awk入门教程及应用场景

Posted 2022-08-07 wx6289ced28e34b

基本用法

awk是一个强大的文本分析工具，简单来说awk就是把文件逐行读入，（空格，制表符）为默认分隔符将每行切片，切开的部分再进行各种分析处理

awk命令格式如下

awk [-F field-separator] commands input-file(s)

[-F 分隔符]是可选的，因为awk使用空格，制表符作为缺省的字段分隔符，因此如果要浏览字段间有空格，制表符的文本，不必指定这个选项，但如果要浏览诸如/etc/passwd文件，此文件各字段以冒号作为分隔符，则必须指明-F选项。

echo "this is a test" | awk  print $0
## 输出为
this is a test

shell读取用户输入的字符串发现|，代表有管道。|左右被理解为简单命令
，即前一个（左边）简单命令的标准输出指向后一个（右边）标准命令的标准输入

awk会根据分隔符将行分成若干个字段，$0为整行，$1为第一个字段，$2 为第2个地段，依次类推…

为打印一个字段或所有字段，使用print命令。这是一个awk动作

echo "this is a test" | awk  print $1
## 输出为
this

echo "this is a test" | awk  print $1, $2
## 输出为

/etc/passwd的文件内容如下

root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
adm:x:3:4:adm:/var/adm:/sbin/nologin
lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin

举几个简单的小需求
1.只显示/etc/passwd的账户

awk -F :  print $1 /etc/passwd

## 输出为

2.显示/etc/passwd的第1列和第7列，用逗号分隔显示，所有行开始前添加列名
start1，start7，最后一行添加，end1，end7

awk -F : BEGIN print "start1,start7" print $1 "," $7 END print "end1,end7" /etc/passwd

## 输出为

BEGIN语句在所有文本处理动作执行之前被执行，END在所有文本处理动作执行之后被执行

3.统计/etc/passwd文件中，每行的行号，每行的列数，对应的完整行内容

awk -F :  print NR "\\t" NF "\\t" $0 /etc/passwd

## 输出为

支持内置变量

上面示例中NR，和NF其实就是awk的内置变量，一些内置变量如下

变量名	解释
FILENAME	awk浏览的文件名
FS	设置输入字段分隔符，等价于命令行-F选项
NF	浏览记录的字段个数
NR	已读的记录数

支持函数

awk BEGIN  print length("this is a text") 

## 输出为

将/etc/passwd的用户名变成大写输出

awk -F :  print toupper($1)  /etc/passwd

## 输出为

常用函数如下

函数名	作用
toupper(s)	返回s的大写
tolower(s)	返回s的小写
length(s)	返回s长度
substr(s,p)	返回字符串s中从p开始的后缀部分

支持条件操作，正则表达式匹配

显示/etc/passwd中有daemon的行

awk -F : $0 /etc/passwd

## 输出为

awk条件操作符

操作符	描述
<	小于
<=	小于等于
==	等于
!=	不等于
~	匹配正则表达式
!~	不匹配正则表达式

支持流程控制语句，类C语言

if while do/while for break continue

输出第一个字段的第一个字符大于d的行

awk -F :  if ($1 > "d")  print $1 /etc/passwd

## 输出为

可以把流程控制语句放到一个脚本中，然后调用脚本执行，如test.sh的内容如下

 
  if ($1 > "d") 
    print $1 
   else 
    print "-" 
   

用如下方式执行，效果一样

awk -F : -f test.sh /etc/passwd

## 输出为

应用场景

小编用awk进行文本分析比较少，主要用来写脚本
如一个weibo-interface-1.0.jar应用，启动脚本如下
start.sh

nohup java -jar weibo-interface-1.0.jar >out 2>&1 &

关闭脚本如下，kill.sh

kill -9 `jps -l | grep weibo-interface-1.0.jar | awk print $1`

jps -l的输出如下

70208 com.st.kmp.main.KmpService
31036 com.st.cis.main.BaiduAnalysisService
66813 weibo-interface-1.0.jar

还有就是关闭hadoop集群的所有DataNode节点（不知道hadoop的可以认为DataNode是一个集群应用），假如一个个机器jps，查看pid，kill。很麻烦，直接写了一个脚本，依次ssh到各个节点，然后执行如下命令即可

kill `jps | grep DataNode | awk print $1`

jps的输出为

508 DataNode
31481 JournalNode
31973 NodeManager

筛选出日志的一列后进行去重

cat server.2020-05-18.log| grep "cityName not have map" | awk print $17| sort | uniq

参考博客

[1]http://www.ruanyifeng.com/blog/2018/11/awk.html
[2]https://mp.weixin.qq.com/s/AkOQ6M1L0nVLARpm2Zw32w?
[3]https://www.zhihu.com/question/21400749
linux awk命令详解