awk一行码：筛选某列指定值的数据

awk其实不只是一个工具、一个命令，它其实也是一种『编程语言』。

场景1：

一个TAB分割的数据文件，假设名为data.txt，第二列为用户id。

从中筛选用户id为123的所有数据：

awk -F'\t' '{if($2==123) print $0}'  data.txt > new_data.txt

awk的列从1计数，$1是第一列，$2是第2列……

$0是特殊的变量，表示这一整行的数据。

场景2：

如果要筛选多个用户id怎么办？

可以将待筛选的用户id存入一个文件userid.txt。一行一个id。

过滤data.txt，找到userid.txt中的用户id的数据来输出。

awk -F '\t' 'BEGIN{while(getline<"userid.txt") a[$1]=1;} {if(a[$2]==1) print $0;}' data.txt > new_data.txt

（分号也可以去掉）

BEGIN语法是在逐行解析之前执行的一段代码。这里它会加载userid.txt将用户id存入关联数组a中：key是用户id，value是1。

后面的代码块开始逐行解析，用data.txt的第二列做key去关联数组a中查找。如果查找到value为1，就输出整行。

关联数组就类似其他语言里面的dict或map。

---

有时候我们可能需要离线处理一些数据，当然我们可以写Python来实现，但是很多时候，每次写一个Python脚本，有点杀鸡用牛刀的感觉。另外就是如果一个文件特别大，比如10G。Python脚本的效率不一定高。