浅谈awk

Posted 2020-10-09 千纸赫H

       awk,文本处理三剑客之一，它的名称得自于它的创始人 Alfred Aho 、Peter Weinberger 和 Brian Kernighan 姓氏的首个字母，它不仅是 linux中也是任何环境中现有的功能最强大的数据处理引擎之一。作为一种强大的语言，它具备了一个完整的语言所应具有的几乎所有精美特性。

基本格式：awk [options] ‘program‘ file…

program:pattern{action statements;..}

pattern和action：

      pattern部分决定动作语句何时触发及触发事件

          BEGIN,END

     action statements对数据进行处理，放在{}内指明

          print, printf

工作原理 

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

常用变量和操作符

$0                表示整个当前行

$1                每行第一个字段

NF               字段数量变量

NR               每行的记录号，多文件记录递增

FNR             与NR类似，不过多文件记录不递增，每个文件都从1开始

FS                BEGIN时定义分隔符

RS                输入的记录分隔符， 默认为换行符(即文本是按一行一行输入)

OFS             输出字段分隔符， 默认也是空格，可以改为制表符等

ORS             输出的记录分隔符，默认为换行符,即处理结果也是一行一行输出到屏幕

-F‘[:#/]‘          定义三个分隔符

~                   匹配，与==相比不是精确比较

!~                  不匹配，不精确比较

==                 等于，必须全部相等，精确比较

!=                  不等于，精确比较

&&　             逻辑与

||                   逻辑或

awk控制语句

控制语句if-else

语法：if(condition){statement;…}[else statement]

           if(condition1){statement1}else if(condition2){statement2}

           else{statement3}

          此语句使用场景：对awk取得的整行或某个字段做条件判断

举例：

          awk -F:‘{if($3>=1000)print $1,$3}‘ /etc/passwd     (小于1000不做处理，所以没有else)

          awk ‘BEGIN{ test=100;if(test>90){print "very good"}else if(test>60){print "good"}else{print "no pass"}}‘

控制语句while

语法：while(condition){statement;...}

           条件“真”，进入循环；条件“假”，退出循环

           此语句使用场景：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

举例：

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

控制语句do-while

语法：do {statement;...}while(condition)

           无论真假，至少执行一次循环体

举例：

           awk ‘BEGIN{ sum=0;i=0;do{ sum+=i;i++;}while(i<=100);print sum }‘

控制语句for

语法：for(expr1;expr2;expr3){statement;...}

举例：

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

控制语句break和continue

 举例：

         awk ‘BEGIN{sum=0;for(i=1;i<=100;i++){if(i==66)break;sum+=i}print sum}‘

         awk ‘BEGIN{sum=0;for(i=1;i<=100;i++){if(i%2==0)continue;sum+=i}print sum}‘

awk数组

关联数组：array[index-expression]

index-expression:

      (1)可以使用任意字符串；字符串要使用双引号括起来

      (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”

举例：

weekdays["mon"]="Monday"

awk ‘BEGIN{weekdays["mon"]="Monday";weekdays["tue"]="Tuesday";print weekdays["mon"]}‘

awk函数

 数值处理：

        rand():返回0和1之间一个随机数

举例：

awk ‘BEGIN{srand();for (i=1;i<=10;i++)print int(rand()*100) }‘

字符串处理：

length([s]):返回指定字符串的长度

sub(r,s,[t]):对t字符串进行搜索r表示的模式匹配的内容，并将第一个匹配的内容替换为s

举例：

         echo "2008:08:08 08:08:08" | awk ‘sub(/:/,"-",$1)‘

gsub(r,s,[t]):对t字符串进行搜索r表示的模式匹配的内容，并全部替换为s所表示的内容

举例：

         echo "2008:08:08 08:08:08" | awk ‘gsub(/:/,"-",$0)‘

split(s,array,[r]):以r为分隔符，切割字符串s,并将切割后的结果保存至array所表示的数组中，第一个索引值为1，第二个索引值为2....

举例：

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

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

补充：
/^UUID/:模式匹配以UUID开头的行
fs[$3]++:定义fs[]为关联数组下标是每条记录的第3个字段，数组的值是出现的次数
for(i in fs){print i,fs[i]}：在每条记录都处理完后，用for循环遍历数组，打印下标（文件类型）和数组元素值（文件类型出现的次数）

2、统计/etc/fstab文件中每个单词出现的次数

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

补充：
用while循环处理每条记录的每个字段，最主要的是每处理完一个字段要把i置为—，这样每处理完一个记录，关联数组被下一个记录的每个字段重新赋值

3、提取出字符串[email protected]%9&Bdh7dq+yVixp3vpw中的所有数字

echo "[email protected]%9&Bdh7dq+yVixp3vpw" | awk ‘gsub(/[^[:digit:]]/," ",$0)‘

补充：
gsub(r,s,[t])：对t字符串进行搜索r表示的模式匹配的内容，并全部替换为s所表示的内容，模式匹配用的是扩展正则表达式

4、解决DOS攻击生产案例：根据web日志或者网络连接数，监控当某个IP并发连接数或者短时间内PV达到100，即调用防火墙命令封掉对应的IP，监控频率每隔5分钟。防火墙命令为：iptables -A INPUT -s IP -j REJECT

awk ‘{access[$1]++}END{for(i in access){if(access[i]>=100){print i,access[i]}}}‘ access_log

补充：
监控任务可以写到计划任务里，这里只使用awk实现过滤（access_log为apache访问日志）

 谢谢浏览，多多评论哦。