match関数の第三引数とは #gawk

gawkを本格的に使おうとすると、match関数を使いこなさないといかんのだけど、この関数はアウトプットをグローバル変数とパラメータの配列への参照と戻り値の3つに出すという酷い仕様なんだよな

gawk の match関数でキャプチャーした部分文字列が格納される配列を入れる第三引数、実は今日まで知らなかったのだけれども、ググってみたら書いてない記事も多い（第二引数までしか書いてない）。比較的新しい仕様なんだろうか…

• The GNU Awk User's Guide - 組み込み関数 April, 1999
  • 1999年時点では match の引数は２つしかない
• Man page of GAWK
  • 2000年。こちらも２つだけ
• gawk(1): pattern scanning/processing language - Linux man page
  • 2009年。こちらだと第三引数が登場している！

gawk(1): pattern scanning/processing language - Linux man page より：

match(s, r [, a])

Returns the position in s where the regular expression r occurs, or 0 if r is not present, and sets the values of RSTART and RLENGTH. Note that the argument order is the same as for the ~ operator: str ~ re. If array a is provided, a is cleared and then elements 1 through n are filled with the portions of s that match the corresponding parenthesized subexpression in r. The 0'th element of a contains the portion of s matched by the entire regular expression r. Subscripts a[n, "start"], and a[n, "length"] provide the starting index in the string and length respectively, of each matching substring.

s においてで正規表現 r にマッチする位置を返す。もし存在しなければ 0 を返す。そして（グローバル変数の） RSTART と RLENGTH に値を設定する。引数の順番は ~ （チルダ）と同じである： str ~ re。配列 a が与えられている場合、a はクリアして、要素１～ n は r における対応する括弧式にマッチするsの部分（文字列）で満たされる。添字 a[n,"start"] と a[n,"length"] は、おのおののマッチする部分文字列の開始位置と長さを提供する。

脱線するけど英語表現が勉強になる

• elements 1 through n ： 1～n の要素
• provide：与える、提供する的な
• portion：部分（最初 position の綴ミスかと思った。port-ion なのね）
  ：

• とほほのAWK入門 - とほほのWWW入門

最新の match 関数に対応していて、第三引数もちゃんと記述されている。それだけでなく、@include や @load など、俺の知らなかった新機能まで！すごいな「とほほのAWK入門」！
（でも、ライブラリまで使うなら、もう Go とか使ったほうがいいんじゃね？とか思ってしまう。そんなことよりも、改行コードを要素に含む CSV でも読めるようにしてほしいわ）

具体的なバージョンとしては

• 5.0.0 (git についてきたやつ）- OK
• 4.2 (「とほほ」で説明されてるやつ）- OK
• 3.1.5 (たまたま手元にあったやつ）- OK

サポートされてない gawk を探す方が難しいみたい。ちなみに、テスト用のワンライナー

 gawk "BEGIN{ if( match(\"abcdefg\",\"bc(.)\",a)){ print a[1] } }"

gawk changelog match で検索したところ、Feature History (The GNU Awk User’s Guide) という変更履歴のようなページが見つかった。これの

Version 3.1 of gawk introduced the following features:

のところに

The optional third argument to the match() function for capturing text-matching subexpressions within a regexp (see section String-Manipulation Functions).

という記述がある。つまり。gawk 3.1 から実装された機能で間違いなさそうだ。