AWK 分享
整理:SWFZZL
Wenfei.si@gmail.com
http://www.gnu.org/home.html 官方网站
三个AWK 使用的例子 引入
1 通过 命令行 $ awk F “/t” ‘{print $0}’ test.txt
2 通过调用文本 $ awk –f scriptfile test.txt
3 直接使用 脚本文件的方式 $ scriptfile
AWK 详细介绍
1释义
1.1 英文原义:Aho、Weinberger、Kernighan
1.2 中文释义:三位创造者Aho、Weinberger和Kernighan统称
2简介
2.1 awk 是一种编程语言,用于在linux/unix下对文本和数据进行处理。
2.2 数据可以来自标准输入、一个或多个文件,或其它命令的输出。
2.3 awk的处理文本和数据的方式是这样的,它逐行扫描文件,从第一行到最后一行,寻找匹配的特定模式的行,并在这些行上进行你想要的操作。如果没有指定处理动作,则把匹配的行显示到标准输出 (屏幕),如果没有指定模式,则所有被操作所指定的行都被处理。
3规则和选项
3.1语法
awk [options] ‘script’ var=values file(s)
awk [options] –f scriptfile var=value file(s)
3.2 命令选项 (options)
-F fs or --field-separator fs
指定输入文件折分隔符,fs是一个字符串或者是一个正则表达式,如-F:。
-v var=value or --asign var=value
赋值一个用户定义变量。
-f scripfile or --file scriptfile
从脚本文件中读取awk命令。
-mf nnn and -mr nnn
对nnn值设置内在限制,-mf选项限制分配给nnn的最大块数目;-mr选项限制记录的最大数目。这两个功能是Bell实验室版awk的扩展功能,在标准awk中不适用。
3.3 模式和操作
awk脚本是由 模式和操作组成的:pattern {action} 如$ awk '/root/' test,或$ awk '$3 < 100' test。两者是可选的,如果没有模式,则action应用到全部记录,如果没有action,则输出匹配全部记录。默认情况下,每一个输入行都是一条记录,但用户可通过RS变量指定不同的分隔符进行分隔。
· 3.3.1 模式:指定一个行的范围该语法不能包括BEGIN和END模式。
模式可以是以下任意一个:
· /正则表达式/:使用通配符的扩展集。
· 关系表达式:可以用下面运算符表中的关系运算符进行操作,可以是字符串或数字的比较,如$2>%1选择第二个字段比第一个字段长的行。
模式匹配表达式:用运算符~(匹配)和~!(不匹配)。用来在记录或者域内匹配正则表达式。如$ awk '$1 ~/^root/' test将显示test文件第一列中以root开头的行。
· BEGIN:让用户指定在第一条输入记录被处理之前所发生的动作,通常可在这里设置全局变量。
· END:让用户在最后一条输入记录被读取之后发生的动作。
3.3.2 操作
操作由一人或多个命令、函数、表达式组成,之间由换行符或分号隔开,并位于大括号内。主要有四部份:
· 变量或数组赋值
· 输出命令
· 内置函数
· 控制流命令
4常用系统环境变量介绍
变量 | 描述 |
$n | 当前记录的第n个字段,字段间由FS分隔。 |
$0 | 完整的一条输入记录。 |
ARGC | 命令行参数的数目。 |
ARGV | 包含命令行参数的数组。 |
FIELDWIDTHS | 字段宽度列表(用空格键分隔)。 |
FILENAME | 当前文件名。 |
FNR | 同NR,但相对于当前文件。 |
FS | 字段分隔符(默认是任何空格)。 |
IGNORECASE | 如果为真,则进行忽略大小写的匹配。 |
NF | 当前记录中的字段数。 |
NR | 当前记录数。 |
OFMT | 数字的输出格式(默认值是%.6g)。 |
OFS | 输出字段分隔符(默认值是一个空格)。 |
ORS | 输出记录分隔符(默认值是一个换行符)。 |
RLENGTH | 由match函数所匹配的字符串的长度。 |
RS | 记录分隔符(默认是一个换行符)。 |
RSTART | 由match函数所匹配的字符串的第一个位置。 |
SUBSEP | 数组下标分隔符(默认值是/034)。 |
5运算符介绍
运算符与 C 语言功能基本一样
运算符 | 描述 |
= += -= *= /= %= ^= **= | 赋值 |
?: | C条件表达式 |
|| | 逻辑或 |
&& | 逻辑与 |
~ ~! | 匹配正则表达式和不匹配正则表达式 |
< <= > >= != == | 关系运算符 |
空格 | 连接 |
+ - | 加,减 |
* / & | 乘,除与求余 |
+ - ! | 一元加,减和逻辑非 |
^ *** | 求幂 |
++ -- | 增加或减少,作为前缀或后缀 |
$ | 字段引用 |
in | 数组成员 |
6 AWK的记录 和 域
6.1 记录
每一个以换行符结束的行称为一个记录。
记录分隔符:默认的输入和输出的分隔符都是回车,保存在内建变量ORS和RS中。
(Row Seperator)
$0变量:它指的是整条记录。如$ awk '{print $0}' test将输出test文件中的所有记录。
变量NR:一个计数器,每处理完一条记录,NR的值就增加1。如$ awk '{print NR,$0}' test将输出test文件中所有记录,并在记录前显示记录号。
(Number of Row)
6.2 域
记录中每个单词称做“域”。awk可跟踪域的个数并在内建变量NF中保存该值。
域分隔符:内建变量FS保存输入域分隔符的值,默认是空格或tab。我们可以通过-F命令行选项修改FS的值。如$ awk -F: '{print $1,$5}' test将打印以冒号为分隔符的第一,第五列的内容。可以同时使用多个域分隔符,这时应该把分隔符写成放到方括号中,如$awk –F '[:/t]' '{print $1,$3}' test,表示以空格、冒号和tab作为分隔符。输出域的分隔符默认是一个空格,保存在OFS中。如$ awk -F: '{print $1,$5}' test,$1和$5间的逗号就是OFS的值。(field sepreator)
7 GAWK专用正则表达式通配符
符号 | 描述 |
/Y | 匹配一个单词开头或者末尾的空字符串。 |
/B | 匹配单词内的空字符串。 |
/< | 匹配一个单词的开头的空字符串,锚定开始。 |
/> | 匹配一个单词的末尾的空字符串,锚定末尾。 |
/w | 匹配一个字母数字组成的单词 |
/W | 匹配一个非字母数字组成的单词。 |
/‘ | 匹配字符串开头的一个空字符串。 |
/' | 匹配字符串末尾的一个空字符串。 |
8案例 分析
· $ awk '/^(no|so)/' test-----打印所有以模式no或so开头的行。
· $ awk '/^[ns]/{print $1}' test-----如果记录以n或s开头,就打印这个记录。
· $ awk '$1 ~/[0-9][0-9]$/(print $1}' test-----如果第一个域以两个数字结束就打印这个记录。
· $ awk '$1 == 100 || $2 < 50' test-----如果第一个或等于100或者第二个域小于50,则打印该行。
· $ awk '$1 != 10' test-----如果第一个域不等于10就打印该行。
· $ awk '/test/{print $1 + 10}' test-----如果记录包含正则表达式test,则第一个域加10并打印出来。
· $ awk '{print ($1 > 5 ? "ok "$1: "error"$1)}' test-----如果第一个域大于5则打印问号后面的表达式值,否则打印冒号后面的表达式值。
· $ awk '/^root/,/^mysql/' test----打印以正则表达式root开头的记录到以正则表达式mysql开头的记录范围内的所有记录。如果找到一个新的正则表达式root开头的记录,则继续打印直到下一个以正则表达式mysql开头的记录为止,或到文件末尾。
9 AWK 编程
9.1变量
可以适用 系统变量和自定义变量 (自定义变量不可与系统变量同名)
9.2 Begin 模块
在对行记录扫描前开始执行
9.3 End 模块
在完成对所有行扫描后执行
9.4 重定向和管道
9.4.1重定向(redirect)
字面理解是改变方向,在这里的意思是 对文本的输出方式进行修改
awk 可使用shell的重定向符进行重定向输出,如:$ awk '$1 = 100 {print $1 > "output_file" }' test。上式表示如果第一个域的值等于100,则把它输出到output_file中。也可以用>>来重定向输出,但不清空文件,只做追加操作。
9.4.2 管道
字面理解是 一种通道 ,在这里的意思是数据流向的方式,也可以理解成数据的载体
· 输出重定向需用到getline函数。getline从标准输入、管道或者当前正在处理的文件之外的其他输入文件获得输入。它负责从输入获得下一行的内容,并给NF,NR和FNR等内建变量赋值。如果得到一条记录,getline函数返回1,如果到达文件的末尾就返回0,如果出现错误,例如打开文件失败,就返回-1。如:
$ awk 'BEGIN{ "date" | getline d; print d}' test。执行linux的date命令,并通过管道输出给getline,然后再把输出赋值给自定义变量d,并打印它。
9.5 控制语句 (与C中一样,区别是不要加分号)
9.5.1 条件
1 if
2 else if
3 嵌套 (条件语句)
9.5.2 循环
- awk有三种循环:while循环;for循环;special for循环。
- $ awk '{ i = 1; while ( i <= NF ) { print NF,$i; i++}}' test。变量的初始值为1,若i小于可等于NF(记录中域的个数),则执行打印语句,且i增加1。直到i的值大于NF.
- $ awk '{for (i = 1; i<NF; i++) print NF,$i}' test。作用同上。
- breadkcontinue语句。break用于在满足条件的情况下跳出循环;continue用于在满足条件的情况下忽略后面的语句,直接返回循环的顶端。如:
· {for ( x=3; x<=NF; x++)
· if ($x<0){print "Bottomed out!"; break}}
· {for ( x=3; x<=NF; x++)
· if ($x==0){print "Get next item"; continue}
· }
- next语句从输入文件中读取一行,然后从头开始执行awk脚本。如:
· {
· if ($1 ~/test/){next}
· else {print}
· }
- exit语句用于结束awk程序,但不会略过END块。退出状态为0代表成功,非零值表示出错。
9.5.3 数组
awk中的数组的下标可以是数字和字母,称为关联数组。
下标与关联数组
- 用变量作为数组下标。如:$ awk {name[x++]=$2};END{for(i=0;i<NR;i++) print i,name[i]}' test。数组name中的下标是一个自定义变量x,awk初始化x的值为0,在每次使用后增加1。第二个域的值被赋给name数组的各个元素。在END 模块中,for循环被用于循环整个数组,从下标为0的元素开始,打印那些存储在数组中的值。因为下标是关健字,所以它不一定从0开始,可以从任何值开始。
- special for循环用于读取关联数组中的元素。格式如下:
· {for (item in arrayname){
· print arrayname[item]
· }
· }
$ awk '/^tom/{name[NR]=$1}; END{for(i in name){print name[i]}}' test。打印有值的数组元素。打印的顺序是随机的。
- 用字符串作为下标。如:count["test"]
- 用域值作为数组的下标。一种新的for循环方式,for (index_value in array) statement。如:$ awk '{count[$1]++} END{for(name in count) print name,count[name]}' test。该语句将打印$1中字符串出现的次数。它首先以第一个域作数组count的下标,第一个域变化,索引就变化。
- delete 函数用于删除数组元素。如:$ awk '{line[x++]=$1} END{for(x in line) delete(line[x])}' test。分配给数组line的是第一个域的值,所有记录处理完成后,special for循环将删除每一个元素。
9.6 函数
9.6.1 内置函数
数学函数
函数名称 | 返回值 |
atan2(x,y) | y,x范围内的余切 |
cos(x) | 余弦函数 |
exp(x) | 求幂 |
int(x) | 取整 |
log(x) | 自然对数 |
rand() | 随机数 |
sin(x) | 正弦 |
sqrt(x) | 平方根 |
srand(x) | x是rand()函数的种子 |
int(x) | 取整,过程没有舍入 |
rand() | 产生一个大于等于0而小于1的随机数 |
字符串函数(部分)
函数名 | 描述 |
gsub(r,s,t) | 全局替换函数-在字符串t中用 s替换r,没有替换则给出t,否则 $0 |
index(s,t) | 返回子串t在s中的位置,没有则返回 0 |
match(s,r) | 查看 r 是否在 s 中出现 |
sprintf("fmt",expr) | 对exprt用printf 格式进行输出 |
split(s,a,sep) | 把子串加s加到a中,以sep 为分隔符 |
substr(s,p,n) | 返回 s 字符串中 p 位置开始的n个字符 |
tolower(s) | 把 字符串s中大写字母改成 小写 |
时间与日期函数
格式 | 描述 |
|
%a | 星期几的缩写(Sun) | |
%A | 星期几的完整写法(Sunday) | |
%b | 月名的缩写(Oct) | |
%B | 月名的完整写法(October) | |
%c | 本地日期和时间 | |
%d | 十进制日期 | |
%D | 日期 08/20/99 | |
%e | 日期,如果只有一位会补上一个空格 | |
%H | 用十进制表示24小时格式的小时 | |
%I | 用十进制表示12小时格式的小时 | |
%j | 从1月1日起一年中的第几天 | |
%m | 十进制表示的月份 | |
%M | 十进制表示的分钟 | |
%p | 12小时表示法(AM/PM) | |
%S | 十进制表示的秒 | |
%U | 十进制表示的一年中的第几个星期(星期天作为一个星期的开始) | |
%w | 十进制表示的星期几(星期天是0) | |
%W | 十进制表示的一年中的第几个星期(星期一作为一个星期的开始) | |
%x | 重新设置本地日期(08/20/99) | |
%X | 重新设置本地时间(12:00:00) | |
%y | 两位数字表示的年(99) | |
%Y | 当前月份 | |
%Z | 时区(PDT) | |
%% | 百分号(%) |
9.6.2 自定义函数 (使用时不需要定义)
(Example)
function insert(STRING, POS, INS) {
before_tmp = substr(STRING, 1, POS)
after_tmp = substr(STRING, POS + 1)
return before_tmp INS after_tmp
}
{print insert($1,4,"aa")}
10底层抽屉
举个例子(家里的 衣柜,一般我们会把袜子,内衣什么的放在抽屉表层,因为要经常使用,而会把毛衣等一些使用频率不高的东西放在底层;)
这就是这章节需要阐述的内容:
10.1 The getline function
从数据流中读取
返回值 有 1,0,-1 各自代表
1 读到一条记录
0 没有读到并已经到达文件末尾
-1 出现错误
# 例子 getline.awk -- test getline function
/^/.SH "?Name"?/ {
getline # get next line
print $1 # print $1 of new line.
}
从文件中读取
while ( (getline < "data") > 0 )
print
从管道中读取
"who am i" | getline me
10.2 The system() function
执行一个以表达方式给出的命令但是他不产生共程序处理的输出,它返回被执行命令的推出状态
BEGIN { if (system("mkdir dale") != 0)
print "Command Failed" }
$ awk -f system.awk
$ ls dale
$ awk -f system.awk
mkdir: dale: File exists
Command Failed
10.3 Directing output to files and pipes
文本重定向
print > "data.out"
print "a =", a, "b =", b, "max =", (a > b ? a : b) > "data.out"
管道重定向
print |
command
{# words.awk - strip macros then get word count
sub(/^/.../,"")
print | "wc -w"
}
(每次只能打开一定数量的管道,并用close来关闭管道)