GNU Awk格式化长数字时填充输出异常问题求助

运行环境 #

• 系统：Arch linux 6.15.7-zen1-1-zen
• GNU Awk版本：

$ awk -V
GNU Awk 5.3.2, API 4.0, PMA Avon 8-g1, (GNU MPFR 4.2.2, GNU MP 6.3.0)

目标文件内容 #

y.csv内容如下：

4 2016201820192020
5 20162018201920202023
5 20162018201920202024
5 00000000000000002024

异常现象 #

使用printf/sprintf处理文件时，第2、3行数据的最后4位被错误修改为0704，执行命令及输出如下：

$ awk '{print $1,sprintf("%020d",$2)}' y.csv
4 00002016201820192020
5 20162018201920200704
5 20162018201920200704
5 00000000000000002024

$ awk '{$2=sprintf("%020d",$2);print $1,$2}' y.csv
4 00002016201820192020
5 20162018201920200704
5 20162018201920200704
5 00000000000000002024

$ awk '{printf("%020d\n",$2)}' y.csv
00002016201820192020
20162018201920200704
20162018201920200704
00000000000000002024

$ awk '{printf("%020.0f\n",$2)}' y.csv
00002016201820192020
20162018201920200704
20162018201920200704
00000000000000002024

这是浮点数精度丢失导致的问题：

• Awk默认将所有数值类型变量按浮点数处理，而64位双精度浮点数只能精确表示2^53以内的整数（约9×10¹⁵）。
• 第2、3行的$2值分别是20162018201920202023和20162018201920202024，均超出2^53范围，无法被双精度浮点数精确存储，会被近似为最接近的可表示值，这个近似值的最后4位正好是0704，因此输出时出现错误。
• 第1行的2016201820192020（约2×10¹⁵）、第4行的2024都在2^53范围内，可被精确表示，所以输出正常。

如果要精确处理这类超大整数，需将其当作字符串处理，避免Awk转换为浮点数，示例命令：

awk '{print $1, sprintf("%020s", $2)}' y.csv

内容的提问来源于stack exchange，提问作者joharr