Linux awk命令详解

awk是行处理器： 相比较屏幕处理的优点，在处理庞大文件时不会出现内存溢出或处理缓慢的问题，常用来格式化文本信息。
awk处理过程： 依次对每一行进行处理，然后输出。①读取被匹配到的行数据；②按照输入分隔符将整行数据分成n段；③将每一段保存到awk的内置变量，依次为$1~$n；④格式化输出；全部输出使用$0。

1. awk 命令形式

awk [-F|-f|-v] 'BEGIN{} //{command1; command2} END{}' file

[-F|-f|-v]： -F指定分隔符，-f调用脚本，-v定义变量 var=value
' '： 引用代码块
BEGIN： 初始化代码块，在对每一行进行处理之前，初始化代码，主要是引用全局变量，设置FS分隔符
//： 匹配代码块，可以是字符串或正则表达式
{}： 命令代码块，包含一条或多条命令
；： 多条命令使用分号分隔
END： 结尾代码块，在对每一行进行处理之后再执行的代码块，主要是进行最终计算或输出结尾摘要信息

2. 特殊要点

$0： 表示整个当前行
$1： 每行第一个字段
NF： 字段数量变量
NR： 每行的记录号，多文件记录递增
FNR： 与NR类似，不过多文件记录不递增，每个文件都从1开始
\t： 制表符
\n： 换行符
FS： BEGIN时定义分隔符
RS： 输入的记录分隔符， 默认为换行符(即文本是按一行一行输入)
~： 匹配，与==相比不是精确比较
!~： 不匹配，不精确比较
==： 等于，必须全部相等，精确比较
!=： 不等于，精确比较
&&： 逻辑与
||： 逻辑或
+： 匹配时表示1个或1个以上
/[0-9][0-9]+/： 两个或两个以上数字
/[0-9][0-9]*/： 一个或一个以上数字
FILENAME： 文件名
OFS： 输出字段分隔符， 默认也是空格，可以改为制表符等
ORS： 输出的记录分隔符，默认为换行符,即处理结果也是一行一行输出到屏幕
-F'[:#/]'： 定义三个分隔符

3. print 和 $0

print 是awk打印指定内容的主要命令：

awk '{print}'  /etc/passwd           # awk '{print $0}'  /etc/passwd  
awk '{print " "}' /etc/passwd        # 不输出passwd的内容，而是输出相同个数的空行，进一步解释了awk是一行一行处理文本
awk -F":" '{print $1}'  /etc/passwd 
awk -F: '{print $1; print $2}'  /etc/passwd      # 将每一行的前二个字段，分行输出
awk  -F: '{print $1,$3,$6}' OFS="\t" /etc/passwd     # 输出字段1,3,6，输入分隔符为“:”；输出分隔符："\t"

4. -F 指定分隔符

$1 为指定分隔符后，第一个字段，$3第三个字段， \t是制表符
一个或多个连续的空格或制表符看做一个定界符，即多个空格看做一个空格。

awk -F":" '{print $1}'  /etc/passwd
awk -F":" '{print $1 $3}'  /etc/passwd             # $1与$3相连输出，不分隔
awk -F":" '{print $1,$3}'  /etc/passwd             # 多了一个逗号，$1与$3使用空格分隔
awk -F":" '{print $1 " " $3}'  /etc/passwd         # $1与$3之间手动添加空格分隔
awk -F":" '{print "Username:" $1 "\t\t Uid:" $3 }' /etc/passwd    # 自定义输出  
awk -F: '{print NF}' /etc/passwd                   # 显示每行有多少字段
awk -F: '{print $NF}' /etc/passwd                  # 将每行第NF个字段的值打印出来
awk -F: 'NF==4 {print }' /etc/passwd               # 显示只有4个字段的行
awk -F: 'NF>2{print $0}' /etc/passwd               # 显示每行字段数量大于2的行
awk '{print NR,$0}' /etc/passwd                    # 输出每行的行号
awk -F: '{print NR,NF,$NF,"\t",$0}' /etc/passwd    # 依次打印行号，字段数，最后字段值，制表符，每行内容
awk -F: 'NR==5{print}'  /etc/passwd                # 显示第5行
awk -F: 'NR==5 || NR==6{print}'  /etc/passwd       # 显示第5行和第6行
route -n|awk 'NR!=1{print}'                        # 不显示第一行

5. 输出分隔符OFS

awk '$6 ~ /FIN/ || NR==1 {print NR,$4,$5,$6}' OFS="\t" netstat.txt
awk '$6 ~ /WAIT/ || NR==1 {print NR,$4,$5,$6}' OFS="\t" netstat.txt      
# 输出字段6匹配WAIT的行，其中输出每行行号，字段4,5,6，并使用制表符分割字段

6. -f 指定脚本文件

awk -f script.awk  filename BEGIN{FS=":"} {print $1}        # 效果与awk -F":" '{print $1}'相同,只是分隔符使用FS在代码自身中指定

awk 'BEGIN{X=0} /^$/{ X+=1 } END{print "I find",X,"blank lines."}' filename 
# I find 4 blank lines.

ls -l | awk 'BEGIN{sum=0} !/^d/{sum+=$5} END{print "total size is",sum}'   #计算文件大小
# total size is 17487

7. // 匹配代码块

//纯字符匹配；!//纯字符不匹配；
~//字段值匹配；!~//字段值不匹配；
~/a1|a2/字段值匹配a1或a2 。

awk '/mysql/' /etc/passwd # grep "mysql" /etc/passwd 
awk '/mysql/{print }' /etc/passwd
awk '/mysql/{print $0}' /etc/passwd         # 三条指令结果一样

awk '!/mysql/{print $0}' /etc/passwd        # grep -v "mysql" /etc/passwd     # 输出不匹配mysql的行
awk '/mysql|mail/{print}' /etc/passwd       # grep -w  "mail\|mysql" /etc/passwd #grep -e "mysql" -e "mail"  /etc/passwd
awk '!/mysql|mail/{print}' /etc/passwd      # grep -v  "mail\|mysql" /etc/passwd 

awk -F: '/mail/,/mysql/{print}' /etc/passwd    # 区间匹配
awk '/[2][7][7]*/{print $0}' /etc/passwd       # 匹配包含27为数字开头的行，如27，277，2777...
awk -F: '$1~/mail/{print $1}' /etc/passwd      # $1匹配指定内容才显示
awk -F: '{if($1~/mail/) print $1}' /etc/passwd  # 与上面相同
awk -F: '$1!~/mail/{print $1}' /etc/passwd      # 不匹配
awk -F: '$1!~/mail|mysql/{print $1}' /etc/passwd        

8. 条件表达式

== != > >=

awk -F":" '$1=="mysql"{print $3}' /etc/passwd  
awk -F":" '{if($1=="mysql") print $3}' /etc/passwd         # 与上面相同 
awk -F":" '$1!="mysql"{print $3}' /etc/passwd              # 不等于
awk -F":" '$3>1000{print $3}' /etc/passwd                  # 大于
awk -F":" '$3>=100{print $3}' /etc/passwd                  # 大于等于
awk -F":" '$3<1{print $3}' /etc/passwd                     # 小于
awk -F":" '$3<=1{print $3}' /etc/passwd                    # 小于等于

9. 逻辑运算符

&&　||

awk -F: '$1~/mail/ && $3>8 {print }' /etc/passwd         # 逻辑与，$1匹配mail，并且$3>8
awk -F: '{if($1~/mail/ && $3>8) print }' /etc/passwd
awk -F: '$1~/mail/ || $3>1000 {print }' /etc/passwd      # 逻辑或
awk -F: '{if($1~/mail/ || $3>1000) print }' /etc/passwd 

10. 数值运算

awk -F: '$3 > 100' /etc/passwd    
awk -F: '$3 > 100 || $3 < 5' /etc/passwd  
awk -F: '$3+$4 > 200' /etc/passwd
awk -F: '/mysql|mail/{print $3+10}' /etc/passwd     # 第三个字段加10打印 
awk -F: '/mysql/{print $3-$4}' /etc/passwd          # 减法
awk -F: '/mysql/{print $3*$4}' /etc/passwd        # 求乘积
awk '/MemFree/{print $2/1024}' /proc/meminfo      # 除法
awk '/MemFree/{print int($2/1024)}' /proc/meminfo   # 取整

ls -l | awk '{print int($5/1024/1024/1024)}' | paste -s -d + |bc

11. if 语句

必须用在{}中，且比较内容用()扩起来。

awk -F: '{if($1~/mail/) print $1}' /etc/passwd     # 简写
awk -F: '{if($1~/mail/) {print $1}}'  /etc/passwd  # 全写
awk -F: '{if($1~/mail/) {print $1} else {print $2}}' /etc/passwd     # if...else...

awk -F: '{if($3>100) print "large"; else print "small"}' /etc/passwd
awk -F: 'BEGIN{A=0;B=0} {if($3>100) {A++; print "large"} else {B++; print "small"}} END{print A,"\t",B}' /etc/passwd # ID大于100,A加1，否则B加1
awk -F: '{if($3<100) next; else print}' /etc/passwd           # 小于100跳过，否则显示
awk -F: 'BEGIN{i=1} {if(i<NF) print NR,NF,i++ }' /etc/passwd   
awk -F: 'BEGIN{i=1} {if(i<NF) {print NR,NF} i++ }' /etc/passwd
# 另一种形式
awk -F: '{print ($3>100 ? "yes":"no")}'  /etc/passwd 
awk -F: '{print ($3>100 ? $3":\tyes":$3":\tno")}'  /etc/passwd

12. while语句

awk -F: 'BEGIN{i=1} {while(i<NF) print NF,$i,i++}' /etc/passwd 

13. 格式化输出

语法：

printf  FORMAT, item1，item2，……

格式符：
%s：显示字符串
%c：显示字符对应的ASCII码
%d,%i：显示十进制整数
%e，%E：显示科学计数法数值
%f：显示浮点数
%g，%G：以科学计数法或者浮点形式显示数值
%u：显示无符号整数
%%：显示%

# 打印每行前三个字段，指定第一个字段输出字符串类型(长度为8)，第二个字段输出字符串类型(长度为8)，第三个字段输出字符串类型(长度为10)
# printf 表示格式输出
# % 格式化输出分隔符
# -8 长度为8个字符
# s 表示字符串类型
netstat -anp|awk '{printf "%-8s %-8s %-10s\n",$1,$2,$3}' 
netstat -anp|awk '$6=="LISTEN" || NR==1 {printf "%-10s %-10s %-10s \n",$1,$2,$3}'
netstat -anp|awk '$6=="LISTEN" || NR==1 {printf "%-3s %-10s %-10s %-10s \n",NR,$1,$2,$3}'

14. 输出处理结果到文件

route -n|awk 'NR!=1{print > "./fs"}'    # ①在命令代码块中直接输出    
route -n|awk 'NR!=1{print}'  > ./fs     # ②使用重定向进行输出           

15. 数组

在 awk 中数组叫做关联数组(associative arrays)，由于下标既能够是数也能够是串。awk 中的数组不必提前声明，也不必声明大小。数组元素用 0 或空串来初始化，这依据上下文而定。

(1)定义方法

# 1 用数值作数组索引(下标) ；2 用字符串作数组索引(下标) 。
Tarray[1]="cheng mo"
Tarray[2]="800927"
Tarray["first"]="cheng" 
Tarray["last"]="mo" 
Tarray["birth"]="800927" 

使用中 print Tarray[1] 将得到"cheng mo"；而 print Tarray[2] 和 print[“birth”] 都将得到"800927" 。

(2) 数组相关函数

awk --version
awk 'BEGIN{info="it is a test";lens=split(info,tA," ");print length(tA),lens;}'      # length返回字符串以及数组长度，split进行切割字符串为数组，也会返回切割得到数组长度。  
awk 'BEGIN{info="it is a test";split(info,tA," ");print asort(tA);}'     # asort对数组进行排序，返回数组长度。
awk 'BEGIN{info="it is a test";split(info,tA," ");for(k in tA){print k,tA[k];}}'     # for…in 输出，由于数组是关联数组，默认是无序的。
awk 'BEGIN{info="it is a test";tlen=split(info,tA," ");for(k=1;k<=tlen;k++){print k,tA[k];}}'     # 有序数组，须要通过下标获得

注意：数组下标是从1开始。

awk 'BEGIN{tB["a"]="a1";tB["b"]="b1";if(tB["c"]!="1"){print "no found";};for(k in tB){print k,tB[k];}}'      #仅仅要通过数组引用它的key，就会自己主动创建该序列. 
awk 'BEGIN{tB["a"]="a1";tB["b"]="b1";if( "c" in tB){print "ok";};for(k in tB){print k,tB[k];}}'     #if(key in array) 通过这个方法推断数组中是否包括”key”键值。
awk 'BEGIN{tB["a"]="a1";tB["b"]="b1";delete tB["a"];for(k in tB){print k,tB[k];}}'     # delete array[key]能够删除，相应数组key的，序列值

(3) 二维数组使用(多维数组使用）

awk的多维数组在本质上是一维数组，更确切一点，awk在存储上并不支持多维数组。awk提供了逻辑上模拟二维数组的访问方式。例 如，array[2,4] = 1这种訪问是同意的。
awk使用一个特殊的字符串SUBSEP (\034)作为切割字段，在上面的样例中，关联数组array存储的键值实际上是2\0344。
相似一维数组的成员測试，多维数组能够使用 if ( (i,j) in array)这种语法，可是下标必须放置在圆括号里。 相似一维数组的循环訪问，多维数组使用for ( item in array )这种语法遍历数组。
与一维数组不同的是，多维数组必须使用split()函数来訪问单独的下标分量。split ( item, subscr, SUBSEP)

awk 'BEGIN{ for(i=1;i<=9;i++) { for(j=1;j<=9;j++) { tarr[i,j]=i*j; print i,"*",j,"=",tarr[i,j]; } } }'
awk 'BEGIN{ for(i=1;i<=9;i++) { for(j=1;j<=9;j++) { tarr[i,j]=i*j; } } for(m in tarr) { split(m,tarr2,SUBSEP); print tarr2[1],"*",tarr2[2],"=",tarr[m]; } }'

netstat -anp|awk 'NR!=1{a[$6]++} END{for (i in a) print i,"\t",a[i]}'
netstat -anp|awk 'NR!=1{a[$6]++} END{for (i in a) printf "%-20s %-10s %-5s \n", i,"\t",a[i]}'

16. 应用

awk -F: '{print NF}' helloworld.sh #输出文件每行有多少字段
awk -F: '{print $1,$2,$3,$4,$5}' helloworld.sh # 输出前5个字段
awk -F: '{print $1,$2,$3,$4,$5}' OFS='\t' helloworld.sh # 输出前5个字段并使用制表符分隔输出
awk -F: '{print NR,$1,$2,$3,$4,$5}' OFS='\t' helloworld.sh # 制表符分隔输出前5个字段，并打印行号

awk -F'[:#]' '{print NF}' helloworld.sh # 指定多个分隔符: #，输出每行多少字段
awk -F'[:#]' '{print $1,$2,$3,$4,$5,$6,$7}' OFS='\t' helloworld.sh # 制表符分隔输出多字段

# 计算/home目录下，普通文件的大小，使用KB作为单位
ls -l|awk 'BEGIN{sum=0} !/^d/{sum+=$5} END{print "total size is:",sum/1024,"KB"}'
ls -l|awk 'BEGIN{sum=0} !/^d/{sum+=$5} END{print "total size is:",int(sum/1024),"KB"}' # int是取整的意思

# 统计netstat -anp 状态为LISTEN和CONNECT的连接数量分别是多少
netstat -anp|awk '$6~/LISTEN|CONNECTED/{sum[$6]++} END{for (i in sum) printf "%-10s %-6s %-3s \n", i," ",sum[i]}'

# 统计/home目录下不同用户的普通文件的总数是多少？
ls -l|awk 'NR!=1 && !/^d/{sum[$3]++} END{for (i in sum) printf "%-6s %-5s %-3s \n",i," ",sum[i]}'   

17. 总结

(1) 输出命令：print

要点1：各字段之间用逗号分隔'{print $1,$2}'，若不用逗号'{print $1$2}' 则awk会默认连接两个字段的内容。
要点2：print输出的字段可以是数值，$n，变量，或awk表达式。要想引用$n的值，不能把其放入""内。
要点3：若省略字段，则默认输出$0。

(2) 变量：分为内置变量和自定义变量

内置变量：

• FS：input field seperator。输入字段分隔符。没有指定输入分隔符(FS)，默认以空格来分隔。可以使用-v来指定分隔符，如-v FS=":"，也可以直接使用-F直接指名，如 -F ","。
• OFS：outpu field seperator。输出字段分隔符。可以使用-v来指定分隔符，如 -v OFS="," 。
• RS：input record seperator 。输入时的换行符
• ORS：output record seperator。输出时的换行符
• NF：number of field。每一行的字段数量。$NF代表的是输出文件的每一行的最后一个字段。
• NR：numbe of record 。显示文件的行数。每处理一行就会输出一次行数。

自定义变量：

-v variable=value或在program中直接定义。

(3) 格式化输出 printf

要点一：FORMAT必须给出；
要点二：printf输出是不会自动换行，若需要换行可以使用换行控制符 \n；
要点三：FORMAT中给出的格式符需要与各字段一一对应；
要点四：在printf中可以加入提示性字符串；
#[.#]：第一个#用来控制字符宽度，第二个用来控制小数位数。
-：左对齐。注意默认为右对齐。
+：显示数值的符号。

(4) 操作符：

算数运算：+ - * / % ^ -x +x
比较运算：> >= = < <= != ==
赋值运算：++，–，+=，－=，*=，%=
字符串操作：默认为字符串拼接
逻辑操作符：&&与、|| 或、！ 非

(5) 模式匹配：

~：是否匹配：左侧字符是否被右侧模式匹配；
！~：是否不匹配，：左侧字符是否不被右侧模式匹配；
/pattern1/,/pattern2/：处理 pattern1 到 pattern2 之间（不包含pattern2）。从pattern1匹配的行开始，到pattern2匹配的行结束。

(6) BEGIN和END模式：

是给程序赋予初始状态和在程序结束之后执行一些扫尾的工作。
BEGIN{}：任何在BEGIN之后列出的操作（在{}内）将在awk开始扫描输入之前执行一次。
END{}：END之后列出的操作将在扫描完全部的输入之后执行一次。

参考阅读：
https://www.cnblogs.com/wxxjianchi/p/9143936.html
https://www.jianshu.com/p/ea22c809ae9f
https://blog.51cto.com/radish/1736900