文本处理之awk命令高级用法

五维猕猴桃

已于 2023-09-27 17:15:34 修改

阅读量539

点赞数

文章标签： linux 服务器运维 centos

于 2023-09-19 21:54:02 首次发布

本文链接：https://blog.csdn.net/sing_lala/article/details/133048061

版权

文本处理之awk命令高级用法

1. 基本用法

例如，有一个文件的内容是这样的。

[root@kiwi222 ~]# cat 111 
this is hello world

现在将里面的hello world提取出来

[root@kiwi222 ~]# awk '{ print "hello world"}' 111 
hello world
[root@kiwi222 ~]# awk '{ print "hello,world"}' 111 
hello,world
[root@kiwi222 ~]# 

[root@kiwi222 ~]# awk '{ print }' 111 
this is hello world
[root@kiwi222 ~]# 

## print是将提取的给打印出来，print语句没有参数，只简单的输出每个输入行

从上面的例子可以看出awk是输入驱动的。也就是说，除非有可以在其上操作的输入行，否则将什么也不能做。

当调用 awk 程序时，它将读入所提供的脚本并检查其中的指令的语法。然后 awk 将对每个输入行执行脚本中的指令。因此，如果没有来自文件中的输入行，以上的 print 语句将不做任何事情。

2. awk程序设计模型

awk 程序是由所谓的主输入 (main input) 循环组成的。一个循环是一个例程，它将一直重复执行知道有一些存在的条件终止它。

其程序设计遵循以下模型：

读取输入：AWK程序从输入文件或标准输入读取文本行，逐行处理。
分割字段：默认情况下，AWK将输入行根据空格（或其他指定的字段分隔符）分割为多个字段。
匹配模式：使用模式（可以是正则表达式）来匹配符合特定条件的行。可以在模式操作之前或之后执行相关的操作。
执行操作：针对匹配的行，AWK执行指定的操作。这些操作可以是内置的，也可以是自定义的函数。
处理字段：在操作过程中，可以直接访问并处理单个字段，例如打印、计算、赋值等操作。
控制流程：AWK程序支持条件语句（如if-else、while等）和循环语句，以根据需要控制程序的流程。
输出结果：根据需要，AWK可以通过print语句或其他方式将结果输出到屏幕上或写入输出文件。
重复步骤：AWK程序会重复执行以上步骤，直到处理完所有的输入行。

awk 允许你编写两个特殊的例程，他们在任何输入被读取前和所有输入都被读取后执行。他们是与 BEGIN 和 END 规则相关的过程。换句话说，在主输入循环执行前和主输入循环钟之后你可以做一些处理。BEGIN和 END 过程是可选的。

也就是说

可以把awk脚本看做由3个主要部分组成：

处理输入前将要做的处理

处理输入过程中将做的处理

处理输入完成后做的处理

例如：

[root@kiwi222 ~]# awk 'BEGIN{print "hello world"}'
hello world

上面这个例子中可以把它看成三个部分

BEGIN为第一个部分，主体为第二个部分，END为第三个部分

如果我们写到BEGIN里面，它就不需要任何处理的对象。
如果我们写到主体里面去，它就必须要有操作对象。
END就是等我们主体处理完之后做一个总结

但用的时候可只要BEGIN或者只出现主体，不能只写END。

写法如：
awk 'BEGIN{}{主体}END{}'

3. 模式匹配

当 awk 读入一行是时，它试图匹配脚本中的每个模式匹配规则。只有与一个特定的模式相匹配的输入行才能成为操作对象。如果没有指定操作，于模式相匹配的输入行将被打印出来 (执行打印语句是一个默认操作)

例如：

[root@kiwi222 ~]# cat kiwi222 
kiwi123456

abc123

kiwi111:kiwi222

111:222
[root@kiwi222 ~]#

现将上面的文件指定操作

[root@kiwi222 ~]# awk '/^$/{ print "Null line"}' kiwi222 
Null line
Null line
Null line

## 这里的意思就是如果文件kiwi222有空行的话就打印Null line这句话

/[0-9+]/ { print "This is number"}
## 匹配如果是数字则打印This is number这句话

4.记录和字段

在awk中，假设它的输入是有结构的，而不只是一串无规则的字符。

那么它会有字段以及记录。记录（record）是指输入数据中的一行文本，而字段（field）则是该行文本中由分隔符（默认是空格）分隔的部分(用来分隔字段的字符被称为分隔符)。

连续的两个或多个空格和/或制表符被作为一个分隔符。

4.1 字段和引用的分离

awk可以使用 $ 符号访问和处理这些字段。

例如，**$**1表示第一个字段，$2表示第二个字段，依此类推。

“$0“则表示整个输入记录

例如:

[root@kiwi222 ~]# cat kiwi333 
kiwi111 123456 //abc

[root@kiwi222 ~]# awk '{ print $2, $3, $1 }' kiwi333 
123456 //abc kiwi111
[root@kiwi222 ~]# 
[root@kiwi222 ~]# awk '{ print $0 }' kiwi333 
kiwi111 123456 //abc
[root@kiwi222 ~]# 

## 这里的值中输出的逗号默认为空格

还可以用任何计算值为整数的表达式来表示一个字段，而不只是用数字和变量。

[root@kiwi222 ~]# echo a b c d | awk 'BEGIN { one = 1; two = 2 } { print $(one + two) }'
c
[root@kiwi222 ~]# 

[root@kiwi222 ~]# awk 'BEGIN{print 10/4}'
2.5
[root@kiwi222 ~]#

还可以使用-F选项改变字段的分隔符

## 在它们中间加上:
[root@kiwi222 ~]# cat kiwi333 
kiwi111 123456 //abc
kiwi111:123456://abc
[root@kiwi222 ~]#

[root@kiwi222 ~]# awk -F ':' '{ print $1 }' kiwi333 
kiwi111 123456 //abc
kiwi111
[root@kiwi222 ~]# awk -F ':' '{ print $2 }' kiwi333 

123456

4.2 字段的划分FS

在awk中，可以使用3个完全不同的方法使awk分隔字段。

第一种方法是用空白字符来分割字段

要实现这种方法，可将FS 设置为一个空格。在这种情况下，记录的前导空白字符和结尾空白字符 (空格和/或制表符) 将被忽略。并且字段空格和/或者制表位来分隔。因为FS 的默认值为一个空格，所以这也是通常情况下 awk 将记录划分为字段的方法。

第二种方法是使用其他单个字符来分隔字段。

当FS 表示任何单个字符时，在这个字符出现的任何地方都将分隔出另外一个字段。如果出现两个连续的分隔符，在它们之间的字段值为空串

第三种方法是如果设置了不止一个字符作为字段分隔符，那它将被作为一个正则表达式来解释。

例如

FS= “\t”
这个表示将每个制表符作为一个字段分隔符，
而：
FS=“\t+”
这个表示将每个制表符作为一个字段分割符

那如果要使用第二种方法，可以使用一个正则表达式指定几个字符作为分隔符

FS = "[:']"

## 这就表示用:以及'来作为分隔符

例如：

## 取出ip a 里面的ipv4地址
[root@kiwi222 ~]# ip a | grep 'inet' 
    inet 127.0.0.1/8 scope host lo
    inet6 ::1/128 scope host 
    inet 192.168.234.33/24 brd 192.168.234.255 scope global noprefixroute ens160
    inet6 fe80::20c:29ff:fe81:9835/64 scope link noprefixroute 


[root@kiwi222 ~]# ip a | grep 'inet' | grep -v '127' | awk -F'[ /]+' '{ print $3 }'
192.168.234.33
[root@kiwi222 ~]# 

## 上面这个例子中的awk -F'[ /]+' '{ print $3 }'用空格和/来作为分隔符，并匹配一次或者多次，然后打印第三个字符

5.表达式

5.1 转义序列

序列	描述
\a	报警字符，通常是ASCII BEL 字符
\b	退格键
\f	走纸符
\n	换行符
\r	回车
\t	水平制表符
\v	垂直制表符
\ddd	将字符表示为1到3位八进制
\xbex	将字符表示为十六进制值
\c	任何需要字面表示的字符c（例如，“for”）

5.2 算数操作符

操作符	描述
+	加
-	减
*	乘
/	除
%	取模
^	取幂
**	去幂

变量是引用值的标识符。定义变量只需要为它定义一个名字并将数据赋给它即
可。变量名只能由字母、数字和下划线组成。而且不能以数字开头。变量名的
大小写很重要: Salary 和 salary 是两个不同的变量，变量不必进行说明，你
不必告诉 awk 什么类型的数据存储在一个变量中。每个变量有一个字符串型值和数字型值，awk 能够根据表达式的前后关系来选择合适的值 (不包含数字的字符串值为 0)。变量不必初始化。awk 自动将它们初始化为空字符串，如果作为数字，它的值为 0。

列如：

[root@kiwi222 ~]# echo | awk 'BEGIN{x=4;y=x/4}{print y}' 
1
[root@kiwi222 ~]#

5.3 统计空行数

[root@kiwi222 ~]# cat kiwi222 
kiwi123456

abc123

kiwi111:kiwi222

111:222
[root@kiwi222 ~]#

[root@kiwi222 ~]# awk '/^$/ { print x += 1}' kiwi222 
1
2
3
[root@kiwi222 ~]# 

## 虽然这里没有为变量 x 赋初值。但在遇到第一个空行之前它的值一直为 0。表达式x+=1 在每次遇到空行时进行求值并将x 的值增加 1.print 语句打印表达式返回的值。因为我们在遇到每个空行时都执行 print 语句，所以我们得到了空行数的一个连续值。

还可以写成

++x 在返回结果前递增x的值 (前缀)
x++ 在返回结果后递增 x的值 (后缀)

“++”是递增操作符 (“”是递减操作符) 。表达式每计算一次变量的值就增加 1。递增和递减操作符可以出现在操作数的任何一边，与前缀或后缀操作符
样。位置不同可以得到不同的计算结果。

[root@kiwi222 ~]# awk '/^$/ { print x++ }' kiwi222 
0
1
2
[root@kiwi222 ~]# 

## 当遇到第一个空行时，表达式返回的值为“0“，遇到第二个空行时返回值为1，依此类推。如果将递增操作符放置与 x 的前面，当表达式第一次计算后，返回的值为“1”。

[root@kiwi222 ~]# awk '/^$/ { print ++x }' kiwi222 
1
2
3
[root@kiwi222 ~]#

## 当遇到第一个空行时返回的值为1。

统计空行数

[root@kiwi222 ~]# awk '/^$/ { ++x } END { print x }' kiwi222 
3
[root@kiwi222 ~]# 

## 也就是说等主题处理完之后再去结果（END）打印总数

5.4计算平均数

例如：下面有几组数字

[root@kiwi222 ~]# cat avg 
kiwi 55 66 87
jenny 78 89 54
xiaoming 44 88 74
[root@kiwi222 ~]#

下面算出它们的平均数

[root@kiwi222 ~]# awk '{ total = $2+$3+$4;avg=total/3;print $1,avg }' avg 
kiwi 69.3333
jenny 73.6667
xiaoming 68.6667
[root@kiwi222 ~]#

6.系统变量

awk 中有许多系统变量或内置变量。awk 有两种类型的系统变量。第一种类型定义的变量默认值可以改变，例如默认的字段和记录分隔符。第二种类型定义的变量的值可用于报告或数据处理中。例如当前记录中字段的数量，当前记录的数量等。这些可以由 awk 自动更新，例如，当前记录的编号和输入文件名。

系统变量有以下几种：

ARGC：命令行参数的数量。
ARGV：一个数组，存储着命令行参数的值。
FILENAME：当前正在处理的文件的名称。
FNR：在当前文件中当前记录的记录号。
NF：当前记录（行）中的字段数。
NR：到目前为止读取的记录（行）数。
OFS：输出字段分隔符。
FS：输入字段分隔符。
RS：输入记录分隔符。
ORS：输出记录分隔符。

6.1 FS与OFS

FS：输入字段分隔符

OFS：输出字段分隔符

和FS等效的输出是OFS，它的默认值为一个空格。

例如：

[root@kiwi222 ~]# awk 'BEGIN{FS=" ";OFS=":"}{print $1,$3}' avg
kiwi:66
jenny:89
xiaoming:88
[root@kiwi222 ~]# 

[root@kiwi222 ~]# awk 'BEGIN{FS=" ";OFS=":"}{print $1 $3}' avg
kiwi66
jenny89
xiaoming88
[root@kiwi222 ~]# 

## 如果$1与$2中间为空格，意思就是不需要分隔符。也就是说想要使用分隔符的话逗号必须要加。

还可以为

[root@kiwi222 ~]# awk 'BEGIN{FS=" ";OFS="-"}{print $1,$3}' avg
kiwi-66
jenny-89
xiaoming-88
[root@kiwi222 ~]#

6.2 NR

到目前为止读取的记录（行）数。

例如：

[root@kiwi222 ~]# ip a | grep 'inet' 
    inet 127.0.0.1/8 scope host lo
    inet6 ::1/128 scope host 
    inet 192.168.234.33/24 brd 192.168.234.255 scope global noprefixroute ens160
    inet6 fe80::20c:29ff:fe81:9835/64 scope link noprefixroute 
    
[root@kiwi222 ~]# ip a | grep 'inet' | awk -F'[ /]+' 'NR==3{ print $3 }'
192.168.234.33
[root@kiwi222 ~]# 

## 打印第三行的第三个字符

6.3 NF

NF：当前记录（行）中的字段数。

[root@kiwi222 ~]# cat kiwi333 
kiwi111 123456 //abc
kiwi111:123456://abc

[root@kiwi222 ~]# awk '{print NF}' kiwi333 
3
1
[root@kiwi222 ~]#

提取最后一列

[root@kiwi222 ~]# awk '{print $NF}' kiwi333 
//abc
kiwi111:123456://abc
[root@kiwi222 ~]#

提取倒数第二列

[root@kiwi222 ~]# awk '{print $(NF-1)}' kiwi333 
123456
kiwi111:123456://abc
[root@kiwi222 ~]#

6.4 RS

RS：输入记录分隔符

ORS：输出记录分隔符

RS 输出等价的是 ORS，它的默认值也是一个换行符

7.处理多行记录

例如：

[root@kiwi222 ~]# df -h | awk 'NR==1{print $(NF-1),$NF}NR!=1{print $NF}'
Mounted on
/dev
/dev/shm
/run
/sys/fs/cgroup
/
/boot
/run/user/0
[root@kiwi222 ~]#

列如：

[root@kiwi222 ~]# cat txt1 
kiwi 
jkjk
qweqwr
111
[root@kiwi222 ~]# 

## 还可以将字段分隔符定义为换行符

[root@kiwi222 ~]# awk 'BEGIN {FS="\n";RS=""}{print $1,$NF}' txt1
kiwi  111
[root@kiwi222 ~]#

8.关系操作符与布尔操作符

8.1关系操作符

操作符	描述
<	小于
>	大于
<=	小于或等于
>=	大于或等于
==	相等的
!=	不等的
~	匹配
!-	不匹配

[root@kiwi222 ~]# cat txt1 
kiwi 
jkjk
qweqwr
111

[root@kiwi222 ~]# awk 'NR==4 { print $0}' txt1
111
[root@kiwi222 ~]# 

## 只有第四行才会被打印

## 打印除了第一行的
[root@kiwi222 ~]# awk 'NR>1 { print $0}' txt1
jkjk
qweqwr
111
[root@kiwi222 ~]#

8.2布尔操作符

操作符	定义
\|\|	逻辑或
&&	逻辑与
!	逻辑非

给定两个或多个表达式，只有当给定的表达式之一的值为真 (非零或非空)时，使用操作符的等个表达式的值才为真。而只有当&&操作符连接的两个表达式的值都为真时结果才为真。

操作符! 表示都对其值取反

!(NR > 1 && NF > 3)

9.获取文件的信息

处理命令ls的输出：

[root@kiwi222 ~]# ls -l $* | awk '{ print $5, "\t",$9}'
         
20       111
1183     anaconda-ks.cfg
47       avg
269      kiwi
98       kiwi111
45       kiwi222
42       kiwi333
324      list
113      nameState
394      newlist
98       sedscr
22       txt1
[root@kiwi222 ~]# 

## 打印文件的大小和名字。即打印第五个字段和第九个字段

## 打印每个文件的大小相加，得到列表的所有文件的总字节数
[root@kiwi222 ~]# ll | awk '{sum+=5;++filenum;print $5,"\t",$9}END{print "Total: ",sum}'
         
20       111
1183     anaconda-ks.cfg
47       avg
269      kiwi
98       kiwi111
45       kiwi222
42       kiwi333
324      list
113      nameState
394      newlist
98       sedscr
22       txt1
Total:  65
[root@kiwi222 ~]#

10.格式化打印

awk提供的printf可以代替print语句，printf是借用了C程序设计语言，它和print不一样。printf语句和print语句一样可以打印一个简单的字符串。但print的结果会自动换行，但printf不会。

[root@kiwi222 ~]# awk 'BEGIN{printf "hello world"}'
hello world[root@kiwi222 ~]# ^C
[root@kiwi222 ~]# awk 'BEGIN{print "hello world"}'
hello world
[root@kiwi222 ~]#

用在printf的格式说明符

字符	定义
c	ASCII字符
d	十进制整数
i	十进制整数（在POSIX中增加的）
e	浮点格式（[-]d.precisione[±]dd）
E	浮点格式([-]d.precisionE[±]dd)
f	浮点格式 ([-]ddd.precision)
g	e或f的转换形式，长度最短，末尾的0被去掉
G	E或f的转换形式，长度最短，末尾的0被去掉
0	无符号的八进制
s	字符串
u	无符号的十进制
x	无符号的十六进制，用a-f表示10-15
X	无符号的十六进制，用A-F表示10-15
%	字面字符%

例如

[root@kiwi222 ~]# ll | awk 'NR!=1{print $5,"\t",$9}'
20       111
1183     anaconda-ks.cfg
47       avg
269      kiwi
98       kiwi111
45       kiwi222
42       kiwi333
324      list
113      nameState
394      newlist
98       sedscr
22       txt1
[root@kiwi222 ~]# ll | awk 'NR!=1{printf "%d\t%s\n", $5,$9}'
20      111
1183    anaconda-ks.cfg
47      avg
269     kiwi
98      kiwi111
45      kiwi222
42      kiwi333
324     list
113     nameState
394     newlist
98      sedscr
22      txt1
[root@kiwi222 ~]# 

## %d表示字符串，%s表示数字
## 该语句输出$5 的值，后面是制表符\t 和$9、然后输出一个换行符。

将ls命令左对齐，并且算出总数

[root@kiwi222 ~]# ll | awk 'BEGIN{print "bytes","\t","file"}NR !=1{sum+=$5;++filenum;print $5,"\t",$9}END{printf "Total:\t %d bytes(%d file)\n",sum,filenum}'
bytes    file
20       111
1183     anaconda-ks.cfg
47       avg
269      kiwi
98       kiwi111
45       kiwi222
42       kiwi333
324      list
113      nameState
394      newlist
98       sedscr
22       txt1
Total:   2655 bytes(12 file)
[root@kiwi222 ~]#