Linux上文本三剑客之awk详解

Posted

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上文本三剑客之awk详解相关的知识,希望对你有一定的参考价值。

AWK介绍

Linux 文本处理工具三剑客:grep、sed、awk。其中grep是一种文本过滤工具;sed是文本行编辑器,而awk是一种报表生成器,就是对文件进行格式化处理的,但这里的格式化不是文件系统的格式化,而是对文件内容进行各种“排版”,进而格式化显示;在Linux之上我们使用的是GNU awk 简称gawk,并且gawk就是awk的链接文件,因此系统上使用的awk和gawk是一样的。gawk是一种过程式编程语言。gawk还支持条件判断、数组、循环等编程语言中所有可以使用的功能,因此还可以把gawk称为一种脚本语言解释器。

1)用法格式,选项

基本格式:awk [options] ‘program‘ file…

      program:PATTERN{ACTION STATEMENT;..},通常是在单引号和双引号中;

      program:编程语言;

      PARTTERN:

          模式;部分决定动作语句何时触发及触发事件(BEGIN,END)

      ACTION STATEMENT:

          动作语句,可以由多个语句组成,各语句之间使用分号分隔:如print,printf

options(选项):

      -F:指明输入时用到的字段分隔符;

      -v var=value: 自定义变量

分割符、域和记录

      awk执行时,由分隔符分隔的字段(域);标记$1,$2..$n称为域标识。$0为所有域,注意:和shell中变量$符含义不同

      文件的每一行称为记录

      省略action,则默认执行print $0 的操作。

2)awk工作原理

原理:

awk在处理文本时也是一次读取一行文本,然后根据输入分隔符(默认为空格字符)进行切片,切成n个片段,然后将每一片都赋予awk内部的一个变量当中进行保存,这些变量名为$1,$2,$3…等等一直到最后一个,awk就可以对这些片段进行单独处理,比如显示某一段,特定段,甚至可以对某些片段进行额外的的加工处理,比如计数、运算等。

具体工作原理如下:

     ·第一步:执行BEGIN{action;… }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{ action;… }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{action;…}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,也是可选的。如果没有提供pattern语句块,则默认执行{ print },即打印每一个读取到的行,awk读取的每一行都会执行该语句块。

使用实例:

[[email protected] ~]# awk ‘BEGIN{print "Hello,awk!"}‘
Hello,awk!    #BEGIN操作是第一步,不需要对文件进行操作
[[email protected] ~]# awk ‘END{print "Bye,awk!"}‘ /etc/passwd
Bye,awk!      #END的操作实在文本处理之后

[[email protected] ~]# awk -F: ‘BEGIN{print "Hello,awk!"}‘‘/root/{print $1,$2}‘‘END{print "Bye,awk!"}‘ /etc/passwd
Hello,awk!
root x
operator x
Bye,awk!
#首先是进行BEGIN操作;再查找含有root字符的行,打印第一列和第二列;最后执行END操作


用法说明:

1、print

要点:

     (1) 逗号分隔符;

     (2) 输出的各item可以字符串,也可以是数值;当前记录的字段、变量或awk的表达式;

     (3) 如省略item,相当于print $0; 

    

2、变量

2.1 内建变量

FS:input field seperator,默认为空白字符;

OFS:output field seperator,默认为空白字符;

RS:input record seperator,输入时的换行符;

ORS:output record seperator,输出时的换行符;


NF:number of field,字段数量

{print NF}, {print $NF}

NR:number of record, 行数;

FNR:各文件分别计数;行数;


FILENAME:当前文件名;


ARGC:命令行参数的个数;

ARGV:数组,保存的是命令行所给定的各参数;


2.2 自定义变量

(1) -v var=value


变量名区分字符大小写;


(2) 在program中直接定义


3、printf命令


格式化输出:printf FORMAT, item1, item2, ...


(1) FORMAT必须给出; 

(2) 不会自动换行,需要显式给出换行控制符,\n

(3) FORMAT中需要分别为后面的每个item指定一个格式化符号;


格式符:

%c: 显示字符的ASCII码;

%d, %i: 显示十进制整数;

%e, %E: 科学计数法数值显示;

%f:显示为浮点数;

%g, %G:以科学计数法或浮点形式显示数值;

%s:显示字符串;

%u:无符号整数;

%%: 显示%自身;


修饰符:

#[.#]:第一个数字控制显示的宽度;第二个#表示小数点后的精度;

%3.1f

-: 左对齐

+:显示数值的符号


4、操作符


算术操作符:

x+y, x-y, x*y, x/y, x^y, x%y

-x

+x: 转换为数值;


字符串操作符:没有符号的操作符,字符串连接


赋值操作符:

=, +=, -=, *=, /=, %=, ^=

++, --


比较操作符:

>, >=, <, <=, !=, ==


模式匹配符:

~:是否匹配

!~:是否不匹配


逻辑操作符:

&&

||

!


函数调用:

function_name(argu1, argu2, ...)


条件表达式:

selector?if-true-expression:if-false-expression


# awk -F: ‘{$3>=1000?usertype="Common User":usertype="Sysadmin or SysUser";printf "%15s:%-s\n",$1,usertype}‘ /etc/passwd


5、PATTERN


(1) empty:空模式,匹配每一行;

(2) /regular expression/:仅处理能够被此处的模式匹配到的行;

(3) relational expression: 关系表达式;结果有“真”有“假”;结果为“真”才会被处理;

真:结果为非0值,非空字符串;

(4) line ranges:行范围,

startline,endline:/pat1/,/pat2/


注意: 不支持直接给出数字的格式

~]# awk -F: ‘(NR>=2&&NR<=10){print $1}‘ /etc/passwd

(5) BEGIN/END模式

BEGIN{}: 仅在开始处理文件中的文本之前执行一次;

END{}:仅在文本处理完成之后执行一次;


6、常用的action


(1) Expressions

(2) Control statements:if, while等;

(3) Compound statements:组合语句;

(4) input statements

(5) output statements


7、控制语句


if(condition) {statments} 

if(condition) {statments} else {statements}

while(conditon) {statments}

do {statements} while(condition)

for(expr1;expr2;expr3) {statements}

break

continue

delete array[index]

delete array

exit 

{ statements }


7.1 if-else


语法:if(condition) statement [else statement]


~]# awk -F: ‘{if($3>=1000) {printf "Common user: %s\n",$1} else {printf "root or Sysuser: %s\n",$1}}‘ /etc/passwd


~]# awk -F: ‘{if($NF=="/bin/bash") print $1}‘ /etc/passwd


~]# awk ‘{if(NF>5) print $0}‘ /etc/fstab


~]# df -h | awk -F[%] ‘/^\/dev/{print $1}‘ | awk ‘{if($NF>=20) print $1}‘


使用场景:对awk取得的整行或某个字段做条件判断;


7.2 while循环

语法:while(condition) statement

条件“真”,进入循环;条件“假”,退出循环;


使用场景:对一行内的多个字段逐一类似处理时使用;对数组中的各元素逐一处理时使用;


~]# awk ‘/^[[:space:]]*linux16/{i=1;while(i<=NF) {print $i,length($i); i++}}‘ /etc/grub2.cfg


~]# awk ‘/^[[:space:]]*linux16/{i=1;while(i<=NF) {if(length($i)>=7) {print $i,length($i)}; i++}}‘ /etc/grub2.cfg


7.3 do-while循环

语法:do statement while(condition)

意义:至少执行一次循环体


7.4 for循环

语法:for(expr1;expr2;expr3) statement


for(variable assignment;condition;iteration process) {for-body}


~]# awk ‘/^[[:space:]]*linux16/{for(i=1;i<=NF;i++) {print $i,length($i)}}‘ /etc/grub2.cfg


特殊用法:

能够遍历数组中的元素;

语法:for(var in array) {for-body}


7.5 switch语句

语法:switch(expression) {case VALUE1 or /REGEXP/: statement; case VALUE2 or /REGEXP2/: statement; ...; default: statement}


7.6 break和continue

break [n]

continue


7.7 next


提前结束对本行的处理而直接进入下一行;


~]# awk -F: ‘{if($3%2!=0) next; print $1,$3}‘ /etc/passwd


8、array


关联数组:array[index-expression]


index-expression:

(1) 可使用任意字符串;字符串要使用双引号;

(2) 如果某数组元素事先不存在,在引用时,awk会自动创建此元素,并将其值初始化为“空串”;


若要判断数组中是否存在某元素,要使用"index in array"格式进行;


weekdays[mon]="Monday"


若要遍历数组中的每个元素,要使用for循环;

for(var in array) {for-body}


~]# awk ‘BEGIN{weekdays["mon"]="Monday";weekdays["tue"]="Tuesday";for(i in weekdays) {print weekdays[i]}}‘


注意:var会遍历array的每个索引;

state["LISTEN"]++

state["ESTABLISHED"]++


~]# netstat -tan | awk ‘/^tcp\>/{state[$NF]++}END{for(i in state) { print i,state[i]}}‘


~]# awk ‘{ip[$1]++}END{for(i in ip) {print i,ip[i]}}‘ /var/log/httpd/access_log


练习1:统计/etc/fstab文件中每个文件系统类型出现的次数;

~]# awk ‘/^UUID/{fs[$3]++}END{for(i in fs) {print i,fs[i]}}‘ /etc/fstab


练习2:统计指定文件中每个单词出现的次数;

~]# awk ‘{for(i=1;i<=NF;i++){count[$i]++}}END{for(i in count) {print i,count[i]}}‘ /etc/fstab


9、函数


9.1 内置函数

数值处理:

rand():返回0和1之间一个随机数;


字符串处理:

length([s]):返回指定字符串的长度;

sub(r,s,[t]):以r表示的模式来查找t所表示的字符中的匹配的内容,并将其第一次出现替换为s所表示的内容;

gsub(r,s,[t]):以r表示的模式来查找t所表示的字符中的匹配的内容,并将其所有出现均替换为s所表示的内容;


split(s,a[,r]):以r为分隔符切割字符s,并将切割后的结果保存至a所表示的数组中;


~]# netstat -tan | awk ‘/^tcp\>/{split($5,ip,":");count[ip[1]]++}END{for (i in count) {print i,count[i]}}‘


本文出自 “汪立明” 博客,谢绝转载!

以上是关于Linux上文本三剑客之awk详解的主要内容,如果未能解决你的问题,请参考以下文章

[Linux教程]Linux 三剑客之 awk 实战详解

linux文本处理三剑客之grep命令详解

Linux三剑客AwkSedGrep 命令详解

linux文本处理三剑客之grep

1.12-linux三剑客之awk用法详解

Linux——文本处理三剑客之awk