处理文本空值需显式识别、主动补缺、隔离异常；用 $n=="" 或 length($n)==0 判空，NF
处理文本中空值或缺失字段导致的统计偏差，核心在于显式识别、主动补缺、隔离异常，而不是依赖 awk 默认行为（比如访问不存在字段返回空字符串，或参与计算时被当作 0 或空）。
明确判断字段是否为空或缺失
awk 不会自动报错，但可通过条件判断区分“空字符串”“未定义字段”和“合法零值”。关键用法：
- $n == ""：判断第 n 字段内容为空字符串（常见于 CSV 中 ,, 或末尾逗号）
- NF ：整行字段总数不足，说明有字段缺失（如本该 5 列，但某行只有 3 列）
- !($n+0)：小心使用——它会把 ""、"0"、"0.0" 都判为假，不推荐用于精确区分空与零
- 更稳妥写法：length($n) == 0 或 $n ~ /^ *$/（匹配纯空白）
给缺失字段赋予默认值再参与计算
不能让空字段直接进 sum 或 avg，否则结果失真。应在使用前统一补值：
- 对数值型字段：用 $3 = ($3 == "" || $3 ~ /^ *$/) ? "0" : $3 赋默认 0
- 对分类字段：用 $2 = ($2 == "") ? "unknown" : $2 补占位符
- 可在 BEGIN 块预设默认映射，例如：DEFAULT[3]="0"; DEFAULT[4]="N/A"，再用 $i = ($i == "") ? DEFAULT[i] : $i
- 注意：赋值后需重新转为数值（如 $3 += 0）才能安全参与数学运算
统计时跳过无效记录而非硬补
某些场景下补默认值反而扭曲语义（比如“用户年龄为空”补 0 显然不合理），更适合过滤：
- 只统计第 2、3 字段都非空的行：if (length($2) && length($3)) { sum += $3; cnt++ }
- 结合 NF 检查：if (NF >= 4 && $2 != "" && $4 ~ /^[0-9.]+$/) { ... }
- 在 END 块中输出有效样本数：print "valid records:", cnt, "total:", NR，便于评估数据质量
避免除以零和静默失败
缺失字段常引发隐性错误，比如成本字段为空时算收益率：
- 错误写法：yield = $2 / $3 → 若 $3 为空，结果为 0 或 inf，且无提示
- 正确写法：yield = ($3 != "" && $3 != 0) ? $2/$3 : 0
- 更严谨可加日志：if ($3 == "") print "WARN: line", NR, "missing cost" > "/dev/stderr"
- 用 gawk --lint=full 运行脚本，能捕获潜在的字段越界或未初始化变量问题
