寻求参考来理解一种模式“!_[$0]++”

我是 AWK 新手，使用移植到 Windows (UNXUtils) 的 GNU 实用程序和 gawk 而不是 awk。该论坛上的解决方案的工作原理如下绝对的魔法，并且我正在尝试找到一个可以阅读的来源，以更好地理解该解决方案中提供的模式表达式。

In 从 UNIX shell 脚本中的列表中选择唯一或不同的值 https://stackoverflow.com/questions/618378/select-unique-or-distinct-values-from-a-list-in-unix-shell-scriptDimitre Radoulov 的回答提供了以下代码

zsh-4.3.9[t]%   awk '!_[$0]++' file

作为选择具有重复和混乱元素的列表中的元素的解决方案，仅列出每个元素一次。

我以前用过sort | uniq这样做，这对于小型测试文件来说效果很好。对于我的实际问题（从 2006 年 4 月印度国家证券交易所历时 16 天的档案订单簿研究数据中提取公司代码列表，多个文件中有 1.29 亿条记录），排序负担变得太大了。而uniq只是消除相邻的重复项。

为我的 Win-GNU gawk 复制上面的行，我使用

C:\Users\PAPERS\>  cat ..\Full*_Symbols.txt | gawk "!_[$0]++"  | wc -l

946

表明超过 1.29 亿条记录属于 946 个不同的公司，这是一个非常合理的答案。在我的普通 Windows 机器上花了不到 5 分钟的时间，经过几个小时的尝试排序让我筋疲力尽。

查看了我拥有的所有 awk 文本并在网上进行了一些搜索，而对于部分模式，其工作原理的解释很清楚（!用作 NOT，$0是整个当前记录），对于下划线_我找不到任何解释，并且已经看到++在示例中仅作为“将计数器更新 1”。

将不胜感激任何适当的文本或网络参考来充分理解这个例子，因为我认为它也会对我在其他相关案例中有所帮助。谢谢。最好的，

真的是非常非常聪明啊！

它创建一个关联数组（意味着“索引”可以是任何内容，而不仅仅是数字）。如果元素不存在（为零），则创建它（通过递增它），并且当存在匹配时awk执行默认操作（即打印输入行）。一旦找到该值，_[$0]将为非零，因此如果再次遇到相同的值，则表达式为 false 并且不会打印任何内容。

我认为下划线只是一个“普通”变量名称（您需要一个数组名称，下划线与monkey但更“匿名”。 经典！