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。
文本处理三剑客之awk
awk:
报告生成器,格式化文档输出;
awk(gawk):pattern scanning and processing language
格式:awk [options...] 'program' file
program: [/PATTERN/]{ACTION statement;...}
PATTERN: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,通常放在{}中(print/printf);
基本概念:
分隔符(输入分割符,输出分隔符)
输入分割符:
awk对数据进行处理时,会根据特定的标识符对数据进行分段处理,该标识符称为输入分隔符(默认为空白字符);
输出分隔符:
awk在处理完数据后,会以特定标识符对各字段进行输出;
记录:由换行符分割的数据中的一行,称为一条记录,通常用$0表示;
字段:经过分隔符分割后的每一个数据分段(field),通常用$N表示(N为除0外的数字);
awk的工作原理:
1):首先执行Begin{action statement}语句块中的语句;
2):其次,从文件或标准输入中读取一行,根据Pattern匹配的结果执行action的内容,重复此操作,直到完毕;
3):最后,执行End{action statement}语句块中的语句;
注意:
1)begin语句在awk处理数据前执行,常用于生成表头(该语句可省略)
2)end语句在awk处理完所有数据后执行,用于数据汇总(该语句可省略)
3)Pattern语句是最重要的部分,不可省略,但action可省略,默认执行print操作;
4)awk在执行Pattern语句块时,默认循环遍历数据中的各记录;
常用选项:
-f:--file program-file:从指定文件中加载program语句块;
-F:--filed-sparator fs:指定字段的输入分隔符;
-V:--assign var=value:用于声明自定义变量并为其赋值;
awk的常用用法:
1.变量:(内置变量,自定义变量)
内置变量:
FS:input field separator:输入字段分割符,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;
例:
~]# awk -v FS=':' -v OFS=':' '{print $1,$2}' /etc/group
RS:输入记录分隔符,默认为换行符(即使定义了记录分割符,原有的换行符依旧有效);
ORS:输出记录分隔符,默认为换行符(即使定义了记录分割符,原有的换行符依旧有效);
例:
~]# awk -v RS=':' '{print $1,$2}' /etc/group
NF:每一行字段的总数;
例:
~]# awk -F: '{print NF}' /etc/group
NR:列出文件行的总行号;
例:
~]# awk -F: '{print NR}' /etc/group
FNR:对不同的文件统计文件行的行号;
例:
~]# awk -F: '{print FNR}' /etc/group /etc/passwd
FILENAME:当前正在被使用的文件的文件名;
例:
~]# awk -F: 'END{print FILENAME}' /etc/group /etc/passwd
ARGC:命令行中参数数量(不包括Option中和Program中的参数)
例:
~]# awk -F: 'END{print ARGC}' /etc/group /etc/passwd /etc/fstab
ARGV:由命令行所有参数构成的数组
例:
~]# awk -F: 'END{print ARGV[2]}' /etc/group /etc/passwd /etc/fstab
自定义变量:
定义方式:-v var_name
例子:
# awk -v var='你好' -F: '{print $1,":",var}' /etc/passwd
2.常用的action:
print:
格式:print item1,item2....
注意:1)各item之间需使用","进行分割
2)item可以是字符串,数字,变量,当前记录中的字段,也可是awk表达式(省略则输出整行)
例:
~]# awk -F: '{print $1,$3,$6}' /etc/passwd
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)默认不自动换行,需给出"\n"
3)FORMAT中需为后面的每个item指定格式化符号;
常用的FORMAT:
%c:以ACSII码表中的内容显示字符信息;
%d,%i:显示十进制整数
%e,%E:以科学记数法显示数字,浮点类型;
%f,%F:显示十进制数字的浮点形式
%g,%G:以科学记数法显示浮点数字
%v:显示无符号十进制数字
%s:显示字符串
%x,%X:显示无符号的十六进制数
%%: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:
3.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;
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:
==, !=, >, >=, <, <=
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;
例:
~]# awk -F: '$1~/root/{print $0}' /etc/group
逻辑运算操作符:
&&
||
|
例:
~]# awk -F: '$3>100&&$3<200{print $0}' /etc/group
条件表达式:
selector(condition)?if-true-expression:if-false-expression
例:
~]# awk -F: '{$3>100?usertype="common":usertype="super";printf "%-20s: %-5s\n",$1,usertype}' /etc/passwd
4.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;
例:
~]# awk -F: '/^r/{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
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;
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
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;
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语句块必须给出;
5.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)
6.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 fstab'/^[^#]/{if(NF==6){print}}' /etc/passwd
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;
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;
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;
例:
~]# awk -F: '{if($3%2==1){next}else{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\n",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