GAWK 数値にカンマを付加する

addcomma()

AWK の教科書「プログラミング言語AWK」に掲載されている addcomma() に手を加えて、筆者にとって使い勝手の良いものにしました。

テキスト全体に適宜カンマを付加する

addcomma_test.txt

ex1 文章中の数値この都市の人口は984586人であり、世帯数は667512世帯である。先月までの収支は-015612345円です。！訂正-156123450円新商品「RZ-11000RS」の発表は、2022/10/11を予定しています。(￥687000) 具材と1200ccの水を鍋に入れ、およそ1000ccになるまで煮込む。 1載(100000000000000000000000000000000000000000000) ex2 数式中の数値 12000.005+13200.01=25200.015 12000.005 + 13200.01 = 25200.015 ex3 認識番号他〒 345-6666 phone 090-999-9999 mail hoge179238@dodomo.com version gawk5 (5.1.2.7200) csv 1024,2048,3072,4096 => ssv 1024 2048 3072 4096 ex4 表 43276147 39821106 3455041 55811969 44246688 40691869 3554819 55364197 45362672 41687125 3675547 54952108 46999468 43126352 3873116 54594744

実行結果

awk_addcomma.awk

ACTION_01

   1 : #   awk_addcomma.awk
   2 : #   addcomma()とgetnum()を検証する
   3 : #   ファイルに存在する数値を走査し適宜カンマを付加
   4 : #   試験コマンド    gawk -f awk_getnum.awk addcomma_test.txt
   5 : 
   6 : #.  ACTION_01:数値検索とカンマ付加
   7 : {
   8 :     str = $0;
   9 :     newstr = "";
  10 :     do {
  11 :         tnum = getnum(str, startpos, nextpos, 1);   #mode=1 動作
  12 :         if (tnum) {                                 #数値発見/有効数値
  13 :             tstr = addcomma(tnum);
  14 :             newstr = newstr substr(str, 1, startpos[0] - 1) tstr;
  15 :             str = substr(str, nextpos[0]);
  16 :         }
  17 :         else if (startpos[0]) {                     #数値発見/無効数値
  18 :             newstr = newstr substr(str, 1, nextpos[0] - 1);
  19 :             str = substr(str, nextpos[0]);
  20 :         }
  21 :         else print newstr substr(str, 1);           #数値がなくなった
  22 :     } while (startpos[0])
  23 : }

getnum()

  24 : #.  getnum(): 文字列から恣意的または妄信的に数値を取得
  25 : #   戻値:       文字列としての数値(指数表記除外) or ""
  26 : #   str:in:     文字列
  27 : #   spos:out:   数値候補位置(先頭)
  28 : #   npos:out:   次候補検索位置(検査済み位置 + 1)
  29 : #   mode:in:    0 あらゆる数値を拾う  1 少しスマートに数値を拾う
  30 : function getnum(str, spos, npos, mode,    rlen, num) {
  31 :     #数値候補を検索
  32 :     if (mode) spos[0] = match(str, /[a-zA-Z%]?[0-9.,\-+*/\^=><]+/);
  33 :     else spos[0] = match(str, /-?[0-9]+\.?[0-9]*/);
  34 :     if (!spos[0]) return "";
  35 : 
  36 :     rlen = RLENGTH;
  37 :     npos[0] = spos[0] + rlen;
  38 :     num = substr(str, spos[0], rlen);                           #候補数値
  39 :     match(num, /-?([1-9][0-9]*|0|([1-9][0-9]*\.|0\.)[0-9]+)/);  #精査
  40 :     if (RLENGTH == rlen) return num;                            #有効数値
  41 :     else return "";
  42 : }

addcomma()

  43 : #.  addcomma(): 3桁毎にカンマ付加
  44 : #   戻値:       カンマを付加した数値(文字列型)
  45 : #   x:in:       数値(文字列型) addcomma("9999")
  46 : #   別関数等で引数チェック(数値)が必要
  47 : function addcomma(x,    num, fms, pos, itg, flt) {
  48 :     if (x !~ /^-/) { num = x; fms = 0; }
  49 :     else { num = substr(x, 2); fms = 1; }
  50 :     
  51 :     if (pos = index(num, ".")) {
  52 :         itg = substr(num, 1, pos);
  53 :         flt = substr(num, pos + 1);
  54 :     }
  55 :     else itg = num ".";
  56 :     
  57 :     while (itg ~ /[0-9][0-9][0-9][0-9]/)
  58 :         sub(/[0-9][0-9][0-9][,.]/, ",&", itg);
  59 : 
  60 :     (pos) ? num = itg flt : num = substr(itg, 1, length(itg) - 1);
  61 :     (fms) ? num = "-" num : 0;
  62 :     return num;
  63 : }

：

数表のみにカンマを適用するのであれば、getnum()は重いので、以下のように使用すると、軽くなります。当社比 1/5。addcomma() は引数の数値チェック必須です。

上記と違い、数値として扱いますので、53bit までとなります。($i == $i + 0)

   1 : #   awk_addcomma_s.awk
   2 : #   数表専用
   3 : 
   4 : #.  BEGIN: 加工後のセパレータ
   5 : BEGIN {
   6 :     sep = " ";
   7 : }
   8 : #.  ACTION_01: 数値チェックしてカンマ付加
   9 : {
  10 :     str = "";
  11 :     for (i = 1; i < NF; i++) {
  12 :         if ($i == $i + 0) str = str addcomma($i) sep;
  13 :         else str = str $i sep;
  14 :     }
  15 :     if ($NF == $NF + 0) print str addcomma($NF);
  16 :     else print str $NF;
  17 : }