Linux文本处理三剑客之GNU awk的使用

awk: Aho, Weinberger, Kernighan，报告生成器，格式化文本输出

有多种版本：New awk（nawk），GNU awk（gawk）

gawk –模式扫描和处理语言

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语句块、能够使用模式匹配的通用语句块、END语句块，共3部分组成program通常是被单引号或双引号中

选项：

    -F 指明输入时用到的字段分隔符

    -v var=value: 自定义变量

awk语言

基本格式：awk [options] 'program' file...

program:pattern{action statements;..}

pattern和action：

    pattern部分决定动作语句何时触发及触发事件

    （BEGIN,END）

action statements对数据进行处理，放在{}内指明

    （print, printf）

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

awk工作原理

    第一步：执行BEGIN{action;… }语句块中的语句

    第二步：从文件或标准输入(stdin)读取一行，然后执行pattern{ action;… }语句块，它逐行扫描文件，从第一行到最后一行重复这个过程，直到文件全部被读取完毕。

    第三步：当读至输入流末尾时，执行END{action;…}语句块

    BEGIN语句块在awk开始从输入流中读取行之前被执行，这是一个可选的语句块，比如变量初始化、打印输出表格的表头等语句通常可以写在BEGIN语句块中

    END语句块在awk从输入流中读取完所有的行之后即被执行，比如打印所有行的分析结果这类信息汇总都是在END语句块中完成，它也是一个可选语句块

    pattern语句块中的通用命令是最重要的部分，也是可选的。如果没有提供pattern语句块，则默认执行{ print }，即打印每一个读取到的行，awk读取的每一行都会执行该语句块

print格式：print item1, item2, ...

要点：

    (1) 逗号分隔符

    (2) 输出的各item可以字符串，也可以是数值；当前记录的字段、变量或awk的表达式

    (3) 如省略item，相当于print $0

示例：

awk '{print "hello,awk"}'

所有标准输入之后都转变成标准输出的hello,awk

awk –F: '{print}' /etc/passwd

打印/etc/passwd所有内容

awk –F: ‘{print “root”}’ /etc/passwd

以冒号为分隔符，替换成root

awk –F: ‘{print $1}’ /etc/passwd

以冒号为分隔符；打印/etc/passwd文件的第一个参数

awk –F: ‘{print $0}’ /etc/passwd

$0相当于正行，这里相当于打印所有

awk–F: ‘{print $1”\t”$3}’ /etc/passwd

以冒号为分隔，打印$1和$3的参数，相当于打印用户名和UID

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

打印/etc/fstab文件倒数三行，每行的第2，4个参数，默认以空格为分隔符

awk变量

变量：内置和自定义变量

FS：输入字段分隔符，默认为空白字符

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

相当于定义一个变量分隔符为:,输出参数1，3，7

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

-v FS=":" 相当于 -F:，所以结果同上图

OFS：输出字段分隔符，默认为空白字符

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

以冒号为分隔显示第1，3，7的参数，并且替换输出字段的分隔符为#

RS：输入记录分隔符，指定输入时的换行符，原换行符仍有效

awk -v RS=“ ” ‘{print }’ /etc/passwd

表示以空格为换行符

ORS：输出记录分隔符，输出时用指定符号代替换行符

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

相当于把换行符的空格替换成###

NF：字段数量

awk ‘{print NF}’ /etc/fstab , 引用内置变量不用$

打印以空格为分隔符的每行字段数

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

NF=7,因为以冒号分隔的参数有7个，$(NF-1）在此处即7-1=6,即显示其家目录的位置

NR：行号

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

前半部分相当于打印行号；后半部分相当于打印最后一行的行号，即打印一共有多少行

FNR：各文件分别计数,行号

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

即先显示完/etc/fstab的各行号，然后从1开始显示第二个文件的各行号

FILENAME：当前文件名

awk '{print FILENAME}’ /etc/fstab

相当于每一行都替换成文件名

ARGC：命令行参数的个数

awk '{print ARGC}’ /etc/fstab /etc/inittab ，确认参数是可见ARGV

相当于每一行替换成显示命令行参数

第一个参数是awk

第二个参数是/etc/fstab

第三个参数是/etc/inittab

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

相当于只是在第一行显示参数的个数，

假如少一个/etc/inittab，即参数变成两个

ARGV：数组，保存的是命令行所给定的各参数

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

自定义变量

    (1) -v var=value

        变量名区分字符大小写

    (2) 在program中直接定义

示例：

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

相当于每一行都打印变量test,即每一行打印机hello gawk

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

相当于只在第一行打印变量test

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

变量直接在中括号里面写，意义同上

printf命令

格式化输出：printf“FORMAT”, item1, item2, ...

    (1) 必须指定FORMAT

    (2) 不会自动换行，需要显式给出换行控制符，\n

    (3) FORMAT中需要分别为后面每个item指定格式符

格式符：与item一一对应

    %c: 显示字符的ASCII码

    %d, %i: 显示十进制整数

    %e, %E:显示科学计数法数值

    %f：显示为浮点数

    %g, %G：以科学计数法或浮点形式显示数值

    %s：显示字符串

    %u：无符号整数

    %%: 显示%自身

修饰符：

    #[.#]：第一个数字控制显示的宽度；第二个#表示小数点后精度，%3.1f

    -: 左对齐（默认右对齐）%-15s

    +：显示数值的正负符号%+d

printf示例

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

相当于第一个参数是字符窜的时候才显示

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

效果如上图，加入“\n”是换行符

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

显示第一个参数的并且是字符窜的信息，在第一个参数前面加上Username等字符窜信息

awk -F: ‘{printf “Username: %s,UID:%d\n",$1,$3}’/etc/passwd
显示第一个字符串参数和第三个整数参数，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个空格的意思，其他同上

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

指与下一个字符隔开15个字符串，参考下图

操作符

算术操作符：

    x+y, x-y, x*y, x/y, x^y, x%y

    -x: 转换为负数

    +x: 转换为数值

字符串操作符：没有符号的操作符，字符串连接

赋值操作符：

    =, +=, -=, *=, /=, %=, ^=

    ++, --

比较操作符：

    >, >=, <, <=, !=, ==

模式匹配符：

    ~：左边是否和右边匹配包含

    !~：是否不匹配

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

表示第一个参数包含root等字符的信息

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

表示第一个参数不包含root等字符的信息

逻辑操作符：与&&，或||，非!

示例：

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

显示UID大于等于0，少于等于1000的的用户名

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

显示UID等于0或者UID大于等于1000的用户名

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

显示UID不等于0的用户

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

显示UID少于500的用户

函数调用：function_name(argu1, argu2, ...)

条件表达式（三目表达式）：

    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

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

    否则，那么usertype=Sysadmin or SysUser

awk PATTERN

PATTERN:根据pattern条件，过滤匹配的行，再做处理,此处支持的是扩展正则表达式

(1)如果未指定：空模式，匹配每一行

(2) /regular expression/：仅处理能够模式匹配到的行，需要用/ /括起来

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

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

(3) relational expression: 关系表达式，结果有“真”有“假”，结果为“真”才会被处理

真：结果为非0值，非空字符串

假：结果为空字符串或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,就打印用户名和UID

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

如果UID少于500，就打印用户名和UID

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

如果最后一个字段等于/bin/bash,就打印用户名和最后一个字段

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

(4)line ranges：行范围

startline,endline：/pat1/,/pat2/不支持直接给出数字格式

示例:

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

显示以root开头到以nobody开头的行的第一个参数

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

显示大于等于10，少于等于20的行的行号和第一个参数

(5) BEGIN/END模式

BEGIN{}: 仅在开始处理文件中的文本之前执行一次

END{}：仅在文本处理完成之后执行一次

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，每行的开始都打印了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：结果为非0值，非空字符串

假：结果为空字符串或0值

seq 10 |awk ‘i=0’

如果为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；默认i没有设置任何数值，那么i=0,但是！i,即i不等于0，那么就打印

即第一个数的时候打印，第二个数的时候不打印，

即打印奇数

seq 10 | awk '{i=!i;print i}’

从这个例子可以看出上面的例子的打印过程，1 0 1 0...

seq 10 | awk ‘!(i=!i)’

打印偶数，参考上面

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

给i定义一个初始值1,开始的时候打印条件是i不等于1,即0，所以不打印

然后第二次打印，此时i=0,打印条件是i=！i,即1，所以打印

如此重复，即打印偶数

awk action

常用的action分类

    (1) Expressions:算术，比较表达式等

    (2) Control statements：if, while等

    (3) Compound statements：组合语句

    (4) input statements

    (5) output statements：print等

awk控制语句

    { statements;… } 组合语句

    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控制语句

if-else

语法：if(condition) statement [else statement]

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

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>=500)print $1,$3}' /etc/passwd

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

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

显示最后一个参数是/bin/bash的行的第一个参数

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

显示参数大于5个的所有行

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

意义同上，只是格式不同，不同之间可以用（;分号）分隔

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

显示磁盘空间使用率最大的磁盘名称以及其使用的空间

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

显示磁盘空间使用率最大的磁盘使用的空间

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

判断test的数值，如果大于90，打印very good,如果大于60,打印good,否则，打印no pass

while循环

语法：while (condition) {statement;…}

条件“真”，进入循环；条件“假”，退出循环

使用场景：

    对一行内的多个字段逐一类似处理时使用

    对数组中的各元素逐一处理时使用

示例：

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

匹配以空白开头，后面跟着linux16开头的行，默认以空白为分隔符，使i=1,当i小于等于字段数量，就停止，打印每个字段的字段数量。

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

匹配以空白开头，后面跟着linux16开头的行，默认以空白为分隔符，使i=1,当i小于等于字段数量，就停止，打印大于10个字段数量的字段。

do-while循环

语法：do {statement;…}while(condition)

意义：无论真假，至少执行一次循环体

示例：

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

统计1到100的和

思考：下面两语句有何不同？

awk ‘BEGIN{i=0;print ++i,i}’

++i,表示已经+1的i

awk ‘BEGIN{i=0;print i++,i}’

i++,表示0++1，但是状态还是0，下一次的结果才是1

for循环

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

常见用法：

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

特殊用法：能够遍历数组中的元素；

    语法：for(varin array) {for-body}

示例：

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

匹配以空白开头，后面跟着linux16开头的行，默认以空白为分隔符，使i=1,当i小于等于字段数量，就停止，打印每个字段的字段数量。

性能比较

执行以下命令对比时间

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)

当数值较小的时候，并不会看出明显的差异

当数值变大以后，可以看出，awk计算速度是非常优秀的

switch语句

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

break和continue

break [n] 当匹配对应的n数值时候，终止整个运算

continue [n] 当匹配对应的n数值时候，仅跳过该数值的运算，继续执行下一个数值的运算

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

统计1-100之间的奇数

当i除2余数是0的时候，该数值会被跳过，从而忽略偶数，即只统计奇数

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

next:

提前结束对本行处理而直接进入下一行处理（awk自身循环）

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

当遇到符合UID除2余数为非0，就处理下一行，即不处理uid为奇数的行

以下结果对比以上结果验证想法。

awk数组

关联数组：array[index-expression]

index-expression:

(1) 可使用任意字符串；字符串要使用双引号括起来

(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，要使用“index in array”格式进行遍历

示例：

在awk里面定义一个数组weekdays[“mon”]="Monday“

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

定义了两个，最后打印数组weekdays的["mon"]项

awk ‘!a[$0]++’ dupfile

若要遍历数组中的每个元素，要使用for循环

for(varin array) {for-body}

注意：var会遍历array的每个索引

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]}}'

统计状态出现的次数

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

统计ip出现的次数

awk函数

数值处理：

    rand()：返回0和1之间一个随机数

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

字符串处理：

length([s])：返回指定字符串的长度

sub(r,s,[t])：对t字符串进行搜索r表示的模式匹配的内容，并将第一个匹配的内容替换为s

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

gsub(r,s,[t])：对t字符串进行搜索r表示的模式匹配的内容，并全部替换为s所表示的内容

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

split(s,array,[r])：以r为分隔符，切割字符s，并将切割后的结果保存至array所表示的数组中，第一个索引值为1,第二个索引值为2,…

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

自定义函数

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中调用shell命令

system命令

空格是awk中的字符串连接符，如果system中需要使用awk中的变量可以使用空格分隔，或者说除了awk的变量外其他一律用""引用起来。

    awk BEGIN'{system("hostname")}'

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

awk脚本

将awk程序写成脚本，直接调用或执行

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脚本传递参数

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综合示例：

1、统计/etc/fstab文件中每个文件系统类型出现的次数

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

2、统计/etc/fstab文件中每个单词出现的次数；

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

3、分别统计1和2班的平均成绩

   score.txt

name    score   class

zhu    81     1

wang   90     2

zh     88     1

w      99     2