gawk 使用方法简介

Posted 2023-05-08

参考技术A

其功能与特性包括：

gawk options program file

构成 gawk 脚本的语句须包含在一对 大括号 （ ）中，而作为命令选项的整个脚本需要包含在一对 引号 中：

gawk 会自动地将每行文本中的每个 数据字段 赋值给一个指定的变量，默认情况下，预先定义的变量为：

文本行中的数据字段是通过预先定义的 字段分隔符 来分隔开的，默认为 空格 （包括 TAB ）

gawk 语言允许在脚本语句中组合多个命令使用，只需要在各命令之间使用 分号 （ ; ）分隔开即可

也可以这样：

其中 My name is Rich 是运行时程序获取的用户输入，My name is Christine 是程序运行后的输出

默认情况下，gawk 从输入中读取一行文本，再对该文本执行程序指令。而有时候需要在读取待处理数据之前先执行某些指令，此时就要用到 BEGIN 关键字。
同样的， END 关键字允许你指定在数据处理完成后才执行的脚本。

gawk 允许先将其程序脚本保存在某个文件中，再通过 -f 选项指定该文件的文件名。而在脚本文件中，各命令不再需要通过 \';\' 符号分隔，直接分行列出即可。

程序语言最重要的特性之一就是定义和引用 变量 。gawk 语言支持两种类型的变量：内建变量和用户自定义变量。

gawk 程序在处理文本数据时，一次只读取一小段文本，称为 Record 。默认的 Record 分隔符即为换行符。而每条 Record 又可进一步划分成 字段 （Data Field），并按顺序依次赋值给 $1，$2，$n 等。默认的字段分隔符为空格（包括 TAB）

默认的 OFS 为空格

当定义了 FIELDWIDTHS 变量时，gawk 在读取数据时就会忽略字段分割符（FS），转而使用 字段宽度 来分割数据。

有些时候会遇到如下组织方式的文本文件：

此时可将字段分隔符（FS）设置为 "\\n"，Record 分隔符（RS）设置为空字符串，则 gawk 程序会将 空行 作为一条 Record 的终止点。

ARGV 的索引是从 0 开始的，表示第一个命令行参数（呃，所以通常就是 gawk 这个命令本身）。程序脚本（引号中的内容）不算在参数内。

定义数组： var[index]=element

遍历数组：

匹配符（~）用来对 Record 中的特定字段使用正则表达式。 !~ 表示不匹配。

if (condition) statement

for( variable assignment; condition; iteration process)

printf 命令格式： printf "format string", var1, var2 . . .
常用格式控制符如下表所示：

除 控制字符 以外，还可以使用另外三种修饰符以对输出进行更多的控制。

参考下面的示例， %10.1f 中的 10 用于指定字段的最小宽度（右对齐，前面用空格补）， .1 用于指定精确度。

定义函数

使用函数

函数库
创建函数库

调用函数库

Linux Command Line and Shell Scripting Bible 3rd Edition

awk命令

 

简介

 

awk是一个强大的文本分析工具，相对于grep的查找，sed的编辑，awk在其对数据分析并生成报告时，显得尤为强大。简单来说awk就是把文件逐行的读入，以空格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有3个不同版本: awk、nawk和gawk，未作特别说明，一般指gawk，gawk 是 AWK 的 GNU 版本。

 

awk其名称得自于它的创始人 Alfred Aho 、Peter Weinberger 和 Brian Kernighan 姓氏的首个字母。实际上 AWK 的确拥有自己的语言： AWK 程序设计语言 ， 三位创建者已将它正式定义为“样式扫描和处理语言”。它允许您创建简短的程序，这些程序读取输入文件、为数据排序、处理数据、对输入执行计算以及生成报表，还有无数其他的功能。

 

使用方法

 

awk ‘{pattern + action}‘ {filenames}

 

尽管操作可能会很复杂，但语法总是这样，其中 pattern 表示 AWK 在数据中查找的内容，而 action 是在找到匹配内容时所执行的一系列命令。花括号（{}）不需要在程序中始终出现，但它们用于根据特定的模式对一系列指令进行分组。 pattern就是要表示的正则表达式，用斜杠括起来。

 

awk语言的最基本功能是在文件或者字符串中基于指定规则浏览和抽取信息，awk抽取信息后，才能进行其他文本操作。完整的awk脚本通常用来格式化文本文件中的信息。

 

通常，awk是以文件的一行为处理单位的。awk每接收文件的一行，然后执行相应的命令，来处理文本。

 

调用awk

 

有三种方式调用awk

 

1.命令行方式

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

其中，commands 是真正awk命令，[-F域分隔符]是可选的。 input-file(s) 是待处理的文件。

在awk中，文件的每一行中，由域分隔符分开的每一项称为一个域。通常，在不指名-F域分隔符的情况下，默认的域分隔符是空格。

 

2.shell脚本方式

将所有的awk命令插入一个文件，并使awk程序可执行，然后awk命令解释器作为脚本的首行，一遍通过键入脚本名称来调用。

相当于shell脚本首行的：#!/bin/sh

可以换成：#!/bin/awk

 

3.将所有的awk命令插入一个单独文件，然后调用：

awk -f awk-script-file input-file(s)

其中，-f选项加载awk-script-file中的awk脚本，input-file(s)跟上面的是一样的。

 

本章重点介绍命令行方式。

 

入门实例

 

假设last -n 5的输出如下

 

# last -n 5 仅取出前五行

root     pts/1   192.168.1.100  Tue Feb 10 11:21   still logged in

root     pts/1   192.168.1.100  Tue Feb 10 00:46 - 02:28  (01:41)

root     pts/1   192.168.1.100  Mon Feb  9 11:41 - 18:30  (06:48)

dmtsai   pts/1   192.168.1.100  Mon Feb  9 11:41 - 11:41  (00:00)

root     tty1                   Fri Sep  5 14:09 - 14:10  (00:01)

 

如果只是显示最近登录的5个帐号

 

#last -n 5 | awk  ‘{print $1}‘

root

root

root

dmtsai

root

 

awk工作流程是这样的：读入有’n’换行符分割的一条记录，然后将记录按指定的域分隔符划分域，填充域，$0则表示所有域,$1表示第一个域,$n表示第n个域。默认域分隔符是”空白键” 或 “键”,所以$1表示登录用户，$3表示登录用户ip,以此类推。

 

如果只是显示/etc/passwd的账户

 

#cat /etc/passwd |awk  -F ‘:‘  ‘{print $1}‘  

root

daemon

bin

sys

 

这种是awk+action的示例，每行都会执行action{print $1}。

 

-F指定域分隔符为’:’。

 

如果只是显示/etc/passwd的账户和账户对应的shell,而账户与shell之间以tab键分割

 

#cat /etc/passwd |awk  -F ‘:‘  ‘{print $1"t"$7}‘

root    /bin/bash

daemon  /bin/sh

bin     /bin/sh

sys     /bin/sh

 

如果只是显示/etc/passwd的账户和账户对应的shell,而账户与shell之间以逗号分割,而且在所有行添加列名name,shell,在最后一行添加”blue,/bin/nosh”。

 

cat /etc/passwd |awk  -F ‘:‘  ‘BEGIN {print "name,shell"}  {print $1","$7} END {print "blue,/bin/nosh"}‘

name,shell

root,/bin/bash

daemon,/bin/sh

bin,/bin/sh

sys,/bin/sh

....

blue,/bin/nosh

 

awk工作流程是这样的：先执行BEGING，然后读取文件，读入有/n换行符分割的一条记录，然后将记录按指定的域分隔符划分域，填充域，$0则表示所有域,$1表示第一个域,$n表示第n个域,随后开始执行模式所对应的动作action。接着开始读入第二条记录······直到所有的记录都读完，最后执行END操作。

 

搜索/etc/passwd有root关键字的所有行

 

#awk -F: ‘/root/‘ /etc/passwd

root:x:0:0:root:/root:/bin/bash

 

这种是pattern的使用示例，匹配了pattern(这里是root)的行才会执行action(没有指定action，默认输出每行的内容)。

 

搜索支持正则，例如找root开头的: awk -F: ‘/^root/’ /etc/passwd

 

搜索/etc/passwd有root关键字的所有行，并显示对应的shell

 

# awk -F: ‘/root/{print $7}‘ /etc/passwd             

/bin/bash

 

这里指定了action{print $7}

 

awk内置变量

 

awk有许多内置变量用来设置环境信息，这些变量可以被改变，下面给出了最常用的一些变量。

 

ARGC               命令行参数个数

ARGV               命令行参数排列

ENVIRON            支持队列中系统环境变量的使用

FILENAME           awk浏览的文件名

FNR                浏览文件的记录数

FS                 设置输入域分隔符，等价于命令行 -F选项

NF                 浏览记录的域的个数

NR                 已读的记录数

OFS                输出域分隔符

ORS                输出记录分隔符

RS                 控制记录分隔符

 

此外,$0变量是指整条记录。$1表示当前行的第一个域,$2表示当前行的第二个域,……以此类推

 

统计/etc/passwd:文件名，每行的行号，每行的列数，对应的完整行内容:

 

#awk  -F ‘:‘  ‘{print "filename:" FILENAME ",linenumber:" NR ",columns:" NF ",linecontent:"$0}‘ /etc/passwd

filename:/etc/passwd,linenumber:1,columns:7,linecontent:root:x:0:0:root:/root:/bin/bash

filename:/etc/passwd,linenumber:2,columns:7,linecontent:daemon:x:1:1:daemon:/usr/sbin:/bin/sh

filename:/etc/passwd,linenumber:3,columns:7,linecontent:bin:x:2:2:bin:/bin:/bin/sh

filename:/etc/passwd,linenumber:4,columns:7,linecontent:sys:x:3:3:sys:/dev:/bin/sh

 

使用printf替代print,可以让代码更加简洁，易读

 

awk  -F‘:‘  ‘{printf("filename:%10s,linenumber:%s,columns:%s,linecontent:%sn",FILENAME,NR,NF,$0)}‘ /etc/passwd

 

print和printf

 

awk中同时提供了print和printf两种打印输出的函数。

 

其中print函数的参数可以是变量、数值或者字符串。字符串必须用双引号引用，参数用逗号分隔。如果没有逗号，参数就串联在一起而无法区分。这里，逗号的作用与输出文件的分隔符的作用是一样的，只是后者是空格而已。

 

printf函数，其用法和c语言中printf基本相似,可以格式化字符串,输出复杂时，printf更加好用，代码更易懂。

 

awk编程

 

变量和赋值

 

除了awk的内置变量，awk还可以自定义变量。

 

下面统计/etc/passwd的账户人数

 

awk ‘{count++;print $0;} END{print "user count is ", count}‘ /etc/passwd

root:x:0:0:root:/root:/bin/bash

......

user count is 40

 

count是自定义变量。之前的action{}里都是只有一个print,其实print只是一个语句，而action{}可以有多个语句，以;号隔开。

 

这里没有初始化count，虽然默认是0，但是妥当的做法还是初始化为0:

 

awk ‘BEGIN {count=0;print "[start]user count is ", count} {count=count+1;print $0;} END{print "[end]user count is ", count}‘ /etc/passwd

[start]user count is  0

root:x:0:0:root:/root:/bin/bash

...

[end]user count is  40

 

统计某个文件夹下的文件占用的字节数

 

ls -l |awk ‘BEGIN {size=0;} {size=size+$5;} END{print "[end]size is ", size}‘

[end]size is 8657198

 

如果以M为单位显示:

 

ls -l |awk ‘BEGIN {size=0;} {size=size+$5;} END{print "[end]size is ", size/1024/1024,"M"}‘

[end]size is 8.25889 M

 

注意，统计不包括文件夹的子目录。

 

条件语句

 

awk中的条件语句是从C语言中借鉴来的，见如下声明方式：

 

if (expression) {

    statement;

    statement;

    ... ...

}

 

if (expression) {

    statement;

} else {

    statement2;

}

 

if (expression) {

    statement1;

} else if (expression1) {

    statement2;

} else {

    statement3;

}

 

统计某个文件夹下的文件占用的字节数,过滤4096大小的文件(一般都是文件夹):

 

ls -l |awk ‘BEGIN {size=0;print "[start]size is ", size} {if($5!=4096){size=size+$5;}} END{print "[end]size is ", size/1024/1024,"M"}‘

[end]size is 8.22339 M

 

循环语句

 

awk中的循环语句同样借鉴于C语言，支持while、do/while、for、break、continue，这些关键字的语义和C语言中的语义完全相同。

 

数组

 

因为awk中数组的下标可以是数字和字母，数组的下标通常被称为关键字(key)。值和关键字都存储在内部的一张针对key/value应用hash的表格里。由于hash不是顺序存储，因此在显示数组内容时会发现，它们并不是按照你预料的顺序显示出来的。数组和变量一样，都是在使用时自动创建的，awk也同样会自动判断其存储的是数字还是字符串。一般而言，awk中的数组用来从记录中收集信息，可以用于计算总和、统计单词以及跟踪模板被匹配的次数等等。

 

显示/etc/passwd的账户

 

 

awk -F ‘:‘ ‘BEGIN {count=0;} {name[count] = $1;count++;}; END{for (i = 0; i ‘ /etc/passwd

0 root

1 daemon

2 bin

3 sys

4 sync

5 games

......

 

这里使用for循环遍历数组