Linux开发: 学习linux三剑客(awksedgrep)(下)

Posted DS小龙哥

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Linux开发: 学习linux三剑客(awksedgrep)(下)相关的知识,希望对你有一定的参考价值。

一、前言

这篇文章是 <Linux开发: 学习linux三剑客(awk、sed、grep)(上)>的续集。

二、awk命令

2.1  awk命令基本使用介绍

awk是它的三个作者姓氏的首字母合写,他们是:Aho(阿尔佛雷德·艾侯)、Winberger(彼得·温伯格)和Kernighan(布莱恩·柯林汉),他们三人合著《AWK程式设计》。

awk是一种文本处理工具,同时它也是一门微型编程语言,它的目的是编写小巧 但充满表达力的程序,把文本的输入变换为文本的输出。用于在linux/unix下对文本和数据进行处理。数据可以来自标准输入(stdin)、一个或多个文件,或其它命令的输出。它支持用户自定义函数和动态正则表达式等先进功能,是linux/unix下的一个强大编程工具。它在命令行中使用,但更多是作为脚本来使用。awk有很多内建的功能,比如数组、函数等,这是它和C语言的相同之处,灵活性是awk最大的优势。

现今的Linux发行版所附带的awk实际上很新,是GNU的重写版本,也叫GNU awk,程序名是gawk。

awk命令格式和选项、语法形式:

awk [options]  'script'  var=value file(s)

awk [options]  -f scriptfile  var=value file(s)

常用选项:

-F fs   fs指定输入分隔符,fs可以是字符串或正则表达式,如-F:

-v var=value   赋值一个用户定义变量,将外部变量传递给awk

-f scripfile  从脚本文件中读取awk命令

-m[fr] val   对val值设置内在限制,-mf选项限制分配给val的最大块数目;-mr选项限制记录的最大数目。这两个功能是Bell实验室版awk的扩展功能,在标准awk中不适用

awk的核心思想是模式和行为操作,也叫模式驱动编程。模式一般是关系或正则表达式,用于与输入的每条记录进行匹配;而行为操作则是对模式匹配到的记录的处理方法,采用与C类似的语法,并由一对大括号“{}”括起来。

模式

/正则表达式/:使用通配符的扩展集。

关系表达式:使用运算符进行操作,可以是字符串或数字的比较测试。

模式匹配表达式:用运算符~(匹配)和~!(不匹配)。

BEGIN语句块、pattern语句块、END语句块

行为操作

操作由一个或多个命令、函数、表达式组成,之间由换行符或分号隔开,并位于大括号内,主要部分是:

变量数组赋值

输出命令

内置函数

控制流语句

awk脚本基本结构

awk  'BEGIN{ commands } pattern{ commands } END{ commands }'  file

一个awk脚本通常由:BEGIN语句块、能够使用模式匹配的通用语句块、END语句块3部分组成,这三个部分是可选的。任意一个部分都可以不出现在脚本中,脚本通常是被单引号或双引号中。

示例:

例如:

awk  'BEGIN{ i=0 } { i++ } END{ print i }' filename

awk  "BEGIN{ i=0 } { i++ } END{ print i }" filename

awk的工作原理

第一步:执行BEGIN{ commands }语句块中的语句;

第二步:从文件或标准输入(stdin)读取一行,然后执行pattern{ commands }语句块,它逐行扫描文件,从第一行到最后一行重复这个过程,直到文件全部被读取完毕。

第三步:当读至输入流末尾时,执行END{ commands }语句块。

BEGIN语句块在awk开始从输入流中读取行之前被执行,这是一个可选的语句块,比如变量初始化、打印输出表格的表头等语句通常可以写在BEGIN语句块中。

END语句块在awk从输入流中读取完所有的行之后即被执行,比如打印所有行的分析结果这类信息汇总都是在END语句块中完成,它也是一个可选语句块。

pattern语句块中的通用命令是最重要的部分,它也是可选的。如果省略模式,则行为将被应用到每条输入记录;如果省略行为,则默认操作是在标准输出上打印匹配到的记录,执行{ print }。

awk程序的pattern语句块有以下三种情况:

awk  'pattern    {commands }'     #如果模式匹配,则执行行为

awk  'pattern           '         #如果模式匹配,则在标准输出上打印记录执行{ print }

awk  '           {commands }'    # 针对每条记录,执行行为。

示例:

$ echo  -e "hello \\n my baymax " | awk 'BEGIN{ print "Start" } { print } END{ print "End" }'  #完整的结构

#-e参数表示echo内可使用转义字符

$ echo  -e "hello \\n my baymax " | awk 'BEGIN{ print "Start" } { print } '  #省略end结构

$ echo -e "hello \\n my baymax " | awk ' { print } '                      #省略前后结构

$ echo  -e "hello \\n my baymax " | awk ' { print } END{ print "End" }'     #省略begin结构

当使用不带参数的print时,它就打印当前行,当print的参数是以逗号进行分隔时,打印时则以空格作为定界符。例如:

$echo | awk '{ var1="v1"; var2="v2"; var3="v3"; print var1,var2,var3; }'

v1 v2 v3

在awk的print语句块中双引号是被当作拼接符使用:

echo | awk '{ var1="v1"; var2="v2"; var3="v3"; print var1"="var2"="var3; }'

v1=v2=v3

{ }类似一个循环体,会对文件中的每一行进行迭代,通常变量初始化语句(如:i=0)以及打印文件头部的语句放入BEGIN语句块中,将打印的结果等语句放在END语句块中。

awk内置变量(预定义变量)

说明:[A][N][P][G]表示第一个支持变量的工具,[A]=awk、[N]=nawk、[P]=POSIXawk、[G]=gawk

$n 当前记录的第n个字段,比如n为1表示第一个字段,n为2表示第二个字段。 字段是用空格隔开的单词段。

$0 这个变量包含执行过程中当前行的文本内容。

[A] NF 表示字段数,在执行过程中对应于当前的字段数。而$NF则表示一行中的最后一个字段。$(NF-n)则表示一行中的倒数第n个字段,n为正整数。

[A] NR 表示记录数,在执行过程中对应于当前的行号。

[A] OFMT 数字的输出格式(默认值是%.6g)。

[A] OFS 输出字段分隔符(默认值是一个空格)。

[A] ORS 输出记录分隔符(默认值是一个换行符)。

[A] RS 记录分隔符(默认是一个换行符)。

[A] FILENAME 当前输入文件的名。

[A] FS 字段分隔符(默认是任何空格)。

[G] ARGIND 命令行中当前文件的位置(从0开始算)。

[G] CONVFMT 数字转换格式(默认值为%.6g)。

[G] FIELDWIDTHS 字段宽度列表(用空格键分隔)。

[G] IGNORECASE 如果为真,则进行忽略大小写的匹配。

[N] RSTART 由match函数所匹配的字符串的第一个位置。

[N] RLENGTH 由match函数所匹配的字符串的长度。

[N] SUBSEP 数组下标分隔符(默认值是34)。

[N] ARGV 包含命令行参数的数组。

[N] ARGC 命令行参数的数目。

[N] ERRNO 最后一个系统错误的描述。

[P] ENVIRON 环境变量关联数组。

[P] FNR 同NR,但相对于当前文件。

示例:

需用到内置变量:NR 表示记录数,在执行过程中对应于当前的行号。

需用到内置变量:NF 表示字段数,在执行过程中对应于当前的字段数。而$NF则表示一行中的最后一个字段。

需用到内置变量:$n 当前记录的第n个字段,比如n为1表示第一个字段,n为2表示第二个字段。

$ echo -e "line1 f2 f3\\n line2 f4 f5" | awk '{print "Line No:"NR", No of fields:"NF, "$0="$0, "$1="$1, "$2="$2, "$3="$3}'

将外部变量值传递给awk

需用到-v选项,可以将外部值(并非来自stdin)传递给awk,有三种方式。

第一种:写在脚本内(脚本后缀名随意,编辑好直接运行即可)

var1="aaa"

var2="bbb"

echo | awk '{ print v1,v2 }' v1=$var1 v2=$var2

第二种:传递外部变量方法:

Va=100

echo | awk -v  VARIABLE=$Va '{ print VARIABLE }'

第三种:当输入来自于文件时使用??

awk '{ print v1,v2 }' v1=$var1 v2=$var2 filename

以上方法中,变量之间用空格分隔作为awk的命令行参数跟随在BEGIN、{}和END语句块之后。

2.2 awk运算符

awk支持多种运算,这些运算与C语言提供的基本相同。awk还提供了一系列内置的运算函数(如log、sqr、cos、sin等)和一些用于对字符串进行操作(运算)的函数(如length、substr等等)。这些函数的引用大大的提高了awk的运算功能。作为对条件转移指令的一部分,关系判断是每种程序设计语言都具备的功能,awk也不例外,awk中允许进行多种测试,作为样式匹配,还提供了模式匹配表达式~(匹配)和~!(不匹配)。作为对测试的一种扩充,awk也支持用逻辑运算符。

2.2.1 算术运算符

注意:所有用作算术运算符进行操作,操作数自动转为数值,所有非数值都变为0

运算符

描述

+ -

加,减

* / &

乘,除与求余

+ - !

一元加,减和逻辑非(一元表示只有一个操作数)

^ **

求幂

++ --

增加或减少,作为前缀或后缀

示例:

$ awk  'BEGIN{a="b"; print a++,++a}'  #注意这里a="b"后面一定要加;,表明这是一条语句。

2.2.2 赋值运算符

运算符

描述

=  +=  -=  *=  /=  %=  ^=  **=

赋值语句

2.2.3 关系运算符

注意:> < 可以作为字符串比较,也可以用作数值比较,关键看操作数如果是字符串就会转换为字符串比较。两个都为数字才转为数值比较。字符串比较:按照ASCII码顺序比较。

运算符

描述

<  <=  >  >=  !=  ==

关系运算符

2.2.4 逻辑运算符

运算符

描述

||

逻辑或

&&

逻辑与

示例:

$ awk  'BEGIN{a=1;b=2;print (a>5 && b<=2),(a>5 || b<=2);}'

0 1

2.2.5 正则运算符

运算符

描述

~

匹配正则表达式

!~

不匹配正则表达式

示例:

需用到正则表达式/^.../,表示以什么内容开头的

$ awk  'BEGIN{a="100testa";if(a ~ /^100*/) {print "ok";}}'

ok

$ awk 'BEGIN{a="100testa";if(a !~ /^100*/){print "ok";}else {print "error"}}'

error

2.2.6 其他运算符

运算符

描述

$

字段引用

空格

字符串连接符

?:

C条件表达式

in

数组中是否存在某键值(下标)

示例:

$ awk 'BEGIN{a="b";arr[0]="b";arr[1]="c";print (b in arr);}'  #b in arr问arr是否有b这个下标0

$ awk 'BEGIN{b=0;arr[0]="b";arr[1]="c";print (b in arr);}' #b最初赋值为1,而数组arr下标为1是存在的1

2.2.7 运算符优先级表

2.3 制语句

在linux awk的while、do-while和for语句中允许使用break,continue语句来控制流程走向,也允许使用exit这样的语句来退出。break中断当前正在执行的循环并跳到循环外执行下一条语句。if 是流程选择用法。每条命令语句后面可以用;分号结尾。

2.3.1 if条件判断语句

语法:表达式为真执行语句1,为假执行语句2

if(表达式)

  语句1

else

  语句2

格式中语句1可以是多个语句,为了方便判断和阅读,最好将多个语句用{}括起来。awk分枝结构允许嵌套,其格式为:

if(表达式)

  {语句1}

else if(表达式)

  {语句2}

else

  {语句3}

示例:

编写在脚本内

$ cat ass.sh

awk 'BEGIN{

       test=100;

       if(test>90){

                print "very good";

                  }

         else if(test>60){

                    print "good";

                         }

           else{

                         print "no pass";

                   }

}'

输出结果:very good

2.3.2 while循环语句

语法:表达式为真,循环执行语句,直到条件为假

while(表达式)

  {语句}

2.3.3 do...while循环语句

语法:先执行语句再判断条件真假,为真则循环执行,为假停止执行。

do

{语句} while(条件)

2.3.4 for循环语句

语法一:执行变量初始化,再判断条件,条件为真,执行语句,再执行表达式,再判断条件,条件为真,再执行语句,如此循环直至条件为假。

for(变量初始化;条件;表达式)

  {语句}

语法二:每次从数组中取一个值赋给变量,再执行语句,循环直到数组内部的数据取完,变量为空。

for(变量 in 数组)

  {语句}

示例:

需用内置变量ENVIRON :当前系统环境变量关联数组

[DSYU@DSYU shell]$ cat ass.sh

awk 'BEGIN{

       for(k in ENVIRON){

                print k"="ENVIRON[k];

       }

}'

#每次从环境变量数组中取一个数据赋值给k,然后再打印出来。

2.3.5 ext语句

next 能够导致读入下一个输入行,并返回到脚本的顶部。这可以避免对当前输入行执行其他的操作过程。

awk中next语句使用:在循环逐行匹配,如果遇到next,就会跳过当前行,直接忽略下面语句。而进行下一行匹配。next语句一般用于多行合并:

示例:

需用到内置变量NR:表示记录数,在执行过程中对应于当前的行号

$ awk 'NR%2==1{next}{print NR,$0;}' 123.txt #表示当行号取余2为1也就是奇数行时跳过当前行

2.3.6 其他语句

break 当 break 语句用于 while 或 for 语句时,导致退出程序循环。

continue 当 continue 语句用于 while 或 for 语句时,使程序循环移动到下一个迭代。

exit 语句使主输入循环退出并将控制转移到END,如果END存在的话。如果没有定义END规则,或在END中应用exit语句,则终止脚本的执行。

2.4 数组的运用

数组是awk的灵魂,处理文本中最不能少的就是它的数组处理。因为数组索引(下标)可以是数字和字符串,在awk中数组叫做关联数组(associative arrays)。awk 中的数组不必提前声明,也不必声明大小。数组元素用0或空字符串来初始化,这根据上下文而定。因为数组是关联数组,默认是无序的。所以通过for…in得到是无序的数组。如果需要得到有序数组,需要通过指定下标获得。

2.4.1 数组的定义

awk的数组不必提前声明,也不必声明大小。

数字做数组索引(下标或键值)。

注意:数组下标是从1开始,与C数组不一样

Array[1]="sun"

Array[2]=1970

字符串做数组索引(下标):

Array["first"]="year"

Array["birth"]="1970"

使用中print Array[1]会打印出sun;使用print Array[2]会打印出1970;使用print["first"]会得到year。

示例:

$ awk  'BEGIN {Array["first"]="year"; Array[2]=1970; {print Array["first"]"="Array[2]}}'

year=1970

$ awk 'BEGIN {Array["first"]="year"; Array[2]=1970; { for(item in Array) {print Array[item],item}; }}'

year first

1970 2

#注意此处是取的数组的下标值赋给item,而不是数组元素值

2.4.2 数组函数

length函数

使用形式:length(array)

length函数返回array数组长度,array可是数组名也可使字符串。

$ awk 'BEGIN { print length("hello")}'

5

split函数

使用形式:split(src,dst,accrod);

split函数以accrod为依据分割src字符串为数组存储到dst内,也会返回分割得到数组长度。

$ awk 'BEGIN{info="it is a test 56 78";lens=split(info,tA,"is");print lens,tA[1],tA[2],tA[3]}'

#此示例以is为依据分隔info,分隔为为两个字符串,所以lens为2。

$ awk 'BEGIN{info="it is a test 56 78";lens=split(info,tA,"");print lens,tA[1],tA[2],tA[3]}'

#此示例是把info字符串内的所有字符拆分为独立的单个字符存储到tA数组中。

asort函数

使用形式:asort(array);不能对字符串操作。

array数组进行排序,返回数组长度(下标的个数而不是字符的个数)。

$ awk 'BEGIN{info[1]="it";info[2]="aa";{print asort(info),info[1],info[2]}}'

#此示例对info数组排序,返回数组元素个数。

delete

使用形式:delete array[key],可以删除对应数组array key的序列值。

if(key in array)通过这种方法判断数组中是否包含key键值。

$ awk 'BEGIN{tB["a"]="a1";tB["b"]="b1";delete tB["b"];for(k in tB){print k,tB[k];}}'

a a1

2.4.3 二维、多维数组使用

awk的多维数组在本质上是一维数组,更确切一点,awk在存储上并不支持多维数组。awk提供了逻辑上模拟二维数组的访问方式。例如,array[2,4]=1这样的访问是允许的。

类似一维数组的成员测试,多维数组可以使用if ( (i,j) in array)这样的语法,但是下标必须放置在圆括号中。类似一维数组的循环访问,多维数组使用for ( item in array )这样的语法遍历数组。与一维数组不同的是,多维数组必须使用split()函数来访问单独的下标,awk使用一个特殊的字符串SUBSEP作为分割字段。

示例:

可以通过array[k,k2]引用获得数组内容。

awk 'BEGIN{

for(i=1;i<=9;i++){

  for(j=1;j<=9;j++){

    tarr[i,j]=i*j; print i,"*",j,"=",tarr[i,j];

  }

}

}'

另一种方式:

awk 'BEGIN{

for(i=1;i<=9;i++){

  for(j=1;j<=9;j++){

    tarr[i,j]=i*j;

  }

}

for(m in tarr){

  split(m,tarr2,SUBSEP); print tarr2[1],"*",tarr2[2],"=",tarr[m];

}

}'

# split(m,tarr2,SUBSEP); 运用了SUBSEP特殊字符串,把二维数组的键值m分割存放在tarr2数组中。

2.5 内置函数

awk内置函数,主要分以下:算数函数、字符串函数、其它一般函数、时间函数。

 2.5.1 算术函数

格式

描述

atan2( y, x )

返回 y/x 的反正切。

cos( x )

返回 x 的余弦;x 是弧度。

sin( x )

返回 x 的正弦;x 是弧度。

exp( x )

返回 x 幂函数。

log( x )

返回 x 的自然对数。

sqrt( x )

返回 x 平方根。

int( x )

返回 x 的截断至整数的值。

rand( )

返回任意数字 n,其中 0 <= n < 1。

srand( [expr] )

将 rand 函数的种子值设置为 Expr 参数的值,

或如果省略 Expr 参数则使用某天的时间。返回先前的种子值。

2.5.2 字符串函数

注:Ere都可以是正则表达式。

请参考常用示例。

格式

描述

gsub( Ere, Repl, [ In ] )

用 Repl 参数指定的字符串全部替换 In 参数指定的字符串中的能与由 Ere 参数指定的扩展正则表达式匹配的具体值,其他的与sub函数完全一样执行。

sub( Ere, Repl, [ In ] )

用 Repl 参数指定的字符串替换 In 参数指定的字符串中的由 Ere 参数指定的扩展正则表达式的第一个具体值。sub 函数返回替换的数量。出现在 Repl 参数指定的字符串中的 &(和符号)由 In 参数指定的与 Ere 参数的指定的扩展正则表达式匹配的字符串替换。如果未指定 In 参数,缺省值是整个记录($0 记录变量)。

index( String1, String2 )

在由 String1 参数指定的字符串查找String2 指定的参数,存在即返回位置,从1开始编号。不在则返回 0(零)。

length [(String)]

返回 String 参数指定的字符串的长度(字符形式)。如果未给出 String 参数,则返回整个记录的长度($0 记录变量)。如果是数组,则返回数组的元素个数

blength [(String)]

返回 String 参数指定的字符串的长度(以字节为单位)。如果未给出 String 参数,则返回整个记录的长度($0 记录变量)。

substr( String, M, [ N ] )

返回从string指定字符串第M个位置(编号从1开始)截取的N个字符组成的字符串。如果未指定 N 参数,则子串的长度将是 M 参数指定的位置到 String 参数的末尾的长度。

match( String, Ere )

在 String 参数指定的字符串(Ere 参数指定的扩展正则表达式出现在其中)中返回位置(字符形式),从 1 开始编号,或如果 Ere 参数不出现,则返回 0(零)。RSTART 特殊变量设置为返回值。RLENGTH 特殊变量设置为匹配的字符串的长度,或如果未找到任何匹配,则设置为 -1(负一)。

split( String, A, [Ere] )

将 String 参数指定的参数以ERe指定的依据为准分割为数组元素 A[1], A[2], . . ., A[n],并返回 n 变量的值。此分隔可以通过 Ere 参数指定的扩展正则表达式进行,或用当前字段分隔符(FS 特殊变量)来进行(如果没有给出 Ere 参数)。除非上下文指明特定的元素还应具有一个数字值,否则 A 数组中的元素用字符串值来创建。

tolower( String )

返回 String 参数指定的字符串,字符串中每个大写字符将更改为小写。大写和小写的映射由当前语言环境的 LC_CTYPE 范畴定义。

toupper( String )

返回 String 参数指定的字符串,字符串中每个小写字符将更改为大写。大写和小写的映射由当前语言环境的 LC_CTYPE 范畴定义。

sprintf(Format, Expr, Expr, . . . )

根据 Format 参数指定的 printf 子例程格式字符串来格式化 Expr 参数指定的表达式并返回最后生成的字符串。

这里注意sprintf格式化字符串输出

其中格式化字符串包括两部分内容:一部分是正常字符,这些字符将按原样输出; 另一部分是格式化规定字符,以"%"开始,后跟一个或几个规定字符,用来确定输出内容格式。

2.5.3 格式符列表

Linux入门开发: 学习linux三剑客(awksedgrep)(上)

linux基础学习-18-linux三剑客之awk命令精讲

linux三剑客之老三-grep

linux文本处理三剑客的学习

Linux 学习总结(十九)正则三剑客之grep

Linux学习笔记8_三剑客命令的sed命令复习(替换)

(c)2006-2024 SYSTEM All Rights Reserved IT常识