参考书籍:《Linux Shell核心编程指南》——丁明一
一、概述
awk是专门为文本处理设计的编程语言,是一门数据驱动的编程语言,与sed类似都是以数据驱动的行处理软件,主要用于数据扫描、过滤、统计汇总
工作,数据可以来自标准输入、管道或者文件。
awk在20世纪70年代诞生与贝尔实验室。现在使用的版本是1988年发布的Gnu awk
。
二、基础语法
2.1.记录与字段
awk是一种处理文本文件的编程语言,文件的每行数据都被称为记录
,默认以空格或制表符为分隔符,每条记录被分成若干字段(列)
,awk每次从文件中读取一条记录。
语法格式:
awk [选项] ‘条件{动作} 条件{动作} ... ...’ 文件名
2.2.内置变量
awk语法由一系列条件和动作组成,在花括号内可以有多个动作,多个动作之间用分号分隔,在多个条件和动作之间可以有若干空格,也可以没有。
如果没有指定条件则匹配所有数据,如果没有指定动作则默认为print打印。
# free | awk '{print $2}' #逐行打印第2列
used
3062364
0
free | awk '{print NR}' #输出行号
free | awk '{print NF}' #输出每行数据的列数
awk '{print $NF}' /tmp/hosts #打印每行数据的最后一列
awk '{print $(NF-1)}' /tmp/hosts #打印每行倒数第二列
cp /etc/hosts /tmp/hosts
awk '{print $0}' /tmp/hosts #打印每行全部内容
同样是输出行号,NR将所有文件的数据视为一个数据流
,而FNR
则是将多个文件的数据视为独立的若干个数据流
,遇到新文件时行号从1开始重新递增。
2.3.自定义变量
awk -v x="bob" -v y=10 '{print x,y}' /tmp/hosts
2.4.调用系统变量
awk -v shell=$SHELL '{print shell}' /tmp/hosts 或者
awk '{print "'$SHELL'"}' /tmp/hosts #双引号加单引号组合能正确获取系统变量
2.5.自定义分隔符
默认以空格、换行符、制表符作为分隔符,使用-F可以指定分隔符
awk -F: '{print $1}' /etc/passwd #以冒号作为分隔符
awk -F"[:,_]" '{print $1}' /etc/passwd #使用集合定义分隔符
2.6.内置变量RS、OFS、ORS
RS
内置变量RS保存的是输入数据的行分隔符,默认为\n,可以指定其它字符作为行分隔符
awk -v RS="." '{print $1}' /tmp/hosts #指定.作为行分隔符
OFS
保存的是输出字段的分隔符(列分隔符),默认为空格
awk -v OFS="-" '{print $1,$2}' /tmp/hosts #以"-"作为字段分隔符
awk -v OFS="\t" '{print $1,$2}' /tmp/hosts #以Tab制表符为字段分隔符
awk -v OFS=". " '{print NR,$0}' /tmp/hosts #在每行前面加上行号和点
ORS
保存的是输出记录的分隔符
awk -v ORS="-" '{print $1}' /tmp/hosts
2.7.print指令
可以输出常量和变量,如果是字符串常量需要用双引号括起来,数字常量可以直接打印
awk '{print 123}' /tmp/hosts
awk '{print "IP:",$1}' /tmp/hosts
awk '{print "第1列:"$1,"\t第2列:"$2}' /tmp/hosts
2.8.条件匹配
awk支持使用正则进行模糊匹配,也支持字符串和数字的精确匹配,并且支持逻辑与和逻辑或。
awk '/localhost/' /tmp/hosts
awk '$3~/local/' /tmp/hosts #每行的第3列去匹配local
awk '$3~/local/{print $1,$2}' /tmp/hosts
awk '$2=="localhost"' /tmp/hosts #第2列精确匹配localhost
awk '$2!="localhost"' /tmp/hosts #取反
awk -F: '$3<=10' /etc/passwd #第3列小于等于10的行
awk -F: 'NR==10' /etc/passwd #仅显示第10行
awk -F: '$3>1 && $3<5' /etc/passwd #逻辑与
awk -F: '$3==1 || $3==5' /etc/passwd #逻辑或
2.9.BEGIN和END
BEGIN导致动作指令仅在读取任何数据记录之前执行一次,END导致动作指令仅在读取完所有数据记录后执行一次
BEGIN可以进行数据初始化,END可以进行数据汇总
awk 'BEGIN{print "OK"}'
awk 'END{print NR}' /etc/passwd #打印最后一行的行号
awk -F: 'BEGIN{print "用户名 UID 解释器"} \
{print $1,$3,$7} \
END {print "共有"NR"个账号."}' /etc/passwd | column -t #column实现格式化输出,并按升序排序
中间省略
2.10.数字计算
[15:30:04][root@localhost:~]# awk 'BEGIN{print 2+3}'
5
[15:30:13][root@localhost:~]# awk 'BEGIN{print 2*3}'
6
[15:30:17][root@localhost:~]# awk 'BEGIN{print 2/5}'
0.4
[15:30:31][root@localhost:~]# awk 'BEGIN{print 5%2}'
1
[15:30:45][root@localhost:~]# awk 'BEGIN{print 5**2}'
25
[15:30:52][root@localhost:~]# awk 'BEGIN{x=5;y=2;print x-y}'
3
[15:31:27][root@localhost:~]# awk 'BEGIN{x=1;x++;print x}'
2
[15:31:46][root@localhost:~]# awk 'BEGIN{x=1;x+=1;print x}'
2
awk中变量不需定义就可以直接使用,作为字符处理时未定义的变量默认值为空,作为数字处理时未定义的变量默认值为0
awk 'BEGIN{print "["x"]","["y"]"}' #x和y默认为空
awk 'BEGIN{print x+8}' #x默认为0
2.11.循环计数
awk '/bash$/{x++} END{print x}' /etc/passwd
逐行读取/etc/passwd文件,x初始值为0,匹配到以bash结尾的行时自加1,最后打印x的值。
此处表明以bash结尾的行共有5行
who | awk '$1=="root"{x++} END{print x}' #统计有多少个客户端登录root
seq 200 | awk '$1%6==0 && $1~/6/' #打印1~200之间能被6整除且包含数字6的整数数字
三、awk条件判断
if判断后面如果只有一个动作指令,则花括号{}可省略,如果if判断后面的指令为多条指令则需要使用花括号括起来,多个指令使用分号分隔。
3.1.单分支语句
语法:
if(判断条件){
动作指令序列;
}
查找cpu使用率大于0.3的进程
ps -eo user,pid,pcpu,comm | awk '{if($3>0.5) print}'
3.2.双分支if语句
语法:
if(判断条件){
动作指令1;
} else {
动作指令2;
}
统计系统用户与普通用户的个数
awk -F: '{if($3<1000){x++} else{y++}} END{print "系统用户个数:"x"","普通用户个数:"y""}' /etc/passwd
3.3.多分支语句
if(判断条件){
动作指令1;
} else if(判断条件2){
动作指令2;
} else {
动作指令N;
}
四、awk数组与循环
awk 'BEGIN{a[0]=11;a[1]=12;print a[0],a[1]}'
awk 'BEGIN{ \
tom["age"]=22; \
tom["addr"]="sichuan"; \
print tom["age"],tom["addr"] \
}'
4.1.遍历数组
语法:
for(变量 in 数组名){
动作指令序列
}
示例:
awk 'BEGIN{ \
> a[0]=1;a[11]=22;a["book"]=32;a["work"]="home"; \
> for(i in a){print i,a[i]} \
> }'
输出是无序的。i是索引,a[i]是值
成员关系判断
awk 'BEGIN{ \
> a[11]=1;a[22]=2; \
> if("22" in a){print "yse"} else {print no} \
> }'
4.2.for循环
采用与C语言一样的语法格式
for(表达式1;表达式2;表达式3) {
动作指令序列
}
awk 'BEGIN{ for (i=1;i<=4;i++) {print i}}'
awk -F: '{ \
for(i=1;i<=NF;i++) \
> {if($i=="root") x++} \
> } END {print x}' /etc/passwd
统计root出现的次数。
这里面包含了两个循环,一个是隐含循环,awk会逐行处理数据;一个是for循环每列的值,如果等于root,就让x自加1,最后打印x的值
4.3.while循环
语法:
while(条件判断){
动作指令序列;
}
示例:
awk 'BEGIN{ i=1; while(i<=5) {print i;i++}}'
4.4.中断语句
与shell类似,awk提供了continue、break、exit循环中断语句。
awk 'BEGIN{ \
i=0;
while(i<=5) { \
i++; \
if(i==3) {continue}; \
print i \
}; \
} \
END {print "END"}' /tmp/hosts
五、awk函数
5.1.内置I/O函数
getline函数
能让awk立刻读取下一行数据(读取下一条记录并复制给$0,并重新设置NF、NR和FNR)
#解决挂载逻辑卷时,分区信息跨行显示的问题
df -h | awk '{if(NF==1) {getline;print $3}; if(NF==6) {print $4}}'
next函数
停止处理当前的输入记录,立刻读取下一条记录并返回awk程序的第一个模式匹配重新处理数据。
有点类似于循环语句中的continue,不会执行当次循环的后续语句
awk -F: '/root/{getline;print "next line:",$0} {print "normal line"}' /etc/passwd
awk -F: '/root/{next;print "next line:",$0} {print "normal line"}' /etc/passwd
经比较可以看出,getline,会继续执行后续的指令print “next line:”,而next不会执行后续指令,而是重新开始匹配
system(命令)函数
可以直接在awk中调用shell命令,会启动一个新shell进程执行命令
awk 'BEGIN{system("ls")}'
awk '{system("echo date:"$0)}' /tmp/hosts
5.2.内置数值函数
cos(expr)、sin(expr)、sqrt(expr)
int(expr)函数
可以对小数取整
[14:23:42][root@localhost:~]# awk 'BEGIN{print int(6.8)}'
6
rand()函数
返回0到1之间的随机数
awk 'BEGIN{print rand()}'
awk 'BEGIN{for(i=1;i<=5;i++) print int(100*rand())}' #生成5个100以内的随机数
srand([expr])
可以使用expr定义新的随机数种子,没有expr时则使用当前系统的时间为随机数种子
awk 'BEGIN{srand();print rand()}' #使用时间做随机数种子
awk 'BEGIN{srand(22);print rand()}' #使用数值做随机数种子
5.3.内置字符串函数
length([s])函数
可以统计字符串s的长度,如果不指定字符串s则统计$0的长度
awk 'BEGIN{test="hello"; print length(test)}' #打印字符串长度
awk 'BEGIN{t[0]="hi";t[1]="the"; print length(t)}' #返回数组元素个数
awk '{print length()}' /etc/shells #返回文件每行的字符长度
index(字符串1,字符串2)
返回字符串2在字符串1中的位置
awk 'BEGIN{test="hello";print index(test,"l")}'
match(s,r)
根据正则表达式r返回其在字符串s中的位置坐标
[14:47:52][root@localhost:~]# awk 'BEGIN{print match("How much","[a-z]")}' #小写字母在第2个位置开始出现
2
tolower(srt)
可以将字符串转换为小写
[14:49:51][root@localhost:~]# awk 'BEGIN{print tolower("HELLo")}'
hello
toupper(str)
将字符串转为大写
split(字符串,数组,分隔符)
将字符串按特定的分隔符切片后存储在数组中,如果没指定分隔符,则使用IFS定义的。
数组下标从1开始
awk 'BEGIN{split("hello world",test); print test[1],test[2]}'
awk 'BEGIN{split("hello:world",test,":"); print test[1],test[2]}' #指定冒号(:)为分隔符
gsub(r,s,[,t])
将字符串t中所有与正则表达式r匹配的字符串全部替换为s,如果没有指定字符串t,则默认对$0进行替换操作
[15:11:47][root@localhost:~]# head -1 /etc/passwd | awk '{gsub("[0-9]","**");print $0}'
root:x:**:**:root:/root:/bin/bash
sub(r,s,[,t])
与gsub类似,但仅替换第一个匹配的字符串,而不是替换全部
substr(s,i,[,n])
对字符串s进行截取,从第i位开始,截取n个字符串,如果n没有指定则一直截取到字符串s的末尾位置
[15:16:17][root@localhost:~]# awk 'BEGIN{hi="Hello World"; print substr(hi,2,3)}' #从第2位开始截取3个字符
ell
5.4.内置时间函数
systime()
返回当前时间距离1970-01-01 00:00:00有多少秒
[15:16:21][root@localhost:~]# awk 'BEGIN{print systime()}'
1627802328
5.5.用户自定义函数
语法:
function 函数名(参数列表) { 命令序列 }
awk ' \
function max(x,y) { \
if(x>y) {print x} \
else {print y} } \
BEGIN {max(5,6)} '
六、常用命令
cat example.txt | awk 'NR%2==1' #删除example.txt文件中的所有偶数行
echo " false" |awk -F' ' '{print $NF}' #去掉前面的空格
docker images | grep 'mysql' | awk '{printf"%s:%s\n",$1,$2}' #获取镜像名:Tag
ps -ef | grep java | grep -v 'color' awk '{for (i=8;i<=NF;i++)printf("%s ", $i);print ""}' #获取从第八列开始到最后一列的内容
七、常用技巧
打印各磁盘可用大小
df | grep -v tmpfs | awk 'NR!=1 {disk[$1]=$4} \
END {for(i in disk) {printf "%-20s %-10s\n",i,disk[i]/1024"M"}
}'
统计磁盘可用容量
df | tail -n +2 | grep -v tmpfs | awk '{sum+=$4} END{print "磁盘可用容量:"sum/1024/1024"G"}'
统计/etc下文件总大小
ls -l /etc | awk '/^-/{sum+=$5} END{print "文件总大小:"sum/1024"M"}'
统计访问Nginx的各IP访问次数
awk ' \
{IP[$1]++} \
END { \
for (i in IP) {print i,IP[i]} \
}' /var/log/nginx/access.log
查看Nginx 1点到5点半的日志
awk -F"[: /]" '$7":"$8 >= "01:00" && $7":"$8 <="05:30"' /var/log/nginx/access.log
查看Docker容器的CPU使用率
docker stats jenkins --no-stream |awk 'NR==2{print $3}'