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: |
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。
对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) |