文本处理三剑客之AWK
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了文本处理三剑客之AWK相关的知识，希望对你有一定的参考价值。
awk:
文本处理三剑客：grep系，sed，awk
grep系：grep，egrep，fgrep，基于PATTERN进行文本过滤；
sed：流编辑器，逐行编辑器；模式空间，保持空间；
awk：报告生成器；格式化文档输出；
gawk命令：
gawk - pattern scanning and processing language
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来触发；
BEGIN, END
ACTION statement：对数据进行特定的处理，通常放置在{}中；
print, printf
基本概念：
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；
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；
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；
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；
awk的常用用法：
1.变量：
内建变量：
FS：input field separator，输入字段分隔符，默认为空白字符；
OFS：output field separator，输出字段分隔符，默认为空白字符；
示例：
~]# awk -v FS=‘:‘ -v OFS=‘:‘ ‘{print $1,$3,$7}‘ /etc/passwd
RS：The input record separator，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：The output record separator，输出记录分隔符，默认为换行符；
示例：
~]# awk -v RS=‘:‘ -v ORS=‘#‘ ‘{print $0}‘ /etc/passwd
NF：The number of fields，每一行中的字段的总数；
示例：
~]# awk -F: ‘{print NF}‘ /etc/passwd
显示指定文件中每行中的字段的数量；
~]# awk -F: ‘{print $NF}‘ /etc/passwd
显示指定文件中每行中最后一个字段的内容；
~]# awk -F: ‘{print $(NF-1)}‘ /etc/passwd
显示指定文件中每行中倒数第二个字段的内容；
NR：The total number of input records，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；
示例：
~]# awk ‘{print NR}‘ /etc/fstab
FNR：The input record number in the current input file，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：
~]# awk ‘{print FNR}‘ /etc/fstab /etc/issue
FILENAME：The name of the current input file，当前正在被处理的文件的文件名；
示例：
~]# awk ‘END{print FILENAME}‘ /etc/fstab
ARGC：The number of command line arguments，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：Array of command line arguments，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
显示命令行中的第N个参数；
自定义变量：
定义方式：
-v var_name=value
注意：变量名字母大小写敏感的；
示例：
~]# awk -v var=‘hello‘ -F: ‘{print $1"," var}‘ /etc/passwd
常用的ACTION：
2.print：Print the current record，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：
~]# awk ‘{print}‘ /etc/issue
~]# awk ‘{print $1,$3,$NF}‘ /etc/issue
3.printf：Format and print，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：
；
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：
~]# awk -F: ‘{printf "%20s:%-+5d
",$1,$3}‘ /etc/passwd
4.操作符：
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 -F : ‘END{print 100^2}‘ /etc/passwd
字符串操作符：
无任何操作符号时，即为字符串连接操作；
赋值操作符：
=, +=, -=, *=, /=, ^=, %=
++, --
比较操作符：
==, !=, >, >=, <, <=
示例：
~]# awk -F : ‘$3==1000{print $0}‘ /etc/passwd
模式匹配操作符：
~：操作符左侧的字符串是否能够被右侧的PATTERN所匹配；
!~：操作符左侧的字符串是否不能被右侧的PATTERN所匹配；
示例：
~]# awk -F : ‘$NF~/bash/{print $0}‘ /etc/passwd
逻辑运算操作符：
&&
||
!
示例：
~]# awk -F: ‘$3>=1000&&$3<=1100{print $0}‘ /etc/passwd
条件表达式：
selector(condition)?if-true-expression:if-false-expression
示例：
~]# awk -F: ‘{$3>=1000?usertype="Common User":usertype="SuperUser or Sysuser";printf "%20s: %-20s
",$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；
示例：
~]# awk -F: ‘/^r/{print $0}‘ /etc/passwd
~]# awk -F: ‘!/n$/{print $0}‘ /etc/passwd
3) 关系表达式：
$3>=1000
$NF~/bash/
4) 行域，行范围：
关系表达式的逻辑运算：FNR>=10&&FNR<==20
示例：
~]# awk ‘NR>=15&&NR<=20{print NR,$0}‘ /etc/passwd
/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；凡是属于此类的匹配结果，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；
示例：
~]# awk -F: ‘BEGIN{printf "%20s %10s %20s
","USERNAME","USERID","SHELL"}NR>=15&&NR<=20{printf "%20s %10s %20s
",$1,$3,$7}‘ /etc/passwd
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
","USERNAME","USERID","SHELL"}NR>=15&&NR<=20{printf "%20s %10s %20s
",$1,$3,$7}END{print "------------------------------------------------------------------
",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.常用的ACTIONS
1) 表达式(Expression)
2) 组合语句(Compound Statements)
3) 输入语句(Input Statements)
4) 输出语句(Output Statements)
5) 控制语句(Control Statements)
7.控制语句：
if (condition) statement [ else statement ]
while (condition) statement
do statement while (condition)
for (expr1; expr2; expr3) statement
for (var in array) statement
break
continue
exit [ expression ]
switch (expression) { case value|regex : statement ... [ default: statement ] }
next
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
~]# awk ‘/^[^#]/{if(NF==6){print}}‘ /etc/fstab
分析磁盘上各个文件系统的空间利用率：
~]# 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,$3}‘ /etc/passwd
8.数组——Array
用户自定义的数组，一般使用关联数组：array_name[index_expression]
注意：
1) index_expression可以使用任意的字符串，但字符串必须放在双引号中；
2) 支持弱变量数组，即：如果某数组元素事先不存在，当引用该元素时，awk会自动创建此元素，并为此元素赋"空字符串"作为其初始值；
示例：
~]# awk ‘BEGIN{name["leader"]="zhangsan";name["mem1"]="lisi";name["mem2"]="bob";print "Leader:",name["leader"],"Member:",name["mem1"],name["mem2"]}‘
~]# awk ‘BEGIN{name["leader"]="zhangsan";name["mem1"]="lisi";name["mem2"]="bob";for(i in name){print name[i]}}‘
查看当前系统上所有服务的不同TCP状态的连接数量的统计：
~]# netstat -nalt | awk ‘/^tcp>/{state[$NF]++}END{for(stat in state){printf "%15s: %-10d
",stat,state[stat]}}‘
用于统计本服务器web站点的每个用户的请求数值：
~]# awk ‘{ipaddr[$1]++}END{for(ip in ipaddr){print ip,ipaddr[ip]}}‘ /var/log/httpd/access_log
用于统计本服务器web站点的UV值：
~]# awk ‘{ipaddr[$1]++}END{for(ip in ipaddr){print ip,ipaddr[ip]}}‘ /var/log/httpd/access_log | wc -l
9.函数：
内建函数：
数值函数：Numeric Functions
rand()：返回一个介于0到1之间的随机数；
sqrt()：对于指定的数值进行开二次方；
字符串函数：String Functions
length()：计算给定字符串的长度；
gsub(r, s [, t])：以r表示的模式来查找t表示的字符串中能够被匹配的内容，并将所有出现的内容替换成s表示的内容；
split(s, a [, r [, seps] ])：以seps作为分隔符，利用r表示的模式进行匹配，将s代表的字符串分割之后，保存在a表示的数组中；
自定义函数：
function name(parameter list) { statements }以上是关于文本处理三剑客之AWK的主要内容，如果未能解决你的问题，请参考以下文章