文本处理三剑客之awk

Posted 2020-11-05 范儿

简介

awk是一种处理文本文件的语言，是一个强大的文本编辑工具。简单来说awk就是把文件逐行的读入，以空格为默认分隔符将每行切片，切开的部分在进行各种分析处理。

gawk

用法：gawk [options] ‘PATTERN{ACTION STATEMENTS}‘ FILE...

                gawk [options]‘program‘FILE...

                                   program : PATTERN{ACTION STATEMENTS}

选项（options）

-f file :指定awk脚本文件

-F:输入数据时的字段分割符

-v:var=value:自定义变量

分割符、域和记录

awk执行时，由分隔符分隔的字段（域）标记$1,$2..$n称为域标识。

$0为所有域， 注意：和shell中变量$符含义不同

文件的每一行称为记录

省略action，则默认执行 print $0 的操作

示例

从passwd文件中取出user,uid,shell

~]# awk -F: ‘{print $1,$3,$7}‘ /etc/passwd

PATTERN

1）空模式，匹配每一行

2）/正则表达式/：仅处理被模式匹配到的行

3）关系表示式（条件表示式）：布尔值类型，结果为真（非0或非空字符串）则处理；结果为假（0或空字符串）则不处理

4）地址定界；支持PATTERN和条件表达式；不支持数字直接定界

5）BEGIN/END模式；BEGIN{}：仅在文本处理之前执行；END{}：仅在文本处理完成之后执

ACTIONS

表达式

三目表达式：selector?if-true-expression:if-false-expression

如果selector为真，则执行if-true-expression；如果selector为假，则执行if-false-expression。

控制语句

1）if-else 语法：if(condition) statement [else statement]

2）while 语法：while(condition) statement 条件真进入循环，条件假退出循环

3）do-while 语法：do statement while(condittion) 先执行一次do，然后判断是否进入循环

4）for 语法：for（variable assignment; condition; iteration process）{for-body}

*特殊用法：能够遍历数组中的元素，for(var in array) {for-body}

5）switch 语法：switch(expression) {case VALUE1 or /PEGEXP/: statement; case VALUE2 or /PEGEXP2/: statement; ... ;default: statement}

6）next：控制awk的内生循环，提前结束对本行的处理直接进入下一行

7）continue | break | exit：退出循环，和shell中用法相同

组合语句

组合语句需要将多条语句放到大括号内

输入语句

输出语句

print item1, item2, ... 输出命令

1）逗号为分隔符

2）输出的各item可以是字符串，也可是数值当前记录字段、变量或awk的表达式

3）如果省略item，则相当于print $0

printf FORMAT, item1, item2, ...：格式化输出命令

1）FORMAT必须要给出

2）不会自动换行，需要显示给出换行控制符，\n

3）FORMAT中需要分别为后面的每个item指定一个格式化符号

4）格式符

• %c：显示字符的ASCII码；
• %d，%i：显示十进制整数；
• %e，%E：科学计数法数值显示；
• %f：显示为浮点数；
• %g，%G：以科学技术法或浮点数形式显示数值；
• %s：显示字符串；
• %u：无符号整数；
• %%：显示%自身

5）修饰符

• M[.N]：M控制数组显示的宽度，N控制小数点的精度
• -：左对齐显示，默认右对齐
• +：显示数值的符号

变量

内建变量

FS：输入字段分隔符，默认为空白字符

示例：从passwd文件中取出user,uuid,shell

#awk -v FS=":" ‘{print $1,$3,$7}‘ /etc/passwd

OFS：输出字段分隔符，默认为空白字符

示例：从passwd文件中取出user,uuid,shell并以“：”为分隔符输出

#awk -v FS=":" -v OFS":"  ‘{print $1,$3,$7}‘ /etc/passwd

RS：输入记录分隔符

示例：以空格为换行符打印

# awk -v FS" "  ‘{print}‘ /etc/passd

ORS：输出记录分隔符

NF：字段数量；{print $NF}：表示最后字段值

示例：输出每行有多少个字节

# awk ‘{print NR}‘ /etc/passwd

NR：行数，对不同文件行数累加计数

示例：输出文件行号（有多少行）

 

FNR：行数，对不同文件行数分别计数

FILENAME：显示当前文件名

ARGC：命令行参数个数

ARGV：数组，保存的是命令行中给定的各参数，使用ARGV[#]引用

自定义变量

1）-v var=value 在选项中定义

2）在program中直接定义

数组

关联数组：array[index-expression]

index-expression:

1）可以使用任意字符，字符串要使用双引号；

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”；若要判断数组中是否存在某元素，需要使用"index in array"格式进行；

delete array[index]：删除数组中的单个元素

delete array：删除整个数组

函数

内置函数

srand()：生成随机数种子

rand()：返回1和0之间的随机数（小数）

int()：对数取整

length()：返回指定字符串的长度

sub(r, s, [t])：以r表示的模式来查找t所表示的字符串所匹配的内容，并将其第一次出现的替换为s所指定的内容

gsub(r, s, [t])：以r表示的模式来查找t所表示的字符串所匹配的内容，并将其所有出现的替换为s所指定的内容

split(s, a, [r])：以r为分隔符切割字符s，并将切割后的结果保存至a所表示的数组中

自定义函数

function name ( parameter, parameter, ... ) {
statements
return expression
}

awk中的操作符

算术操作符：

• +  -  *  /  ^  %
• -x：整数转换为负数
• +x：字符串转换为数值

赋值操作符：

• =  +=   -=   /=   %=   ^=   ++   --

比较操作符：

• >  <  >=  <=  !=  ==

模式匹配符：

• ~：左侧的字符串是否能够被右侧的模式匹配
• !~：左侧的字符串是否能够被右侧的模式不匹配

逻辑操作符：

• && (并且)
• ||    (或者)
• !       (否)