来自awk和nawk的不同结果

Question

我只是在一个有大约2.5亿条记录的文件上运行了这两个命令。

awk '{if(substr($0,472,1)=="9") print $0}' < file1.txt >> file2.txt

和

nawk '{if(substr($0,472,1)=="9") print $0}' < file1.txt >> file2.txt

记录长度为482。第一个命令在file2.txt中给出了正确的记录数，即6000万条，但是nawk命令只给出了420万条记录。

我很困惑，想知道是否有人遇到过这样的问题。如何在内部以不同的方式处理这个简单的命令？在使用nawk时，是否有一个只能容纳一定数量字节的缓冲区？

如果有人能把这件事弄清楚会很感激的。

我的操作系统细节是

SunOS <hostname> 5.10 Generic_147148-26 i86pc i386 i86pc

Answer 1

不同之处可能在于Nawk的缓冲极限。在输入文件中找到的一条记录(行)可能已经超过了它。

这条关键路线可以在awk.h中找到。

#define RECSIZE (8 * 1024)  /* sets limit on records, fields, etc., etc. */

Answer 2

您的命令可以简化为以下内容：

awk 'substr($0,472,1)==9'

在Solaris (您正在使用)上，在默认情况下运行awk时，您正在运行旧的、已损坏的awk (/usr/bin/awk)，因此我怀疑nawk是产生正确结果的那个。

使用相同的脚本/参数运行/usr/xpg4 4/bin/awk，并查看它的输出符合哪些其他结果。

另外，通过在输入文件上运行dos2unix来检查它是否是在Windows上创建的，看看它的大小是否发生了变化，如果是的话，在修改后的文件上重新运行awk命令。如果它是在Windows上创建的，那么它就会有一些控制措施，可能会造成混乱。