gawk / awk：将日期管道传输到 getline *有时*不起作用

Question

我正在尝试将日期从一种格式转换为另一种格式： 例如从“2005年10月29日”到2005年10月29日。 我有 625 个日期的列表。我用awk。

大多数情况下，这种转换是有效的。 然而，有时转换根本不会发生， 并且应该保存（转换后的）日期的变量仍然存在 不明确的。

这种情况总是发生在完全相同的行上。 在日期上显式运行“date”（从 Bash shell） 这些奇怪的行工作正常（日期已正确转换）。 -- 重要的不是这些行的文本内容。

为什么会出现这种行为？如何修复我的脚本？
她是：

awk 'BEGIN { FS = "unused" } { 
  x = "undefined";
  "date \"+%Y-%m-%d\" -d " $1 | getline x ;
  print $1 " = " x
}' uBXr0r15.txt \
 > bug-out-3.txt

如果您想重现此问题：

1. 下载此文件：uBXr0r15.txt。
2. 运行 awk 脚本。
3. 在 bug-out-3.txt 中搜索“未定义”。
   （在我的电脑上，“undefined”出现了 122 次。）

然后你可以再次运行该脚本， 并且（在我的计算机上）bug-out-3.txt 仍然存在 不变——完全相同的日期未定义。

（Gawk 版本 3.1.6，Ubuntu 9.10。）

亲切的问候， Magnus

Answer 1

每当您在 awk 中打开管道或文件进行读取或写入时，后者将首先检查（使用内部哈希）它是否已有管道或文件同名（仍然）打开；如果是这样，它将重用现有的文件描述符，而不是重新打开管道或文件。

在您的情况下，所有最终为 undefined 的条目实际上都是重复的；第一次遇到它们时（即首次发出相应的命令 date "..." -d "..." 时），正确的结果会被读入 x。在后续出现相同日期时，getline 会尝试从原始 date 管道中读取第二、第三等行，即使该管道已被 关闭date，导致不再分配x。

来自 gawk 手册页：

注意：如果使用管道、协进程或套接字来获取线路，或者
来自循环内的 print 或 printf，
您必须使用 close() 来创建新的
命令或套接字的实例。 AWK 不会自动
关闭管道、套接字或协进程
当他们返回 EOF 时。

每次读完 x 后，您都应该显式地关闭管道：

close("date \"+%Y-%m-%d\" -d " $1)

顺便说一句，sort 和 uniq 可以吗？ code> uBXr0r15.txt 在管道输入 awk 之前，或者您是否需要原始排序/复制？

Answer 2

虽然我喜欢 awk，但这并不是必需的。

tr -d '"' < uBXr0r15.txt | 日期 +%Y-%m-%d -f -

Answer 3

 gawk 'BEGIN{
       m=split("January|February|March|April|May|June|July|August|September|October|November|December",d,"|")
       for(o=1;o<=m;o++){
          months[d[o]]=sprintf("%02d",o)
       }
       FS="[, ]"
    }
    {
      gsub(/["]/,"",$1)
      gsub(/["]/,"",$4)
      t=mktime($4" "months[$1]" "$2" 0 0 0")
      print strftime("%Y-%m-%d",t)
    }' uBXr0r15.txt

在 gawk 中执行所有操作都会比调用外部命令更快。