Linux文本分析命令awk的妙用
awk是一个强大的文本分析工具,简单来说awk就是把文件逐行读入,(空格,制表符)为默认分隔符将每行切片,切开的部分再进行各种分析处理。
0、基本用法
awk是一个强大的文本分析工具,简单来说awk就是把文件逐行读入,(空格,制表符)为默认分隔符将每行切片,切开的部分再进行各种分析处理
awk命令格式如下
- awk [-F field-separator] 'commands' input-file(s)
[-F 分隔符]是可选的,因为awk使用空格,制表符作为缺省的字段分隔符,因此如果要浏览字段间有空格,制表符的文本,不必指定这个选项,但如果要浏览诸如/etc/passwd文件,此文件各字段以冒号作为分隔符,则必须指明-F选项
- echo "this is a test" | awk '{ print $0 }'
- ## 输出为
- this is a test
shell读取用户输入的字符串发现|,代表有管道。|左右被理解为简单命令,即前一个(左边)简单命令的标准输出指向后一个(右边)标准命令的标准输入
awk会根据分隔符将行分成若干个字段,$0为整行,$1为***个字段,$2 为第2个地段,依此类推…
为打印一个字段或所有字段,使用print命令。这是一个awk动作
- echo "this is a test" | awk '{ print $1 }'
- ## 输出为
- this
- echo "this is a test" | awk '{ print $1, $2 }'
- ## 输出为
- this is
/etc/passwd的文件内容如下
- root:x:0:0:root:/root:/bin/bash
- bin:x:1:1:bin:/bin:/sbin/nologin
- daemon:x:2:2:daemon:/sbin:/sbin/nologin
- adm:x:3:4:adm:/var/adm:/sbin/nologin
- lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin
举几个简单的小需求
1、只显示/etc/passwd的账户
- awk -F : '{ print $1 }' /etc/passwd
- ## 输出为
- root
- bin
- daemon
- adm
- lp
2、显示/etc/passwd的第1列和第7列,用逗号分隔显示,所有行开始前添加列名start1,start7,***一行添加,end1,end7
- awk -F ':' 'BEGIN {print "start1,start7"} {print $1 "," $7} END {print "end1,end7"}' /etc/passwd
- ## 输出为
- start1,start7
- root,/bin/bash
- bin,/sbin/nologin
- daemon,/sbin/nologin
- adm,/sbin/nologin
- lp,/sbin/nologin
- end1,end7
BEGIN语句在所有文本处理动作执行之前被执行,END在所有文本处理动作执行之后被执行
3、统计/etc/passwd文件中,每行的行号,每行的列数,对应的完整行内容
- awk -F : '{ print NR " " NF " " $0 }' /etc/passwd
- ## 输出为
- 1 7 root:x:0:0:root:/root:/bin/bash
- 2 7 bin:x:1:1:bin:/bin:/sbin/nologin
- 3 7 daemon:x:2:2:daemon:/sbin:/sbin/nologin
- 4 7 adm:x:3:4:adm:/var/adm:/sbin/nologin
- 5 7 lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin
1、支持内置变量
上面示例中NR,和NF其实就是awk的内置变量,一些内置变量如下
变量名 | 解释 |
---|---|
FILENAME | awk浏览的文件名 |
FS | 设置输入字段分隔符,等价于命令行-F选项 |
NF | 浏览记录的字段个数 |
NR | 已读的记录数 |
2、支持函数
输出字符串的长度
- awk 'BEGIN { print length("this is a text") }'
- ## 输出为
- 14
将/etc/passwd的用户名变成大写输出
- awk -F ':' '{ print toupper($1) }' /etc/passwd
- ## 输出为
- ROOT
- BIN
- DAEMON
- ADM
- LP
常用函数如下
函数名 | 作用 |
---|---|
toupper(s) | 返回s的大写 |
tolower(s) | 返回s的小写 |
length(s) | 返回s长度 |
substr(s,p) | 返回字符串s中从p开始的后缀部分 |
3、支持条件操作,正则表达式匹配
显示/etc/passwd中有daemon的行
- awk -F ':' '$0 ~ /daemon/' /etc/passwd
- ## 输出为
- daemon:x:2:2:daemon:/sbin:/sbin/nologin
awk条件操作符
操作符 | 描述 |
---|---|
< | 小于 |
<= | 小于等于 |
== | 等于 |
!= | 不等于 |
~ | 匹配正则表达式 |
!~ | 不匹配正则表达式 |
4、支持流程控制语句,类C语言
if while do/while for break continue
输出***个字段的***个字符大于d的行
- awk -F ':' '{ if ($1 > "d") { print $1 } else { print "-" } }' /etc/passwd
- ## 输出为
- root
- -
- daemon
- -
- lp
可以把流程控制语句放到一个脚本中,然后调用脚本执行,如test.sh的内容如下
- {
- if ($1 > "d") {
- print $1
- } else {
- print "-"
- }
- }
用如下方式执行,效果一样
- awk -F ':' -f test.sh /etc/passwd
- ## 输出为
- root
- -
- daemon
- -
- lp
5、应用场景
小编用awk进行文本分析比较少,主要用来写脚本
如一个weibo-interface-1.0.jar应用,启动脚本如下
start.sh
- nohup java -jar weibo-interface-1.0.jar >out 2>&1 &
关闭脚本如下,kill.sh
- kill -9 `jps -l | grep 'weibo-interface-1.0.jar' | awk '{print $1}'`
jps -l的输出如下
- 70208 com.st.kmp.main.KmpService
- 31036 com.st.cis.main.BaiduAnalysisService
- 66813 weibo-interface-1.0.jar
还有就是关闭hadoop集群的所有DataNode节点(不知道hadoop的可以认为DataNode是一个集群应用),假如一个个机器jps,查看pid,kill。很麻烦,直接写了一个脚本,依次ssh到各个节点,然后执行如下命令即可
- kill `jps | grep 'DataNode' | awk '{print $1}'`
jps的输出为
- 508 DataNode
- 31481 JournalNode
- 31973 NodeManager