awkの使い方【文学・歴史資料のデジタル加工入門8】 （木越 治）
●awkで何ができるか
まず、awkを使うと何が出来るのか、を説明しよう。以下、前回のサンプルデータを再度示する。
=======================================
9:10,趣味の会,11:40,2017,01,17
13:30,大学講義（大学院）,15:00,2017,01,18
15:00,大学講義（学部）,17:00,2017,01,18
14:50,大学特講,16:20,2017,01,19
19:00,コンサート,21:30,2017,01,19
12:00,読書会,14:30,2017,01,20
=======================================
これを、どう変形したかというと、一行目のデータを例にしていえば、
echo 9:10から趣味の会 >> 20170117.txt
というふうに出力させたわけである。
こういう作業を行う際に、awkは抜群の威力を発揮する。
●準備するものは？
準備するものは以下のふたつである。
1 加工したいテキストファイル（カンマ区切り形式）
2 スクリプトファイル
それぞれ順を追って説明しよう。
1 加工したいテキストファイル ── 特に、カンマ区切り形式ファイルについて
grep・sed・awk 等を利用するときには、もとのデータファイルがどんな形式になっており、どういう形式にしたいか、ということをしっかりと把握しておく必要がある。
いまのデータを例にすると、
9:10,趣味の会,11:40,2017,01,17
これがデータの一単位である。awk等のプログラム用に、わかりやすく言い換えると、
1つのデータは、改行（\n）によって区切られている。
という言い方になる。また、データの中味はどうなっているかというと、
開始時間,予定の内容,終了時間,開始年,開始月,開始日
というふうに並んでいる。これをプログラム的に言い換えると、
１つのデータは、６つのデータフィールドから成り、データフィールドの区切り文字は「,」である。
となる。
2 スクリプトファイル
awkは、データファイルを読み込み、スクリプトファイルに書かれている指示を読み込んだデータファイルに対して施し、その結果をはき出す、というのが動作の基本である。だから指示を書き込む前に、読み込むデータの形式がどうなっているか、また、はき出すときには、どういう形式にするかを指定してやらないといけない。
今回awkに実行させるのは以下のようなスクリプトファイルである。
=======================================
BEGIN { FS=”,” ; ORS=”\n” }
{ print “echo “$1″より”$2″>>”$4$5$6″.txt”
}
=======================================
2017年１月のカレンダーから取り出した予定ファイル（カンマ区切り形式）を「201701yotei.csv」（＝awkに読み込ませるファイル）とし、このスクリプトファイルを「diary.awk（拡張子をawkとしているのは、awk用のスクリプトであることを明示的に示すためである）」とし、日記をつくり出すバッチファイル（＝awkに吐き出させるファイル）を「201701diary.bat」としておこう*。
*なお、これらのファイル名は自分で自由にきめればよいのであるが、後で見たときに何のためのファイルかわかりやすいように、また、コマンドライン上で打ち込みやすいように、半角数字とアルファベットだけのファイル名にしてある。
以上のファイルに対して、コマンドライン上で、
gawk -f diary.awk 201701yotei.csv > 201701diary.bat
という一行を実行するだけである。こうしてできあがった「201701diary.bat」を実行すれば（Windows上でダブルクリックするか、または、コマンドライン上でこのファイル名を入力してリターンキーを押す）、前回のように、もとの日記ファイルに予定が書き込まれるわけである。
なお、いうまでもないことだが、このバッチファイルが書き込む対象としている2017年1月の日記書き込み用ファイル＝日付と曜日が先頭行にある20170101.txt～20170131.txtというファイルがすでに存在していることが、この作業の前提である。
