awk的基本概念，基础用法和高级用法
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awk的基本概念，基础用法和高级用法相关的知识，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；
awk是下面三个人的姓氏缩写：
最早由Alfred Aho开发的，曾工作于贝尔实验室；
Peter J Weinberger：贝尔实验室；
Brian W Kernighan：贝尔实验室；K&R这两个人共同编写了 《C语言程序设计 第二版》
被各种改版的awk：
CentOS/RHEL系：GNU awk，gawk；
New awk，nawk；
Old awk，oawk；
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，都称为一个字段(Field)；通常在使用awk处理数据时，使用$1,$2...$NF(Number of Field)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
root:0:/bin/bash
bin:1:/sbin/nologin
daemon:2:/sbin/nologin
...
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
root#x#0#0#root#/root#/bin/bash
bin#x#1#1#bin#/bin#/sbin/nologin
daemon#x#2#2#daemon#/sbin#/sbin/nologin
adm#x#3#4#adm#/var/adm#/sbin/nologin
lp#x#4#7#lp#/var/spool/lpd#/sbin/nologin
...
NF：The number of fields，每一行中的字段的总数；
示例：
~]# awk -F: ‘{print NF}‘ /etc/passwd
7
7
7
7
7
...
显示指定文件中每行中的字段的数量；
~]# awk -F: ‘{print $NF}‘ /etc/passwd
/bin/bash
/sbin/nologin
/sbin/nologin
/sbin/nologin
/sbin/nologin
/bin/sync
...
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
/root
/bin
/sbin
/var/adm
/var/spool/lpd
/sbin
/sbin
...
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
1
2
3
4
5
...
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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
1
2
3
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
/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
4
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
/etc/fstab
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
root,hello
bin,hello
daemon,hello
adm,hello
...
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
CentOS release 6.9 (Final)
Kernel \r on an \m
~]# awk ‘{print $1,$3,$NF}‘ /etc/issue
CentOS 6.9 (Final)
Kernel on \m
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：\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：%number+字母 标识这么多个数字的字符以%字母格式显示 例：%20s
%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\n",$1,$3}‘ /etc/passwd
root:+0
bin:+1
daemon:+2
adm:+3
lp:+4
...
4.操作符：
算术运算操作符：
双目运算符必须用两个数字进行运算：
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；
单目运算符的优先级高于双目运算符
示例：这个示例就是个运算而已后面参数是哪个文件已经无所谓了
~]# 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：找到用户UID为1000的并打印出其用户名
~]# awk -F : ‘$3>=1000{print $1}‘ /etc/passwd
nfsnobody
模式匹配操作符：
~：操作符左侧的字符串是否能够被右侧的PATTERN所匹配；
!~：操作符左侧的字符串是否不能被右侧的PATTERN所匹配；
示例：
~]# awk -F : ‘$NF~/bash/{print $0}‘ /etc/passwd
root:x:0:0:root:/root:/bin/bash
逻辑运算操作符：
&&
||
!
示例：
~]# awk -F: ‘$3>=1000&&$3<=1000000{print $0}‘ /etc/passwd
nfsnobody:x:65534:65534:Anonymous NFS User:/var/lib/nfs:/sbin/nologin
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\n",$1,usertype}‘ /etc/passwd
root: SuperUser or Sysuser
bin: SuperUser or Sysuser
daemon: SuperUser or Sysuser
adm: SuperUser or Sysuser
lp: SuperUser or Sysuser
sync: SuperUser or Sysuser
shutdown: SuperUser or Sysuser
halt: SuperUser or Sysuser
mail: SuperUser or Sysuser
uucp: SuperUser or Sysuser
operator: SuperUser or Sysuser
games: SuperUser or Sysuser
gopher: SuperUser or Sysuser
ftp: SuperUser or Sysuser
nobody: SuperUser or Sysuser
dbus: SuperUser or Sysuser
usbmuxd: SuperUser or Sysuser
rpc: SuperUser or Sysuser
rtkit: SuperUser or Sysuser
avahi-autoipd: SuperUser or Sysuser
vcsa: SuperUser or Sysuser
abrt: SuperUser or Sysuser
rpcuser: SuperUser or Sysuser
nfsnobody: Common User
haldaemon: SuperUser or Sysuser
ntp: SuperUser or Sysuser
apache: SuperUser or Sysuser
saslauth: SuperUser or Sysuser
postfix: SuperUser or Sysuser
gdm: SuperUser or Sysuser
pulse: SuperUser or Sysuser
sshd: SuperUser or Sysuser
tcpdump: SuperUser or Sysuser
named: SuperUser or Sysuser
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 $0}‘ /etc/passwd
root:x:0:0:root:/root:/bin/bash
rpc:x:32:32:Rpcbind Daemon:/var/lib/rpcbind:/sbin/nologin
rtkit:x:499:499:RealtimeKit:/proc:/sbin/nologin
rpcuser:x:29:29:RPC Service User:/var/lib/nfs:/sbin/nologin
~]# awk -F: ‘!/n$/{print $0}‘ /etc/passwd
root:x:0:0:root:/root:/bin/bash
sync:x:5:0:sync:/sbin:/bin/sync
halt:x:7:0:halt:/sbin:/sbin/halt
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
15 nobody:x:99:99:Nobody:/:/sbin/nologin
16 dbus:x:81:81:System message bus:/:/sbin/nologin
17 usbmuxd:x:113:113:usbmuxd user:/:/sbin/nologin
18 rpc:x:32:32:Rpcbind Daemon:/var/lib/rpcbind:/sbin/nologin
19 rtkit:x:499:499:RealtimeKit:/proc:/sbin/nologin
20 avahi-autoipd:x:170:170:Avahi IPv4LL Stack:/var/lib/avahi-autoipd:/sbin/nologin
/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
1 root:x:0:0:root:/root:/bin/bash
2 bin:x:1:1:bin:/bin:/sbin/nologin
3 daemon:x:2:2:daemon:/sbin:/sbin/nologin
4 adm:x:3:4:adm:/var/adm:/sbin/nologin
18 rpc:x:32:32:Rpcbind Daemon:/var/lib/rpcbind:/sbin/nologin
19 rtkit:x:499:499:RealtimeKit:/proc:/sbin/nologin
20 avahi-autoipd:x:170:170:Avahi IPv4LL Stack:/var/lib/avahi-autoipd:/sbin/nologin
23 rpcuser:x:29:29:RPC Service User:/var/lib/nfs:/sbin/nologin
24 nfsnobody:x:65534:65534:Anonymous NFS User:/var/lib/nfs:/sbin/nologin
25 haldaemon:x:68:68:HAL daemon:/:/sbin/nologin
26 ntp:x:38:38::/etc/ntp:/sbin/nologin
27 apache:x:48:48:Apache:/var/www:/sbin/nologin
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\n","USERNAME","USERID","SHELL"}NR>=15&&NR<=20{printf "%20s %10s %20s\n",$1,$3,$7}‘ /etc/passwd
USERNAME USERID SHELL
nobody 99 /sbin/nologin
dbus 81 /sbin/nologin
usbmuxd 113 /sbin/nologin
rpc 32 /sbin/nologin
rtkit 499 /sbin/nologin
avahi-autoipd 170 /sbin/nologin
root: SuperUser or Sysuser
bin: SuperUser or Sysuser
daemon: SuperUser or Sysuser
...
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
USERNAME USERID SHELL
nobody 99 /sbin/nologin
dbus 81 /sbin/nologin
usbmuxd 113 /sbin/nologin
rpc 32 /sbin/nologin
rtkit 499 /sbin/nologin
avahi-autoipd 170 /sbin/nologin
------------------------------------------------------------------
34 users
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
Sysuser: root
Sysuser: bin
Sysuser: daemon
Sysuser: adm
...
~]# awk ‘/^[^#]/{if(NF==6){print}}‘ /etc/fstab
/dev/mapper/VolGroup-lv_root / ext4 defaults 1 1
UUID=f1dc8baa-7d08-4d88-943c-339bae3704f9 /boot ext4 defaults 1 2
/dev/mapper/VolGroup-lv_home /home ext4 defaults 1 2
/dev/mapper/VolGroup-lv_swap swap swap defaults 0 0
tmpfs /dev/shm tmpfs defaults 0 0
devpts /dev/pts devpts gid=5,mode=620 0 0
sysfs /sys sysfs defaults 0 0
proc /proc proc defaults 0 0
/dev/raid_vg/raid_lv /userhome ext4 defaults 0 0
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}}‘
/dev/sr0
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：判断字符串长度
~]# awk ‘{i=1;while(i<=NF){print $i,length($i);i++}}‘ testfile
The 3
first 5
day 3
when 4
I 1
started 7
my 2
middle 6
school 6
life, 5
I 1
felt 4
so 2
lonely, 7
because 7
I 1
didn’t 6
know 4
anyone 6
who 3
was 3
around 6
me. 3
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
The 3
first 5
day 3
when 4
I 1
started 7
my 2
middle 6
school 6
life, 5
I 1
felt 4
so 2
lonely, 7
because 7
I 1
didn’t 6
know 4
anyone 6
who 3
was 3
around 6
me. 3
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
first 5
started 7
middle 6
school 6
life, 5
lonely, 7
because 7
didn’t 6
anyone 6
around 6
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
root 0
daemon 2
lp 4
shutdown 6
mail 8
uucp 10
games 12
ftp 14
rpc 32
avahi-autoipd 170
nfsnobody 65534
haldaemon 68
ntp 38
apache 48
saslauth 498
gdm 42
sshd 74
tcpdump 72
或者用下面这种方式也是一样的
~]# awk -F: ‘{if($3%2==1)next;print $1,$3}‘ /etc/passwd
8.数组——Array
用户自定义的数组，一般使用关联数组：array_name[index_expression]
注意：
1) index_expression可以使用任意的字符串，但字符串必须放在双引号中；
2) 支持弱变量数组，即：如果某数组元素事先不存在，当引用该元素时，awk会自动创建此元素，并为此元素赋"空字符串"作为其初始值；
示例：
~]# awk ‘BEGIN{name["leader"]="zhangsan";name["mem1"]="lisi";name["mem2"]="bob";print "Leader:",name["leader"],"Member:",name["mem1"],name["mem2"]}‘
Leader: zhangsan Member: lisi bob
~]# awk ‘BEGIN{name["leader"]="zhangsan";name["mem1"]="lisi";name["mem2"]="bob";for(i in name){print name[i]}}‘
lisi
bob
zhangsan
查看当前系统上所有服务的不同TCP状态的连接数量的统计：
~]# netstat -nalt | awk ‘/^tcp\>/{state[$NF]++}END{for(stat in state){printf "%15s: %-10d\n",stat,state[stat]}}‘
ESTABLISHED: 1
LISTEN: 12
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awk的基本概念，基础用法和高级用法的主要内容，如果未能解决你的问题，请参考以下文章