されます。

a['A 123']=a['A 123']" BC"

Comments

[imamoto_browser]

ここでのENDはlinuxでいうパイプのような役割と考えてよいのでしょうか。BEGINは必須ではないということですよね？

[KSwordOfHaste]

かなり違います。パイプなら前段のコマンドと並行して後段が同時に動きます。awkのENDは入力行の処理が全て終わった後で(入力をEOFまで処理し終わった後で)実行されます。

[imamoto_browser]

なるほどフックされるタイミングがちがうというわけですか。awkは使い倒して慣れていくしかないですね。

[KSwordOfHaste]

大抵は「awkとはこういうもの」という肝心な点だけ押さえておいて、実際に使う機会が来た時に細かな点を覚えるのが一番頭に入ると思います。自分はlinuxのコマンドを端から端まで全部覚えていられるほど記憶力はよくないので、知りたくなった時に調べるようにしています。

Answer 2

http://lagendra.w3.kanazawa-u.ac.jp/ogurisu/manuals/awk/intro/node26.html

こちらの解説を読むと理解できるかと思いますがいかがでしょうか。
NF と $NF は違いますのでご注意ください。

file.txt はこの内容が正しそうですね。

A 123 BC
A 123 DD
A 123 TT
B 456 AA
B 456 RR
C 789 EE
A 123 GT