awk工具的使用

Posted 2020-10-31

awk是一个功能强大的文本分析工具，在centos中，awk与gawk是同一个命令 

~]# ls -l /usr/bin/awk
lrwxrwxrwx. 1 root root 4 10月 14 2017 /usr/bin/awk -> gawk

可以看到，awk文件是gawk文件的一个符号链接

格式：

    gawk [options] 'program' file ...        

        program：[/PATTERN/]{ACTION statement;...}

            PATTERN部分：决定动作语句何时触发以及通过什么事件触发

 

    常用选项：

-f,--file program-file：从指定的文件中加载program语句块，而不是通过命令行给出相关的程序内容；

-F,--field-separator fs：指定字段的输入分隔符；默认是空白字符；

-v,--assign var=val：用于声明自定义变量并为变量赋值；

                

基本概念：    

    1.分隔符：

        输入分隔符：

    awk对数据进行处理时，会根据特定的标识符号对数据进行分段处理，这种标识符号就称为"输入分隔符"，默认的输入分隔符是空白字符；如果指定的分隔符并没有被数据包括，则只有换行分隔符有效；

        输出分隔符：

            awk对数据处理完成后，会以特定的标识符号对各个字段进行连接后输出，这种标识符号就称为"输出分隔符"，默认的输出分隔符是空白字符；

    2.记录：由换行符进行分隔的数据中一行，就称为一条记录(Record)；通常在使用awk处理数据时，使用内置变量$0来保存整个记录的内容；

    3.字段：经过分隔符分隔之后的每一个数据分段，都成为一个字段(Field)；通常在使用awk处理数据时，使用$1,$2...$NF等内置变量来存储各个字段的数据；

awk的工作原理：

    1.首先，执行BEGIN{ACTION statement;...}语句块中的语句；

    2.其次，从文件中或着标准输入读取一行，根据PATTERN的匹配结果执行后面的ACTION语句块中的内容；然后逐行重复该过程已完成数据处理，直到数据全部被读取完毕；

    3.最后，在所有的语句块都执行完成之后，退出awk进程之前，执行END{ACTION statement;...}语句块中的语句；

    注意：

1) BEGIN语句块在awk开始处理数据内容之前就被执行；通常用于生成表头；此语句块是可选语句块；

2) END语句块在处理完所有的数据之后，才会被执行；通常用于数据汇总；此语句块是可选语句块；

3) PATTERN语句块中的通用命令是最重要的部分，因此PATTERN语句块不能省略，但其中的ACTION可以省略，如果省略，则默认执行print动作，即：显示数据的各行；

4) awk在执行PATTERN语句块时，默认循环遍历数据中的各个记录；

awk常用用法：

    1.变量：

        1)内建变量：           

            FS：输入字段分隔符，默认为空白字符；

    OFS：输出字段分隔符，默认为空白字符；

                示例：指定输入字段分隔符为":"，输出字段分隔符为":"，输出/etc/passwd文件中每行的第1、3、7个字段

awk -v FS=':' -v OFS=':' '{print $1,$3,$7}' /etc/passwd

                    

                    其中，使用"-F:"选项效果与"-v FS=':'"相同

                    

            

            RS：输入记录(行)分隔符，默认为换行符；

注意：即使指定了额外的输入记录分隔符，原有的换行符依然有效；

    ORS：输出记录分隔符，默认为换行符；

                示例：指定输入记录分隔符为":"，输出记录分隔符为"#"，输出每个记录的内容：

awk -v RS=':' -v ORS='#' '{print $0}' /etc/passwd

                     

            

            NF：每一行中的字段的总数；

示例：显示指定文件中每行中的字段的数量

awk -F: '{print NF}' /etc/passwd

                    

                注意：如果语句为print $NF，则会输出每行中最后一个字段

                    

                可以使用print $(NF-1)语句输出每行中倒数第二个字段：

                    

            NR：行的总数；如果仅处理一个文件，可以将NR的值当作此文件中各行的行号；当处理多个文件时，该命令将两个文件的行号累加输出

                示例：输出/etc/fstab文件各行行号

awk '{print NR}' /etc/fstab

                    

    

            

            FNR：对于不同的文件分别统计其行的数量；即使处理多个文件，也可以显示每个文件中每行的行号；

示例：分别输出/etc/fstab和/etc/issue文件的各行行号

awk '{print FNR}' /etc/fstab /etc/issue

                    

            

            FILENAME：当前正在被处理的文件的文件名；

示例：处理/etc/fstab后在最后输出正在处理的文件名：

awk 'END{print FILENAME}' /etc/fstab

                    

                    注：如果在PATTERN部分不添加END，则会输出与文件行数相同行的文件名

            

            ARGC：命令行中参数的数量；包括awk命令本身，但不包括awk命令的选项部分和program部分；

示例：

awk 'END{print ARGC}' /etc/fstab /etc/issue /etc/passwd

                    

            

            ARGV：由命令行中所有的参数构成的数组；

示例：

awk 'END{print ARGV[1]}' /etc/fstab /etc/issue /etc/passwd

    

        
        2)自定义变量

            定义方式：-v var_name=value，注意变量名大小写敏感

            示例：以"USERNAME,hello"格式输出/etc/passwd下记录的所有用户名

awk -v var='hello' -F: '{print $1"," var}' /etc/passwd

                    

    

    2.print动作：以标准格式输出结果

        格式：

            print item1,item2,...

            注意：                

                1) 各item之间需要使用","进行分隔；

2) 输出的各item可以是字符串，可以是数字，可以是当前记录中的字段，可以是变量，可以是awk的表达式；

3) 如果省略了item，则默认的item为$0，即：输出整行；

        示例：输出/etc/issue文档中每行的第1、3和最后一个字段：

            awk '{print $1,$3,$NF}' /etc/issue

                

            输出字符串：

awk 'BEGIN{print "hello world"}'

                

    3.printf动作：以特定的格式输出结果

        格式：           

            printf "FORMAT" item1,item2,...

    注意：

1) 必须给出合适的输出格式；

2) 默认不会自动换行，如果想要在输出结果中换行显示，需要显式给出换行控制符号，即：\n；

3) FORMAT中需要为后面的每一个item单独指定一个格式化符号；

        常用的FORMAT：            

            %c：以ASCII码表中的内容显示字符信息；

    %d, %i：显示十进制整数；

    %e, %E：以科学计数法来显示数字；浮点类型；

    %f, %F：显示十进制数字的浮点形式；

    %g, %G：以科学计数法显示浮点数字；

    %u：显示无符号十进制数；

    %s：显示字符串；

    %x, %X：显示无符号的十六进制整数；

    %%：显示%；

        修饰符：         

            #[.#]：第一个数字用来控制显示宽度；第二个数字表示小数点的精度；

如：%5s, $8.3f

    -：表示采用左对齐方式显示；默认是右对齐；

    +：显示数字的正负符号；

            示例：以左对齐，宽度20，输出字符串型的用户名，并且以左对齐，宽度，输出整型的UID

awk -F: '{printf "%-20s %-5d\n",$1,$3}' /etc/passwd

    4.操作符：       

        1)算术运算操作符：

    双目运算符：

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

    单目运算符：

-x：将正整数转换为负整数；

+x：将字符串转换为数值；

示例：

awk 'BEGIN{print 100^2}'

        2)字符串操作符：

    无任何操作符号时，即为字符串连接操作；

3)赋值操作符：

    =, +=, -=, *=, /=, ^=, %=，++, --

4)比较操作符：可以放在PATTERN部分作为匹配条件

    ==, !=, >, >=, <, <=

示例：输出UID为1000的行的记录

awk -F : '$3==1000{print $0}' /etc/passwd

                

        5)模式匹配操作符：

    ~：操作符左侧的字符串是否能够被右侧的PATTERN所匹配；

    !~：操作符左侧的字符串是否不能被右侧的PATTERN所匹配；

示例：输出所有bash为/bin/bash的用户的记录

awk -F : '$NF~/\/bin\/bash/{print $0}' /etc/passwd

            

        6)逻辑运算操作符：

            &&，||，!

        示例：输出所有UID在1000到9000以内的用户记录

awk -F: '$3>=1000&&$3<=9000{print $0}' /etc/passwd

            

        7)条件表达式：    

            selector(condition)?if-true-expression:if-false-expression

            示例：以"USERNAME：USERTYPE"格式显示/etc/passwd中记录的所有用户，其中UID大于等于1000的USERTYPE为"Common User"，UID小于1000的USERTYPE为"SuperUser or Sysuser"

awk -F: '{$3>=1000?usertype="Common User":usertype="SuperUser or Sysuser";print $1","usertype}' /etc/passwd

                

    5.PATTERN部分：        

        1) empty：空模式，不加区分地处理文件的每一行；

2) [!]/REGEXP/：仅处理[不]能被PATTERN匹配到的行；

3) 关系表达式：

4) 行域，行范围：

    ①关系表达式的逻辑运算：FNR>=10&&FNR<==20

                示例：

~]# awk -F: '/^r/,/^a/{print FNR,$0}' /etc/passwd

            

awk 'NR>=1&&NR<=3{print NR,$0}' /etc/passwd

                    

    ②/REGEXP1/,/REGEXP2/： 从被REGEXP1匹配的行开始，直到被REGEXP2匹配的行结束，这期间的所有行，有多少组就显示多少组；

            示例：

                awk -F: '/^r/,/^a/{print NR,$0}' /etc/passwd

                

    5) BEGIN/END模式：

BEGIN{}：仅在开始处理文件中的第一行文本数据之前执行一次的语句块；多用于输出特定格式的表头信息；

END{}：仅在文本处理完成但awk命令尚未退出时执行一次的语句块；多用于数据信息的汇总；

    示例：

awk -F: 'BEGIN{printf "%20s %10s %20s\n","USERNAME","USERID","SHELL"}NR>=15&&NR<=20{printf "%20s %10s %20s\n",$1,$3,$7}END{print "------------------------------------------------------------------\n",NR " users"}' /etc/passwd

                

    注意：

1) BEGIN语句块，PATTERN语句块和END语句块的顺序，通常来讲是：

    BEGIN{}PATTERN{}END{}

2) BEGIN语句块和END语句块是可选的，但PATTERN语句块必须要给出；

    6.控制语句：       

        1) if ... else：

语法：

    if (condition) statement [ else statement ]

    使用场景：对awk取得的整行或某个字段做条件判断；

示例：

    awk -F: '{if($3>=1000){print "CommonUser:",$1}else{print "Sysuser:",$1}}' /etc/passwd

：

    df -h | awk -F% '/^\/dev/{print $1}' | awk '{if($NF>=80){print $1}}'

2) while循环：

语法：

while (condition) statement

使用场景：

a.对一行内的多个字段逐一做相同或类似的操作处理时使用；

b.对数组中的各数组元素做遍历处理时使用；

while循环的特点：条件为真，进入循环；一旦条件为假，则退出循环；

示例：

~]# awk '{i=1;while(i<=NF){print $i,length($i);i++}}' testfile

3) do ... while语句：

语法：

do statement while (condition)

意义：与while循环相同，但statement语句段至少被执行一次；

4) for循环：

语法：

for (expr1; expr2; expr3) statement

expr1：variable assignment，变量赋初值；

expr2：circle condition，循环条件判断；

expr3：interation process，变量值修正方法；

示例：

~]# awk '{for(i=1;i<=NF;i++){print $i,length($i)}}' testfile

for (var in array) statement

5) switch ... case语句

语法：

switch (expression) { case value|regex:statement;case value2|regex2:statement;... [ default: statement ] }

使用场景：

用于进行字符串比较判断；

6) break和continue语句：

break [n]

continue

注意：其使用场景是行内多个字段间做循环时的循环控制方式；

示例：

~]# awk '{for(i=1;i<=NF;i++){if(length($i)<5){continue}else{print $i,length($i)}}}' testfile

7) next语句：

在awk处理数据时，提前结束对当前行的处理，而直接开始处理下一行；

示例：

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

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