awkのsubstr関数を使いこなす実践ガイド

はじめに

awkはテキスト処理に特化した強力なツールであり、ログ解析やデータ整形の現場で広く使われています。

その中でもsubstrは文字列の一部を切り出すための基本かつ重要な関数です。

しかし、初学者にとっては引数の意味や他の関数との組み合わせ方でつまずきやすいポイントでもあります。

本記事ではawkのsubstrの基本から応用までを、実務で役立つ視点で丁寧に解説します。

参考: GNU awk

awkのsubstr関数の基本構文と引数の定義

ファイル作成

cat << 'EOF' > input.txt
Hello,awk,substr,function
EOF

実行コマンド

awk '{ print substr($0,1,5) }' input.txt

実行結果

Hello

実行コマンド

awk '{ print substr($0,7,3) }' input.txt

実行結果

awk

実行コマンド

awk '{ print substr($0,11) }' input.txt

実行結果

substr,function

仕組み

要素	内容
substr(文字列, 開始位置, 長さ)	基本構文
文字列	対象となる文字列（例：$0は1行全体）
開始位置	1から始まるインデックス
長さ	省略可能（省略時は末尾まで取得）
戻り値	指定した範囲の部分文字列

解説

substrは指定した位置から文字列を切り出す関数です。
開始位置は1始まりで、長さを省略すると末尾まで取得されます。

第3引数（長さ）を省略した際の挙動と活用シーン

ファイル作成

cat << 'EOF' > input.txt
HelloWorld
AWKsubstrExample
EOF

実行コマンド

awk '{print substr($0,6)}' input.txt

実行結果

World
bstrExample

実行コマンド

awk '{print substr($0,1)}' input.txt

実行結果

HelloWorld
AWKsubstrExample

仕組み

項目	内容
関数	substr(文字列, 開始位置, 長さ)
第3引数省略時	開始位置から末尾まで全て取得
開始位置の基準	1から開始（0ではない）
戻り値	指定位置以降の部分文字列
活用シーン	「途中から最後まで取得したい」ログ解析や文字列加工

解説

第3引数を省略すると「開始位置から末尾まで」を一括取得できるため、可変長データの後半部分を取り出すのに便利です。
特にログや区切りが曖昧な文字列処理でシンプルに書けるのが強みです。

index関数との組み合わせによる動的な切り出し開始位置の特定

ファイル作成

cat << 'EOF' > input.txt
apple:100
banana:200
cherry:300
EOF

実行コマンド

awk -F: '{ pos = index($0, ":"); print substr($0, pos+1) }' input.txt

実行結果

100
200
300

実行コマンド

awk -F: '{ pos = index($0, ":"); print substr($0, 1, pos-1) }' input.txt

実行結果

apple
banana
cherry

仕組み

要素	内容
index($0, ":")	行内で「:」の位置を取得
pos	切り出し開始位置の基準
substr($0, pos+1)	「:」以降を抽出（値部分）
substr($0, 1, pos-1)	「:」より前を抽出（キー部分）
$0	行全体を対象に処理

解説

indexで位置を動的に取得することで、区切り位置が変わっても柔軟に対応できます。
substrと組み合わせることで、任意の位置からの文字列抽出が簡単に実現できます。

length関数を併用した末尾からの文字列抽出

ファイル作成

cat << 'EOF' > input.txt
apple
banana
cherry
EOF

実行コマンド

awk '{ print substr($0, length($0)-2, 3) }' input.txt

実行結果

ple
ana
rry

仕組み

要素	内容
length($0)	行全体の文字数を取得
substr($0, 開始位置, 文字数)	指定位置から文字列を抽出
length($0)-2	末尾3文字の開始位置を計算
$0	行全体を表す

解説

lengthで文字数を取得し、末尾からの開始位置を計算することで後ろからの抽出が可能になります。
substrと組み合わせるのがポイントです。

if文とsubstrを組み合わせた特定パターン行のフィルタリング

ファイル作成

cat << 'EOF' > input.txt
apple_001
banana_002
apple_123
orange_999
apple_abc
EOF

実行コマンド

awk '{ if (substr($0,1,5) == "apple" && substr($0,7,3) ~ /^[0-9]{3}$/) print }' input.txt

実行結果

apple_001
apple_123

仕組み

要素	内容
substr($0,1,5)	先頭から5文字を取得（"apple" 判定）
substr($0,7,3)	7文字目から3文字取得（数値部分）
~ /^[0-9]{3}$/	3桁の数字かどうか正規表現で判定
if 条件	「appleで始まり、かつ3桁数字」でフィルタ
print	条件に一致した行のみ出力

解説

substrで文字位置を切り出し、ifで条件分岐することで、特定パターンの行だけを効率よく抽出できます。
awk単体で柔軟なフィルタリングが可能です。

forループを用いた文字列の1文字分割と配列格納

ファイル作成

cat << 'EOF' > input.txt
hello
EOF

実行コマンド

awk '{
    for(i=1;i<=length($0);i++){
        arr[i]=substr($0,i,1)
    }
    for(i=1;i<=length($0);i++){
        print arr[i]
    }
}' input.txt

実行結果

h
e
l
l
o

仕組み

処理	内容
length($0)	行の文字数を取得
substr($0,i,1)	i番目の1文字を取得
arr[i]	1文字ずつ配列に格納
for(i=1;i<=length($0);i++)	先頭から順番に処理
print arr[i]	配列の中身を順番に出力

解説

awkのsubstrを使うことで文字列を1文字ずつ分解できます。
なおfor(i in arr)を使うと配列の順序が保証されず、2 3 4 5 1のように並びが崩れる場合があるため、インデックス指定のfor文を使うのが安全です。

固定長テキストデータのパースにおけるsubstrの効率的な運用

ファイル作成

cat << 'EOF' > input.txt
00001Yamada   Tokyo     030
00002Suzuki   Osaka     045
00003Tanaka   Nagoya    028
EOF

実行コマンド

awk '{id=substr($0,1,5); name=substr($0,6,9); city=substr($0,15,10); age=substr($0,25,3); printf "ID:%s Name:%s City:%s Age:%s\n", id, name, city, age}' input.txt

実行結果

ID:00001 Name:Yamada    City:Tokyo      Age:030
ID:00002 Name:Suzuki    City:Osaka      Age:045
ID:00003 Name:Tanaka    City:Nagoya     Age:028

実行コマンド

awk '{id=substr($0,1,5); name=substr($0,6,9); city=substr($0,15,10); age=substr($0,25,3);
gsub(/^ +| +$/,"",name); gsub(/^ +| +$/,"",city);
printf "%s,%s,%s,%s\n", id, name, city, age}' input.txt

実行結果

00001,Yamada,Tokyo,030
00002,Suzuki,Osaka,045
00003,Tanaka,Nagoya,028

仕組み

項目	内容
substr($0,1,5)	1文字目から5文字取得（ID）
substr($0,6,9)	6文字目から9文字取得（名前）
substr($0,15,10)	15文字目から10文字取得（都市）
substr($0,25,3)	25文字目から3文字取得（年齢）
$0	行全体の文字列
gsub	空白のトリミング

解説

固定長データは区切り文字がないため、位置指定で切り出すawk substrが非常に高速でシンプルです。
事前に桁位置を固定すれば、安定してパースできるのが利点です。

正規表現による置換関数（sub|gsub）とsubstrの使い分け基準

ファイル作成

cat << 'EOF' > input.txt
apple 123 orange
banana 456 grape
cherry 789 melon
EOF

実行コマンド

awk '{print substr($1,1,3)}' input.txt

実行結果

app
ban
che

実行コマンド

awk '{sub(/[0-9]+/,"NUM"); print}' input.txt

実行結果

apple NUM orange
banana NUM grape
cherry NUM melon

実行コマンド

awk '{gsub(/[aeiou]/,"_"); print}' input.txt

実行結果

_ppl_ 123 _r_ng_
b_n_n_ 456 gr_p_
ch_rry 789 m_l_n

仕組み

機能	関数	対象範囲	特徴	awk substrとの違い
部分取得	substr	位置指定	指定位置から文字列切り出し	置換はしない
単一置換	sub	最初の1箇所	最初に一致した部分のみ置換	パターンベース
全体置換	gsub	すべての一致箇所	マッチした箇所をすべて置換	繰り返し適用

解説

substrは「位置」で切り出し、sub/gsubは「正規表現パターン」で置換するのが判断基準。
用途が“構造”か“パターン”かで使い分ける。

特定記号の間にある文字列の抽出方法

ファイル作成

cat << 'EOF' > input.txt
abc[hello]def
123[world]456
xxx[test123]yyy
EOF

実行コマンド

awk '{
  start = index($0, "[") + 1
  end = index($0, "]")
  print substr($0, start, end - start)
}' input.txt

実行結果

hello
world
test123

仕組み

要素	内容
index($0, "[")	[ の位置を取得
index($0, "]")	] の位置を取得
start	抽出開始位置（[の次）
end - start	抽出する文字数
substr($0, start, length)	指定範囲の文字列を抽出

解説

indexで開始と終了位置を取得し、substrでその範囲を切り出しています。
区切り文字に依存せず柔軟に抽出できる方法です。

awkとsubstrを使いこなすための実践的なまとめ

awkのsubstrはシンプルながら応用範囲の広い関数です。

基本構文を理解した上で、第3引数の省略やindex、lengthとの組み合わせを覚えることで、実務レベルの処理が可能になります。

また、if文やforループと組み合わせることで、より柔軟なデータ加工が実現できます。

固定長データの処理やパターン抽出では特に威力を発揮し、subやgsubとの使い分けを意識することでコードの可読性と効率も向上します。

awkとsubstrを正しく理解し、小さな処理から積み重ねていくことがスキル向上への近道です。