如何将一个变量分割成数组索引？

Question

这是一个典型的问题：给定一组值，检查它们是否存在于数组中。

在awk中，技巧val in array非常有效。因此，典型的想法是将所有数据存储在数组中，然后不断进行检查。例如，这将打印所有第一列值存在于该数组中的行。

awk 'BEGIN {<<initialize the array>>} $1 in array_var' file

然而，初始化数组需要一些时间，因为val in array检查索引val是否在array中，而我们通常存储在array中的是一组值。

当从命令行提供值时，这变得更加相关，因为这些值是我们想要包含作为数组索引的元素。例如，在这个基本示例中（基于我最近回答的一个问题，这激发了我的好奇心）：

$ cat file
hello 23
bye 45
adieu 99
$ awk -v values="hello adieu" 'BEGIN {split(values,v); for (i in v) names[v[i]]} $1 in names' file
hello 23
adieu 99

• split(values,v)将变量values切片成数组v[1]="hello"; v[2]="adieu"
• for (i in v) names[v[i]]用names["hello"]和names["adieu"]的空值初始化另一个数组names[]。这样，我们就可以对其进行以下操作：
• $1 in names检查第一列是否为names[]中的任何索引。

正如你所看到的，我们先将变量切片到临时变量v中，以便之后能够初始化最终有用的names[]变量。

除了设置一个变量并使用它的值作为最终数组的索引之外，还有更快的初始化数组索引的方法吗？

- fedorqui

Answer 1

不，那是最快的方法（由于哈希查找）和最稳健的方法（由于字符串比较），以实现您想要的功能。

这个：

BEGIN{split(values,v); for (i in v) names[v[i]]}

启动时只发生一次，几乎不需要时间，而这个：

$1 in array_var

每次输入一行数据时，需要进行哈希查找，这是需要优化性能的地方，也是将字符串值与一组字符串进行比较的最快方法。

- Ed Morton - SO stop bullying

Answer 2

不是数组解决方案，但一个技巧是使用模式匹配。为了消除部分匹配，将搜索和数组值用分隔符包装起来。对于你的例子，

$ awk -v values="hello adieu" 'FS values FS ~ FS $1 FS' file
hello 23
adieu 99

- karakfa

---

正则表达式比哈希查找慢，因此在性能方面可能会有所不同，您还必须处理数据中的正则表达式元字符，以避免产生错误匹配。 - Ed Morton