一段awk代码的疑问

Question

ls -lS 当前目录文件如下：

total 24
-rwxr-xr-x 1 root root 463 Dec 11 21:34 remove_duplication.sh
-rw-r--r-- 1 root root 248 Dec 11 20:12 other
-rw-r--r-- 1 root root   6 Dec 11 20:10 test
-rw-r--r-- 1 root root   6 Dec 11 20:11 test_copy1
-rw-r--r-- 1 root root   6 Dec 11 20:11 test_copy2
-rw-r--r-- 1 root root   6 Dec 11 20:11 test_copy3

test和test_copy1， test_copy2，test_copy3内容一样，打算做一个去重的脚本，将内容重复的文件找出来，

是用awk做的，还没写完，但是发现了一些疑问

去重脚本如下(还未完成):

#! /bin/bash

ls -lS | awk 'BEGIN{
    getline;getline
    size=$5; lastName=$9
}

{
    currentName=$9
    if(size==$5) {
        "md5sum "lastName | getline;  csum1=$1;
        "md5sum "currentName | getline; csum2=$1;     
        if(csum1==csum2) {
            print lastName
            print currentName                             
        }
    };
    size=$5
    lastName=currentName       

} '

最终打印出的结果是：

test
test_copy1
test_copy2
test_copy3

结果显示这几个文件都是内容重复的，但是有个疑问为什么结果不是这样的？？

test
test_copy1
test_copy1
test_copy2
test_copy2
test_copy3

因为执行到第三行的时候test和test_copy1比较了，相同于是把两个文件名都打印了，

之后将当前的名字test_copy1赋给lastName，下一个循环继续比较，也就是test_copy2和test_copy1这两个应该满足条件，也就是test_copy1会被重复打印一遍，但是这里却没有，不知道为什么？

Answer 1

因为awk的代码段会执行每一行；

而在代码段中若调用getline就会继续读取一样，实际读取两行；

Answer 2

恩，你这个方式也不错，但是我想问的是，为什么我那个写最后结果不是这样的？ test test_copy1 test_copy1 test_copy2 test_copy2 test_copy3 按我理解应该test_copy1会被重复打印，但是却没有为什么呢？

Answer 3

回复
建议看一下getline的用法 http://bbs.chinaunix.net/thread-108596-1-1.html 我感觉是getline以后会覆盖 $1,$5等等这些变量。

Answer 4

用awk的数组

#!/bin/sh

#md5sum 算出所有的hash
#把hash相同的放到一个数组中
md5sum * | awk '{
	if($1 in a){
		a[$1]=a[$1]" "$2;
	}
    else{
		a[$1]=$2;
	}}
	END{
    for( i in a ){
		print a[i]
	}
}'