Question

linux shell脚本攻略中，通过md5sum来查找出文件夹中的重复文件问题？

以下是我的程序：
#!/bin/bash

ls -lS | awk 'BEGIN {
getline;getline;
name1=$9; size=$5
}
{ name2=$9;
if (size==$5)
{
"md5sum "name1 | getline;print $1;
"md5sum "name2 | getline;print $1;
}
size=$5;
name1=name2;
}'

输出是这样的：
[root@holdon script]# ./removeduplicate.sh
84e1ed4b823fe3cb6ea2ab3bd8c806a1 test
84e1ed4b823fe3cb6ea2ab3bd8c806a1 test01
84e1ed4b823fe3cb6ea2ab3bd8c806a1 test02
84e1ed4b823fe3cb6ea2ab3bd8c806a1 test03

改成下面的样子：
#!/bin/bash

ls -lS | awk 'BEGIN {
getline;getline;
name1=$9; size=$5
}
{ name2=$9;
if (size==$5)
{
print name1;
print name2;
}
size=$5;
name1=name2;
}'

输出是这样的：
[root@holdon script]# ./removeduplicate.sh
test
test01
test01
test02
test02
test03
想请教一下，为什么改成"md5sum "name1 | getline;print $1;后，test01就只会输出一次，理论上应该test和test01比一次，test01和test02比一次，输出两次才对。

Answer 1

getline函数调用时，awk将会把下一条记录读入赋值给$0，因此相当于已经跳到下一行了。
你的程序上面那个，由于在awk中有多次getline，因此一开始把记录定位到第二行，即第一个文件，然后每调用一次"md5sum "name1 | getline; 记录就跳到了下一行，输出是不会重复的。

而下面的那个程序，没有多次getline调用，awk按行扫描，每次会把当前行的文件名赋值给name2，同时name1又记录了上一次的文件名，因此出现了test01两次，test02两次
事实上，输出和扫描行的对应关系是：
先在BEGIN段跳过两行，当前行为test，name赋值得到test
然后逐行扫描，当前扫描行是test01时， 输出了test test01
当前扫描行是test02时， 输出了 test01 test02
当前扫描行是test02时， 输出了 test02 test03
所以一共出现6行，中间有重复

追问

我在网上看到的信息是，当getline接了重定向符号|或者>时，它的功能就不是改变当前行的NR值了，只是起一个重定向的作用，不会跳行啊。

追答

事实上，getline是会修改NR值的。

awk的手册中说明：