awk划分字段的3种方式
Posted liujunjun
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awk划分字段的3种方式相关的知识,希望对你有一定的参考价值。
详细分析awk字段分割
awk读取每一条记录之后,会将其赋值给$0
,同时还会对这条记录按照预定义变量FS划分字段,将划分好的各个字段分别赋值给$1 $2 $3 $4...$N
,同时将划分的字段数量赋值给预定义变量NF。
引用字段的方式
$N引用字段: N=0:即$0,引用记录本身 0<N<=NF:引用对应字段 N>NF:表示引用不存在的字段,返回空字符串 N<0:报错
可使用变量或计算的方式指定要获取的字段序号。
[root@docker-01 ~]# awk ‘{n = 5;print $n}‘ a.txt email abc@qq.com def@gmail.com aaa@163.com bbb@189.com ccc@xyz.com ddd@139.com exdsa@189.com bax@qq.com bc@sohu.com bcbd@139.com [root@docker-01 ~]# awk ‘{print $(2+2)}‘ a.txt # 括号必不可少,用于改变优先级 age 28 24 21 21 18 22 25 20 23 27 [root@docker-01 ~]# awk ‘{print $(NF-3)}‘ a.txt gender male female male male male female female male female female
分割字段的方式
读取record之后,将使用预定义变量FS、FIELDWIDTHS或FPAT中的一种来分割字段。分割完成之后,再进入main代码段(所以,在main中设置FS对本次已经读取的record是没有影响的,但会影响下次读取)。
划分字段方式(一):FS或-F
FS
或者-F
:字段分隔符
- FS为单个字符时,该字符即为字段分隔符
- FS为多个字符时,则采用正则表达式模式作为字段分隔符
- 特殊的,也是FS默认的情况,FS为单个空格时,将以连续的空白(空格、制表符、换行符)作为字段分隔符
- 特殊的,FS为空字符串""时,将对每个字符都进行分隔,即每个字符都作为一个字段
- 设置预定义变量IGNORECASE为非零值,正则匹配时表示忽略大小写(只影响正则,所以FS为单字时无影响)
- 如果record中无法找到FS指定的分隔符(例如将FS设置为"
"),则整个记录作为一个字段,即
$1
和$0
相等
[root@docker-01 ~]# awk -F":" ‘{print $1}‘ /etc/passwd root bin daemon adm lp sync shutdown halt mail operator games ftp nobody systemd-network dbus polkitd postfix sshd chrony tss [root@docker-01 ~]# awk ‘BEGIN{FS=":"}{print $1}‘ /etc/passwd root bin daemon adm lp sync shutdown halt mail operator games ftp nobody systemd-network dbus polkitd postfix sshd chrony tss # 字段分隔符指定为单个字符
[root@docker-01 ~]# awk ‘BEGIN{FS=" +|@"}{print $1,$2,$3,$4,$5,$6}‘ a.txt ID name gender age email phone 1 Bob male 28 abc qq.com 2 Alice female 24 def gmail.com 3 Tony male 21 aaa 163.com 4 Kevin male 21 bbb 189.com 5 Alex male 18 ccc xyz.com 6 Andy female 22 ddd 139.com 7 Jerry female 25 exdsa 189.com 8 Peter male 20 bax qq.com 9 Steven female 23 bc sohu.com 10 Bruce female 27 bcbd 139.com # 字段分隔符指定为正则表达式
划分字段方式(二):FIELDWIDTHS
指定预定义变量FIELDWIDTHS按字符宽度分割字段,这是gawk提供的高级功能。在处理某字段缺失时非常好用。
用法:
FIELDWIDTHS="3 5 6 9" 表示第一个字段3个字符,第二个字段5个字符,。。。。。 FIELDWIDTHS="8 1:5 6 2:3" 第一个字段读8个字符。 然后路过一个字符,再读5个字符作为第二个字段 然后读6个字符作为第三个字段 然后路过2个字符再读33个字符作为第四个字段(如不足33个字符,则读到结尾) FIELDWIDTHS="2 3 *“ 第一个字段读2个字符 第二个字段读3个字符 第三个段剩余所有字符 *号只能放在最后,且只能单独使用,表示剩余所有。
示例1:
[root@docker-01 ~]# awk ‘BEGIN{FIELDWIDTHS="2 3 2"}{print $1,$2,$3,$4}‘ <<<"AABBBCCDDDD" AA BBB CC # 没取完的字符串DDD被丢弃,且NF=3 [root@docker-01 ~]# awk ‘BEGIN{FIELDWIDTHS="2 3 2 100"}{print $1,$2,$3,$4"-"}‘ <<<"AABBBCCDDDD" AA BBB CC DDDD- # 字符串不够长度时无视 [root@docker-01 ~]# awk ‘BEGIN{FIELDWIDTHS="2 3 *"}{print $1,$2,$3}‘ <<<"AABBBCCDDDD" AA BBB CCDDDD *号取剩余所有,NF=3 [root@docker-01 ~]# awk ‘BEGIN{FIELDWIDTHS="2 30 *"}{print $1,$2,NF}‘ <<<"AABBBCCDDDD" AA BBBCCDDDD 2 # 字段数多了,则取完字符串即可,NF=2
示例2:处理某些字段缺失的数据。
如果按照常规的FS进行字段分割,则对于缺失字段的行和没有缺失字段的行很难统一处理,但使用FIELDWIDTHS则非常方便。
假设a.txt文本内容如下:
[root@docker-01 ~]# cat a.txt ID name gender age email phone 1 Bob male 28 abc@qq.com 18023394012 2 Alice female 24 def@gmail.com 18084925203 3 Tony male 21 aaa@163.com 17048792503 4 Kevin male 21 bbb@189.com 17023929033 5 Alex male 18 18185904230 6 Andy female 22 ddd@139.com 18923902352 7 Jerry female 25 exdsa@189.com 18785234906 8 Peter male 20 bax@qq.com 17729348758 9 Steven female 23 bc@sohu.com 15947893212 10 Bruce female 27 bcbd@139.com 13942943905
因为email字段有的是空字段,所以直接用FS划分字段不便处理。可使用FIELDWIDTHS。
[root@docker-01 ~]# awk ‘ > BEGIN{FIELDWIDTHS="4 8 8 2 3:13 2:11"} > NR>1{ > print "<"$1">","<"$2">","<"$3">","<"$4">","<"$5">","<"$6">" > }‘ a.txt <1 > <Bob > <male > <28> <abc@qq.com > <18023394012> <2 > <Alice > <female > <24> <def@gmail.com> <18084925203> <3 > <Tony > <male > <21> <aaa@163.com > <17048792503> <4 > <Kevin > <male > <21> <bbb@189.com > <17023929033> <5 > <Alex > <male > <18> < 1818> <04230> <6 > <Andy > <female > <22> <ddd@139.com > <18923902352> <7 > <Jerry > <female > <25> <exdsa@189.com> <18785234906> <8 > <Peter > <male > <20> <bax@qq.com > <17729348758> <9 > <Steven > <female > <23> <bc@sohu.com > <15947893212> <10 > <Bruce > <female > <27> <bcbd@139.com > <13942943905> # 字段1:4字符 # 字段2:8字符 # 字段3:8字符 # 字段4:2字符 # 字段5:先跳过3字符,再读13字符,该字段13字符 # 字段6:先跳过2字符,再读11字符,该字段11字符
划分字段方式(三):FPAT
FS是指定字段分隔符,来取得除分隔符外的部分作为字段。
FPAT是取得匹配的字符部分作为字段。它是gawk提供的一个高级功能。
FPAT根据指定的正则来全局匹配record,然后将所有匹配成功的部分组成$1、$2...
,不会修改$0
。
[root@docker-01 ~]# awk ‘BEGIN{FPAT="[0-9]+"}{print $3"-"}‘ a.txt - 18023394012- 18084925203- 163- 189- 18185904230- 139- 189- 17729348758- 15947893212- 139-
之后再设置FS或FPAT,该变量将失效
FPAT常用于字段中包含了字段分隔符的场景。例如,CSV文件中的一行数据如下:
Robbins,Arnold,"1234 A Pretty Street, NE",MyTown,MyState,12345-6789,USA
其中逗号分隔每个字段,但双引号包围的是一个字段整体,即使其中有逗号。
这时使用FPAT来划分各字段比使用FS要方便的多。
[root@docker-01 ~]# echo ‘Robbins,Arnold,"1234 A Pretty Street, NE",MyTown,MyState,12345-6789,USA‘ |> awk ‘ > BEGIN{FPAT="[^,]*|("[^"]*")"} > { > for (i=1;i<NF;i++){ > print "<"$i">" > } > } > ‘ <Robbins> <Arnold> <"1234 A Pretty Street, NE"> <MyTown> <MyState> <12345-6789>
最后,patsplit()函数和FPAT的功能一样。
检查字段划分的方式
有FS、FIELDWIDTHS、FPAT三种获取字段的方式,可使用PROCINFO
数组来确定本次使用何种方式获得字段。
PROCINFO是一个数组,记录了awk进程工作时的状态信息。
如果:
PROCINFO["FS"]=="FS",表示使用FS分割获取字段 PROCINFO["FPAT"]=="FPAT",表示使用FPAT匹配获取字段 PROCINFO["FIELDWIDTHS"]=="FIELDWIDTHS",表示使用FIELDWIDTHS分割获取字段
例如:
if(PROCINFO["FS"]=="FS"){ ...FS spliting... } else if(PROCINFO["FPAT"]=="FPAT"){ ...FPAT spliting... } else if(PROCINFO["FIELDWIDTHS"]=="FIELDWIDTHS"){ ...FIELDWIDTHS spliting... }
以上是关于awk划分字段的3种方式的主要内容,如果未能解决你的问题,请参考以下文章