Linux文本處理三劍客之GNU awk的使用

awk: Aho, Weinberger, Kernighan，報告生成器，格式化文本輸出

有多種版本：New awk（nawk），GNU awk（gawk）

gawk –模式掃描和處理語言

基本用法：

    awk[options] ‘program’ var=value file…

    awk[options] -f programfile var=value file…

    awk[options] 'BEGIN{ action;… } pattern{ action;… } END{ action;… }' file …

awk程序通常由：BEGIN語句塊、能夠使用模式匹配的通用語句塊、END語句塊，共3部分組成program通常是被單引號或雙引號中

選項：

    -F 指明輸入時用到的字段分隔符

    -v var=value: 自定義變量

awk語言

基本格式：awk [options] 'program' file…

program:pattern{action statements;..}

pattern和action：

    pattern部分決定動作語句何時觸發及觸發事件

    （BEGIN,END）

action statements對數據進行處理，放在{}內指明

    （print, printf）

分割符、域和記錄

    awk執行時，由分隔符分隔的字段（域）標記$1,$2..$n稱為域標識。$0為所有域，注意：和shell中變量$符含義不同

    文件的每一行稱為記錄

    省略action，則默認執行 print $0 的操作

awk工作原理

    第一步：執行BEGIN{action;… }語句塊中的語句

    第二步：從文件或標準輸入(stdin)讀取一行，然后執行pattern{ action;… }語句塊，它逐行掃描文件，從第一行到最后一行重復這個過程，直到文件全部被讀取完畢。

    第三步：當讀至輸入流末尾時，執行END{action;…}語句塊

    BEGIN語句塊在awk開始從輸入流中讀取行之前被執行，這是一個可選的語句塊，比如變量初始化、打印輸出表格的表頭等語句通常可以寫在BEGIN語句塊中

    END語句塊在awk從輸入流中讀取完所有的行之后即被執行，比如打印所有行的分析結果這類信息匯總都是在END語句塊中完成，它也是一個可選語句塊

    pattern語句塊中的通用命令是最重要的部分，也是可選的。如果沒有提供pattern語句塊，則默認執行{ print }，即打印每一個讀取到的行，awk讀取的每一行都會執行該語句塊

    

print格式：print item1, item2, …

要點：

    (1) 逗號分隔符

    (2) 輸出的各item可以字符串，也可以是數值；當前記錄的字段、變量或awk的表達式

    (3) 如省略item，相當于print $0

示例：

awk '{print "hello,awk"}'

所有標準輸入之后都轉變成標準輸出的hello,awk

awk –F: '{print}' /etc/passwd

打印/etc/passwd所有內容

awk –F: ‘{print “root”}’ /etc/passwd

以冒號為分隔符，替換成root

awk –F: ‘{print $1}’ /etc/passwd

以冒號為分隔符；打印/etc/passwd文件的第一個參數

awk –F: ‘{print $0}’ /etc/passwd

$0相當于正行，這里相當于打印所有

awk–F: ‘{print $1”\t”$3}’ /etc/passwd

以冒號為分隔，打印$1和$3的參數，相當于打印用戶名和UID

tail –3 /etc/fstab |awk ‘{print $2,$4}’

打印/etc/fstab文件倒數三行，每行的第2，4個參數，默認以空格為分隔符

awk變量

變量：內置和自定義變量

FS：輸入字段分隔符，默認為空白字符

awk -v FS=':' '{print $1,$3,$7}’ /etc/passwd

相當于定義一個變量分隔符為:,輸出參數1，3，7

awk –F: '{print $1,$3,$7}’ /etc/passwd

-v FS=":" 相當于 -F:，所以結果同上圖

OFS：輸出字段分隔符，默認為空白字符

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

以冒號為分隔顯示第1，3，7的參數，并且替換輸出字段的分隔符為#

RS：輸入記錄分隔符，指定輸入時的換行符，原換行符仍有效

awk -v RS=“ ” ‘{print }’ /etc/passwd

表示以空格為換行符

ORS：輸出記錄分隔符，輸出時用指定符號代替換行符

awk -v RS=“ ” -v ORS='###'‘{print }’ /etc/passwd

相當于把換行符的空格替換成###

NF：字段數量

awk ‘{print NF}’ /etc/fstab , 引用內置變量不用$

打印以空格為分隔符的每行字段數

awk -F: '{print $(NF-1)}' /etc/passwd 

NF=7,因為以冒號分隔的參數有7個，$(NF-1）在此處即7-1=6,即顯示其家目錄的位置

NR：行號

awk '{print NR}' /etc/fstab; awk END'{print NR}' /etc/fstab

前半部分相當于打印行號；后半部分相當于打印最后一行的行號，即打印一共有多少行

FNR：各文件分別計數,行號

awk '{print FNR}' /etc/fstab /etc/inittab

即先顯示完/etc/fstab的各行號，然后從1開始顯示第二個文件的各行號

FILENAME：當前文件名

awk '{print FILENAME}’ /etc/fstab

相當于每一行都替換成文件名

ARGC：命令行參數的個數

awk '{print ARGC}’ /etc/fstab /etc/inittab ，確認參數是可見ARGV

相當于每一行替換成顯示命令行參數

第一個參數是awk

第二個參數是/etc/fstab

第三個參數是/etc/inittab

awk ‘BEGIN {print ARGC}’ /etc/fstab /etc/inittab

相當于只是在第一行顯示參數的個數，

假如少一個/etc/inittab，即參數變成兩個

ARGV：數組，保存的是命令行所給定的各參數

awk ‘BEGIN {print ARGV[0]}’ /etc/fstab /etc/inittab

awk ‘BEGIN {print ARGV[1]}’ /etc/fstab /etc/inittab

awk ‘BEGIN {print ARGV[2]}’ /etc/fstab /etc/inittab

自定義變量

    (1) -v var=value

        變量名區分字符大小寫

    (2) 在program中直接定義

示例：

awk -v test='hello gawk' '{print test}' /etc/fstab

相當于每一行都打印變量test,即每一行打印機hello gawk

awk -v test='hello gawk' 'BEGIN{print test}'

相當于只在第一行打印變量test

awk 'BEGIN{test="hello,gawk";print test

變量直接在中括號里面寫，意義同上

printf命令

格式化輸出：printf“FORMAT”, item1, item2, …

    (1) 必須指定FORMAT

    (2) 不會自動換行，需要顯式給出換行控制符，\n

    (3) FORMAT中需要分別為后面每個item指定格式符

格式符：與item一一對應

    %c: 顯示字符的ASCII碼

    %d, %i: 顯示十進制整數

    %e, %E:顯示科學計數法數值

    %f：顯示為浮點數

    %g, %G：以科學計數法或浮點形式顯示數值

    %s：顯示字符串

    %u：無符號整數

    %%: 顯示%自身

修飾符：

    #[.#]：第一個數字控制顯示的寬度；第二個#表示小數點后精度，%3.1f

    -: 左對齊（默認右對齊）%-15s

    +：顯示數值的正負符號%+d

printf示例

awk -F: ‘{printf "%s",$1}’ /etc/passwd

相當于第一個參數是字符竄的時候才顯示

awk -F: ‘{printf "%s\n",$1}’ /etc/passwd

效果如上圖，加入“\n”是換行符

awk -F: ‘{printf "Username: %s\n",$1}’ /etc/passwd

顯示第一個參數的并且是字符竄的信息，在第一個參數前面加上Username等字符竄信息

awk -F: ‘{printf “Username: %s,UID:%d\n",$1,$3}’/etc/passwd
顯示第一個字符串參數和第三個整數參數，并且在其前面加上Username和UID等字符串信息

awk -F: ‘{printf "Username: %15s,UID:%d\n",$1,$3}’/etc/passwd

%15s是多了15個空格的意思，其他同上

awk -F: ‘{printf "Username: %-15s,UID:%d\n",$1,$3}’/etc/passwd

指與下一個字符隔開15個字符串，參考下圖

操作符

算術操作符：

    x+y, x-y, x*y, x/y, x^y, x%y

    -x: 轉換為負數

    +x: 轉換為數值

字符串操作符：沒有符號的操作符，字符串連接

賦值操作符：

    =, +=, -=, *=, /=, %=, ^=

    ++, —

比較操作符：

    >, >=, <, <=, !=, ==

模式匹配符：

    ~：左邊是否和右邊匹配包含

    !~：是否不匹配

模式匹配符示例1： awk –F: '$0 ~ /root/{print $1}‘ /etc/passwd

表示第一個參數包含root等字符的信息

模式匹配符示例2：awk '$0 !~ /root/‘ /etc/passwd

表示第一個參數不包含root等字符的信息

邏輯操作符：與&&，或||，非!

示例：

awk –F: '$3>=0 && $3<=1000 {print $1}' /etc/passwd

顯示UID大于等于0，少于等于1000的的用戶名

awk -F: '$3==0 || $3>=1000 {print $1}' /etc/passwd

顯示UID等于0或者UID大于等于1000的用戶名

awk -F: ‘!($3==0){print $1}' /etc/passwd

顯示UID不等于0的用戶

awk -F: ‘!($3>=500) {print $3}}’ /etc/passwd

顯示UID少于500的用戶

函數調用：function_name(argu1, argu2, …)

條件表達式（三目表達式）：

    selector?if-true-expression:if-false-expression

示例：

awk -F: '{$3>=500?usertype="Common User":usertype="Sysadmin or SysUser";printf"%15s:%-s\n",$1,usertype}' /etc/passwd

判斷，如果UID大于等于500，那么usertype=Common User

    否則，那么usertype=Sysadmin or SysUser

awk PATTERN

PATTERN:根據pattern條件，過濾匹配的行，再做處理,此處支持的是擴展正則表達式

(1)如果未指定：空模式，匹配每一行

(2) /regular expression/：僅處理能夠模式匹配到的行，需要用/ /括起來

awk'/^UUID/{print $1}' /etc/fstab

awk'!/^UUID/{print $1}' /etc/fstab

(3) relational expression: 關系表達式，結果有“真”有“假”，結果為“真”才會被處理

真：結果為非0值，非空字符串

假：結果為空字符串或0值

示例：

awk ‘!0’ /etc/passwd 

非0，即是1，所以打印所有

awk ‘!1’ /etc/passwd

非1，即0，所以完全不打印

awk –F: '$3>=500{print $1,$3}' /etc/passwd

如果UID>500,就打印用戶名和UID

awk -F: '$3<500{print $1,$3}' /etc/passwd

如果UID少于500，就打印用戶名和UID

awk -F: '$NF=="/bin/bash"{print $1,$NF}' /etc/passwd

如果最后一個字段等于/bin/bash,就打印用戶名和最后一個字段

awk -F: '$NF==/bash$/{print $1,$NF}' /etc/passwd

(4)line ranges：行范圍

startline,endline：/pat1/,/pat2/不支持直接給出數字格式

示例:

awk-F: '/^root\>/,/^nobody\>/{print $1}' /etc/passwd

顯示以root開頭到以nobody開頭的行的第一個參數

awk -F: ‘(NR>=10&&NR<=20){print NR,$1}' /etc/passwd

顯示大于等于10，少于等于20的行的行號和第一個參數

(5) BEGIN/END模式

BEGIN{}: 僅在開始處理文件中的文本之前執行一次

END{}：僅在文本處理完成之后執行一次

awk -F: 'BEGIN{print "line:\tusername"}{(NR>=10&&NR<=20);print NR"\t"$1}' /etc/passwd

awk -F: 'BEGIN{print "line\tusername"}(NR>=10&&NR<=20){print NR"\t"$1}END{print "end file"}' /etc/passwd

awk -F: '{print "USER\tUSERID";print $1"\t"$3}END{print "end file"}' /etc/passwd

少了BEGIN以后，每行的開始都打印了USER和USERID

awk -F: '{print "USER UID \n—————"}{print $1,$3}' /etc/passwd

awk -F: 'BEGIN{print "USER UID \n—————"}{print$1,$3}(NR>=35)

END{print"=============="}' /etc/passwd

relational expression示例：

真：結果為非0值，非空字符串

假：結果為空字符串或0值

seq 10 |awk ‘i=0’

如果為i=0，那么就不打印

seq 10 |awk ‘i=1’

如果i=1,就打印

seq 10 | awk 'i=!i‘

如果i不等于i；默認i沒有設置任何數值，那么i=0,但是！i,即i不等于0，那么就打印

即第一個數的時候打印，第二個數的時候不打印，

即打印奇數

seq 10 | awk '{i=!i;print i}’

從這個例子可以看出上面的例子的打印過程，1 0 1 0…

seq 10 | awk ‘!(i=!i)’

打印偶數，參考上面

seq 10 |awk -v i=1 'i=!i'

給i定義一個初始值1,開始的時候打印條件是i不等于1,即0，所以不打印

然后第二次打印，此時i=0,打印條件是i=！i,即1，所以打印

如此重復，即打印偶數

awk action

常用的action分類

    (1) Expressions:算術，比較表達式等

    (2) Control statements：if, while等

    (3) Compound statements：組合語句

    (4) input statements

    (5) output statements：print等

awk控制語句

    { statements;… } 組合語句

    if(condition) {statements;…}

    if(condition) {statements;…} else {statements;…}

    while(conditon) {statments;…}

    do {statements;…} while(condition)

    for(expr1;expr2;expr3) {statements;…}

    break

    continue

    delete array[index]

    delete array

    exit

awk控制語句

if-else

語法：if(condition) statement [else statement]

    if(condition1){statement1}else if(condition2){statement2}else{statement3}

使用場景：對awk取得的整行或某個字段做條件判斷

示例：

awk -F: '{if($3>=500)print $1,$3}' /etc/passwd

意義同awk -F: {($3>500)print$1,$3} /etc/passwd

awk-F: '{if($NF=="/bin/bash") print $1}' /etc/passwd

顯示最后一個參數是/bin/bash的行的第一個參數

awk'{if(NF>5) print $0}' /etc/fstab

顯示參數大于5個的所有行

awk -F: '{if($3>=500) {printf"Common user: %s\n",$1} else {printf"root or Sysuser: %s\n",$1}}' /etc/passwd

awk -F: '{if($3>=500){print "CommonUser:\t"$1}else{print "root or Sysuser:\t"$1}}' /etc/passwd

awk -F: '{if($3>=500) printf "Common user: %s\n",$1;else printf "root or Sysuser: %s\n",$1}' /etc/passwd

意義同上，只是格式不同，不同之間可以用（;分號）分隔

df -h | awk -F% '/^\/dev/{print $1}'|awk'$NF>=20{print $1,$5}‘

顯示磁盤空間使用率最大的磁盤名稱以及其使用的空間

df | awk '/^\/dev\/sd*/{print $5}'| awk -F% '$(NF-1)>=20{print $1}'

顯示磁盤空間使用率最大的磁盤使用的空間

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

判斷test的數值，如果大于90，打印very good,如果大于60,打印good,否則，打印no pass

while循環

語法：while (condition) {statement;…}

條件“真”，進入循環；條件“假”，退出循環

使用場景：

    對一行內的多個字段逐一類似處理時使用

    對數組中的各元素逐一處理時使用

示例：

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

匹配以空白開頭，后面跟著linux16開頭的行，默認以空白為分隔符，使i=1,當i小于等于字段數量，就停止，打印每個字段的字段數量。

awk '/^[[:space:]]*linux16/{i=1;while(i<=NF) {if(length($i)>=10) {print $i,length($i)}; i++}}' /etc/grub2.cfg

匹配以空白開頭，后面跟著linux16開頭的行，默認以空白為分隔符，使i=1,當i小于等于字段數量，就停止，打印大于10個字段數量的字段。

do-while循環

語法：do {statement;…}while(condition)

意義：無論真假，至少執行一次循環體

示例：

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

統計1到100的和

思考：下面兩語句有何不同？

awk ‘BEGIN{i=0;print ++i,i}’

++i,表示已經+1的i

awk ‘BEGIN{i=0;print i++,i}’

i++,表示0++1，但是狀態還是0，下一次的結果才是1

for循環

語法：for (expr1;expr2;expr3) {statement;…}

常見用法：

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

特殊用法：能夠遍歷數組中的元素；

    語法：for(varin array) {for-body}

示例：

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

匹配以空白開頭，后面跟著linux16開頭的行，默認以空白為分隔符，使i=1,當i小于等于字段數量，就停止，打印每個字段的字段數量。

性能比較

執行以下命令對比時間

time (awk 'BEGIN{ total=0;for(i=0;i<=10000;i++){total+=i;};print total;}')

time(total=0;for i in {1..10000};do total=$(($total+i));done;echo $total)

time(for ((i=0;i<=10000;i++));do let total+=i;done;echo $total)

當數值較小的時候，并不會看出明顯的差異

當數值變大以后，可以看出，awk計算速度是非常優秀的

switch語句

語法：switch(expression) {case VALUE1 or /REGEXP/: statement; case VALUE2 or /REGEXP2/: statement; …; default: statement}

break和continue

break [n] 當匹配對應的n數值時候，終止整個運算

continue [n] 當匹配對應的n數值時候，僅跳過該數值的運算，繼續執行下一個數值的運算

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

統計1-100之間的奇數

當i除2余數是0的時候，該數值會被跳過，從而忽略偶數，即只統計奇數

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

next:

提前結束對本行處理而直接進入下一行處理（awk自身循環）

awk -F: '{if($3%2!=0) next; print $1,$3}' /etc/passwd

當遇到符合UID除2余數為非0，就處理下一行，即不處理uid為奇數的行

以下結果對比以上結果驗證想法。

awk數組

關聯數組：array[index-expression]

index-expression:

(1) 可使用任意字符串；字符串要使用雙引號括起來

(2) 如果某數組元素事先不存在，在引用時，awk會自動創建此元素，并將其值初始化為“空串”

若要判斷數組中是否存在某元素，要使用“index in array”格式進行遍歷

示例：

在awk里面定義一個數組weekdays[“mon”]="Monday“

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

定義了兩個，最后打印數組weekdays的["mon"]項

awk ‘!a[$0]++’ dupfile

若要遍歷數組中的每個元素，要使用for循環

for(varin array) {for-body}

注意：var會遍歷array的每個索引

示例：

awk 'BEGIN{weekdays["mon"]="Monday";weekdays["tue"]="Tuesday";for(i in weekdays){print weekdays[i]}}'

netstat -tan | awk '/^tcp\>/{state[$NF]++}END{for(i in state){print i,state[i]}}'

統計狀態出現的次數

awk '{ip[$1]++}END{for(i in ip){print i,ip[i]}}' /var/log/httpd/access_log

統計ip出現的次數

awk函數

數值處理：

    rand()：返回0和1之間一個隨機數

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

字符串處理：

length([s])：返回指定字符串的長度

sub(r,s,[t])：對t字符串進行搜索r表示的模式匹配的內容，并將第一個匹配的內容替換為s

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

gsub(r,s,[t])：對t字符串進行搜索r表示的模式匹配的內容，并全部替換為s所表示的內容

    echo "2008:08:08 08:08:08" | awk 'gsub(/:/,"",$1)'

split(s,array,[r])：以r為分隔符，切割字符s，并將切割后的結果保存至array所表示的數組中，第一個索引值為1,第二個索引值為2,…

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

自定義函數

格式：

    function name ( parameter, parameter, … ) {

            statements

            return expression

    }

示例：

    #cat fun.awk

    function max(v1,v2) {

        v1>v2?var=v1:var=v2

        return var

    }

    BEGIN{a=3;b=2;print max(a,b)}

    #awk –f fun.awk

awk中調用shell命令

system命令

空格是awk中的字符串連接符，如果system中需要使用awk中的變量可以使用空格分隔，或者說除了awk的變量外其他一律用""引用起來。

    awk BEGIN'{system("hostname")}'

    awk 'BEGIN{score=100; system("echo your score is " score) }'

awk腳本

將awk程序寫成腳本，直接調用或執行

示例：

#cat f1.awk

    {if($3>=1000)print $1,$3}

#awk -F: -f f1.awk /etc/passwd

#cat f2.awk

    #!/bin/awk -f

    #this is a awk script

    {if($3>=1000)print $1,$3}

#chmod +x f2.awk

#f2.awk –F: /etc/passwd

向awk腳本傳遞參數

格式：

    awk file var=value var2=value2… Inputfile

示例：

    #cat test.awk

        #!/bin/awk –f

        {if($3 >=min && $3<=max)print $1,$3}

    #chmod +x test.awk

    #test.awk -F: min=100 max=200 /etc/passwd

awk綜合示例：

1、統計/etc/fstab文件中每個文件系統類型出現的次數

awk '/^UUID/{fs[$3]++}END{for(i in fs){print i,fs[i]}}' /etc/fstab

2、統計/etc/fstab文件中每個單詞出現的次數；

awk '{for(i=1;i<=NF;i++){count[$i]++}}END{for(i in count){print i,count[i]}}' /etc/fstab

3、分別統計1和2班的平均成績

   score.txt

name    score   class

zhu    81     1

wang   90     2

zh     88     1

w      99     2