Linux文本處理三劍客之awk

Linux文本處理三劍客：

1、grep ： 文本過濾（模式：pattern）工具

2、sed? ： （stream editor），文本編輯工具

3、awk ： Linux上的實現gawk，文本報告生成器，格式化文本輸出

一、awk介紹

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，現linux系統默認使用的版本

 

二、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。（本身即循環）
• 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?？梢詫懺贐EGIN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

 

• 分割符、域和記錄

1、文件的每一行稱為記錄record（默認回車為換行符），列稱為字段、域或者屬性（默認空格為分割符）。記錄和域 的分隔符可人為指定換行符，如：空格，冒號，或字母a等

2、awk執行時，由分隔符分隔的字段（域column）標記$1,$2..$n稱為域標識。

3、$0為所有域，注意：和shell中變量$符含義不同

4、省略action，則默認執行 print $0 的操作

 

• awk語言

基本格式：awk [options] ‘program’ file…

program 即 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和 END 也算是特殊的pattern

action statements對數據進行處理，放在{}內指明，如print, printf

 

三、awk?基本用法

（1）? awk [options] ‘program’ var=value file…

（2）? awk [options] -f programfile var=value file…

（3）? 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即要執行的命令，通常是放單引號或雙引號中

選項：

-F 指明輸入時用到的字段分隔符（默認空格為分隔符，連續多個空格會被當做一個空格，與cut不同）

-v var=value: 自定義變量

-f /PATH/TO/FILE? ?對文件的處理動作太多或太復雜時可放入文件中，用 -f 調用文件 。

四、awk變量

變量：內置和自定義變量

內置變量：

FS：輸入字段分隔符，默認為空白字符? ?如：awk -v FS=’:’ ‘{print $1,FS,$3}’ /etc/passwd

OFS：輸出字段分隔符，默認為空白字符? ?如：awk -v FS=‘:’ -v OFS=‘:’ ‘{print $1,$3,$7}’ /etc/passwd

RS：輸入記錄分隔符，指定輸入時的換行符

ORS：輸出記錄分隔符，輸出時用指定符號代替換行符

NF：字段數量

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

awk -F: ‘{print $(NF-1)}’ /etc/passwd? 打印倒數第二的域字符串

NR：記錄號，即行號? ? ? 如：awk ‘{print NR}’ /etc/fstab? /etc/passwd? ? 兩個文件的記錄號總和

FNR：各文件分別計數,記錄號? ? 如：awk ‘{print FNR}’ /etc/fstab /etc/inittab

FILENAME：當前文件名? ? 如：awk ‘{print FILENAME}’ /etc/fstab

ARGC：命令行參數的個數

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

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

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

 

自定義變量(區分字符大小寫)

(1) -v var=value

(2) 在program中直接定義

五、awk的格式化輸出：printf命令

• ?格式化輸出：printf “FORMAT”, item1, item2, …

(1) 必須指定FORMAT（print不用指定格式）

(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 “Username: %-15s,UID:%d\n”,$1,$3}’ /etc/passwd

六、awk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

如：??awk ‘BEGIN{print 2^10}’? ? 計算2的10次方，輸出為1024

字符串操作符：沒有符號的操作符，字符串連接

賦值操作符：

=, +=, -=, *=, /=, %=, ^=，++, —

如：awk ‘BEGIN{i=0;print ++i,i}’? ? ?輸出為? ?1? ?1

awk ‘BEGIN{i=0;print i++,i}’? ? ?輸出為? ?0? 1

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

邏輯操作符：與&&，或||，非!

條件表達式（三目表達式）：

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

? 示例：

awk -F: ‘{$3>=1000?usertype=”Common User”:usertype=”Sysadmin or SysUser”;printf?“%15s:%-s\n”,$1,usertype}’ /etc/passwd

根據文件中第三列字符串（即用戶UID）是否大于100，給usertype賦值，然后打印每一行的第一列字符串（即用戶名）和對應的變量usertype值。

 

七、awk PATTERN

PATTERN:根據pattern條件，過濾匹配的行，再做處理

• (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? 如：awk ‘/^UUID/{print $1}’ /etc/fstab
• (3) relational expression: 關系表達式，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 ; awk ‘!1’ /etc/passwd? ? ? !0為真，全打印；!1為假，不打印

seq 10 |awk ‘i=!i’? ?? ?打印奇數行

seq 10 |awk ‘!(i=!i)’? ? ? ?打印偶數行

seq 10 |awk ‘{i=!i;print i}’? ? ? 打印

• （4) line ranges：行范圍

/pat1/,/pat2/?從匹配到pat1開始，到第一次匹配到pat2結束，之間所有的行；不支持直接給出行號，如果要表示行號范圍，可使用NR>=10&&NR<=20方式

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

• (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

示例：: ‘BEGIN{print ” USER UID \n————— “}{print $1,$3}’END{print”==============”} /etc/passwd

八、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

九、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

1、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($NF==”/bin/bash”) print $1}’ /etc/passwd

awk -F: ‘{if($3>=1000) printf “Common user: %s\n”,$1; else printf “root or Sysuser: %s\n”,$1}’?/etc/passwd

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

2、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

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

對文件每一行的每一個字段處理，打印字段長度小于等于10的字段和字段長度，如下：

• 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}’

3、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(var?in array) {for-body}? ? ????var in array在awk中遍歷的是數組的下標，而不是具體元素的值

示例：

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

awk ‘{ip[$i]++}END{for(i in ip){print i,ip[i]}}’ /var/log/httpd/access_log? ? 統計訪問日志中的IP和同一個IP的出現次數

題外話：性能比較（從1加到10000的和）? ? ? ?

? ? ? ? ? ? ? ? ? ? ? ?time命令可查看指定命令所消耗的時間

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)

time(seq –s ”+” 10000|bc)

 

4、break、continue和next

awk ‘BEGIN{sum=0;for(i=1;i<=100;i++)?{if(i%2==0)continue;sum+=i}print sum}‘?? 計算1到100之間奇數的和，偶數跳過

awk ‘BEGIN{sum=0;for(i=1;i<=100;i++)?{if(i==66)break;sum+=i}print sum}‘? ?i=66時結束循環，即1到66的和

break [n]

continue [n]

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）

如： awk -F: ‘{if($3%2!=0) next; print $1,$3}’ /etc/passwd? ?打印UID是偶數的用戶名和UID

十、awk數組

• 1、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：

??awk ‘BEGIN{weekdays[“mon”]=”Monday”;weekdays[“tue”]=”Tuesday”;print weekdays[“mon”]}‘

awk ‘!arr[$0]++’ dupfile? ? 去掉文件中重復的行

• 2、若要遍歷數組中的每個元素，要使用for循環
• for(var in array) {for-body}

注意：var會遍歷array的每個索引

示例：

?netstat -tan | awk ‘/^tcp/{state[$NF]++}END{for(i in state) { print i,state[i]}}’ 顯示基于tcp協議的網絡連接每種狀態的數量

awk ‘{ip[$1]++}END{for(i in ip) {print i,ip[i]}}’ /var/log/httpd/access_log? 統計訪問IP及其訪問次數

十一、awk函數

• ?數值處理：

rand()：返回0到1之間一個隨機數，要和 srand（）函數配合才能生效

示例：awk ‘BEGIN{srand(); for (i=1;i<=10;i++)print int(rand()*100) }’??返回10個0到100之間的隨機數

• ?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

示例：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

示例：echo “2008:08:08 08:08:08” | awk ‘gsub(/:/,“-“,$0)’

split(s,array,[r])：以 r 為分隔符，切割字符串 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,…

示例：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)}

編寫一個awk函數，判斷兩個數字大小

 

awk –f fun.awk? ? 調用上述腳本

十二、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。

示例：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：

awkfile var=value var2=value2… Inputfile

注意：在BEGIN過程中不可用。直到首行輸入完成以后，變量才可用。可以通過-v 參數，讓awk在執行BEGIN之前得到變量的值。命令行中每一個指定的變量都需要一個-v參數

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