Linux上文本三剑客之awk详解

Posted 2020-08-19

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！