awk为什么存储的数组未按相同顺序检索

我有以下数据

SB 1.2.27: SB 1.2.27
SB 1.2.28: SB 1.2.28, SB 1.2.29, SB 1.2.28-29
SB 1.2.29: SB 1.2.28, SB 1.2.29, SB 1.2.28-29
SB 1.2.30: SB 1.2.30
SB 1.3.1: SB 1.3.1
SB 1.21.1: SB 1.21.1

我使用下面的脚本来提取第二列中唯一的部分

我得到的结果是：

SB 1.2.28-29: SB 1.2.28, SB 1.2.29, SB 1.2.28-29
SB 1.2.30: SB 1.2.30
SB 1.2.27: SB 1.2.27
SB 1.3.1: SB 1.3.1
SB 1.21.1: SB 1.21.1

我期待着：

SB 1.2.27: SB 1.2.27
SB 1.2.28-29: SB 1.2.28, SB 1.2.29, SB 1.2.28-29
SB 1.2.30: SB 1.2.30
SB 1.3.1: SB 1.3.1
SB 1.21.1: SB 1.21.1

而且也不是

SB 1.2.27: SB 1.2.27
SB 1.2.28-29: SB 1.2.28, SB 1.2.29, SB 1.2.28-29
SB 1.2.30: SB 1.2.30
SB 1.21.1: SB 1.21.1  (* this should be next)
SB 1.3.1: SB 1.3.1

---

我的标准方法是使用第二个数值索引数组，如

awk 'BEGIN{FS=": "; num_elms = 0;}{
    if not ($2 in sloka) {
        num_elms++
        lookup[num_elms] = $2
    }
    # I want only the dash part not the whole $2. eg: SB 1.2.28-29
    if(match($0,/(SB [0-9]+\.[0-9]+\.[0-9]+-[0-9]+)$/,hare)){
        sloka[$2] = hare[1]
    }else{
        sloka[$2]= $1
    }
}END{
    for (i = 1; i <= num_elms; i++){
        print sloka[lookup[i]]": "lookup[i]
    }
}' DATA.TXT

---

注意：我没有对此进行测试，但它显示了模式。

我的标准方法是使用第二个数字索引数组，如

awk 'BEGIN{FS=": "; num_elms = 0;}{
    if not ($2 in sloka) {
        num_elms++
        lookup[num_elms] = $2
    }
    # I want only the dash part not the whole $2. eg: SB 1.2.28-29
    if(match($0,/(SB [0-9]+\.[0-9]+\.[0-9]+-[0-9]+)$/,hare)){
        sloka[$2] = hare[1]
    }else{
        sloka[$2]= $1
    }
}END{
    for (i = 1; i <= num_elms; i++){
        print sloka[lookup[i]]": "lookup[i]
    }
}' DATA.TXT

---

注意：我没有测试这个，但它显示了模式。

真的不清楚你想做什么-是这样吗

$ awk -F'[:,] ' '!seen[$NF]++{sub(/[^:]+/,$NF); print}' file
SB 1.2.27: SB 1.2.27
SB 1.2.28-29: SB 1.2.28, SB 1.2.29, SB 1.2.28-29
SB 1.2.30: SB 1.2.30
SB 1.3.1: SB 1.3.1
SB 1.21.1: SB 1.21.1

---

真的不清楚你想做什么-是这样吗

$ awk -F'[:,] ' '!seen[$NF]++{sub(/[^:]+/,$NF); print}' file
SB 1.2.27: SB 1.2.27
SB 1.2.28-29: SB 1.2.28, SB 1.2.29, SB 1.2.28-29
SB 1.2.30: SB 1.2.30
SB 1.3.1: SB 1.3.1
SB 1.21.1: SB 1.21.1

---

在awk中，所有数组实际上都是散列。如果你用数字索引它们，就有可能保持顺序。如果使用字符串进行索引，则没有orderok。我不知道，我要试试看index@SanthoshYedidi：您正在使用GNU awk吗？awk之后-版本号为awk 4.2.1，API:2.0 GNU MPFR 4.0.2，GNU MP 6.1.2在awk中所有数组实际上都是散列。如果你用数字索引它们，就有可能保持顺序。如果使用字符串进行索引，则没有orderok。我不知道，我要试试看index@SanthoshYedidi：您正在使用GNU awk吗？awk后版本-版本号NU awk 4.2.1，API:2.0 GNU MPFR 4.0.2，GNU MP 6.1.2它将用-重复这些值。但是现在我可以得到唯一的值了，我对脚本做了一些修改。这可能满足您的需要Nowk内置字段、字符串位置和数组索引都从1开始，而不是从0开始，因此您应该对用户定义的数组执行相同的操作，以避免任何混淆-您不需要num_elms=0；这是默认值，然后执行查找[++num_elms]=$2，而不是查找[num_elms]=$2；num_elms++并为i=1创建循环；我@Ed Morton我已经添加了你的一些建议。我认为如果变量被初始化，这不应该被视为一个缺陷。此外，我个人不喜欢在为数组单元格赋值时增加索引。我不保存任何作业，作业后的增量对我来说更容易阅读。我尽量保留OP的原始代码。这使OP更容易理解这些变化。@EdMorton感谢您指出这一点。修好了。C程序员应该坚持从零开始计数-它将使用-，重复这些值。但是现在我可以得到唯一的值了，我对脚本做了一些修改。这可能满足您的需要Nowk内置字段、字符串位置和数组索引都从1开始，而不是从0开始，因此您应该对用户定义的数组执行相同的操作，以避免任何混淆-您不需要num_elms=0；这是默认值，然后执行查找[++num_elms]=$2，而不是查找[num_elms]=$2；num_elms++并为i=1创建循环；我@Ed Morton我已经添加了你的一些建议。我认为如果变量被初始化，这不应该被视为一个缺陷。此外，我个人不喜欢在为数组单元格赋值时增加索引。我不保存任何作业，作业后的增量对我来说更容易阅读。我尽量保留OP的原始代码。这使OP更容易理解这些变化。@EdMorton感谢您指出这一点。修好了。C程序员应该坚持从零开始计数-对现在正确了！看到[$NF]++根据最后一列值分隔，然后替换。是。现在正确了！看到[$NF]++根据最后一列值分隔，然后替换。