awk java_awk学习笔记（实时更新ing ...）

前言

年前杂事比较多一些，特别涉及到对一些日志文本的分析，早就知道awk是这方面处理的神器，在写恶心的php间隙学习一下，虽然我觉得自己的php写的非常规范了，但是那种哦敢调用api、调用扩展的方式还是让我觉得恶心，虽然很方便，话不多说，开始awk学习，可能会分阶段完成这篇文章，有时间就记录一些吧

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，它将一直重复执行直到有一些存在的条件终止它。你不必写这个循环，它是现成的，它作为一个框架存在，在这个框架中编写的代码能够执行。

主输入循环执行的行数和输入的行数相同。

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被读取后执行。他们是BEGIN和END规则相关的过程。换句话说，在主输入循环前和主输入循环之后你可以做一些处理。

awk脚本可以分为3个部分：

处理输入前的将做的处理

处理输入过程中将做的处理

处理输入完成后做的处理

awk工作流程：

自动从指定的数据文件中读取一个数据行

自动更新相关的内建变量之值。如：NF,NR,$0,$1,..

依次执行程序中所有的Pattern{Actions}指令。

当执行完程序中所有Pattern{Actions}时，若数据文件中还有未读取的数据，则反复执行上述步骤(awk的程序设计模型决定)

执行awk

awk 'awk程序' 处理文件名

处理文件中包含多少行，awk程序就执行多少次，这是由awk程序设计模型决定的！(ps：处理文件为空，则awk不执行，很多初学者测试时容易犯这种错误，比如我)

awk程序的主要结构

awk程序中主要语法是Pattern{Actions}，故而常见的awk程序其型态如下：

Pattern1 {Actions1}

Pattern2 {Actions2}

...

Pattern3 {Actions3}

Pattern

awk可以接受许多不同型态的Pattern.一般常使用“关系表达式(Relational expression)”来当成Pattern。

例如：

x > 65是一个Pattern，判断变量x与65的大小关系

awk提供C语言中常见的关系运算符(Relational Operators)如：

>,=,<=,!=

此外，awk还提供了~(match)及 !~(not match)二个关系运算符

Actions

Actions是由许多awk指令构成，而awk的指令与c语言中的指令十分类似

例如：

awk的I/O指令：print,printf(),getline...

awk的流程控制指令：if(...){...}else{...},while(...){...}

awk处理Pattern{Actions}

awk会先判断该Pattern的值，若为true，则awk执行Pattern所对应的Actions。反之，若Pattern值部为true，则awk将不执行该Pattern所对应的Actions。

例如：

awk '90 > 78 {printf "hello world!\n"}' test.txt如果test.txt不为空，肯定可以输出hello world!

awk ' 1 > 2 {printf "hello world\n"}' test.txt就算test.txt不为空，由于Pattern 1 > 2的值为false，所以printf语句一定不会执行！

awk处理{Actions}(缺少Pattern部分)

有时语法Pattern{Actions}中，Pattern部分被省略，只剩{Actions}。这种情况下表示：awk无条件执行这个Actions

awk内建字段变量

字段变量

字段含义

$0

当前awk所读入行的内容

$1

$0上分隔符分割后第一个字段的内容

$2

$0上分隔符分割后第二个字段的内容

...

以此类推

NF(number of Fields)

$0上的字段数目

NR(NUMBER OF RECORDS)

awk已读入的数据行的数目

打印文件中指定字段数据

文件内容

wangzhengyi 24 linux c php cuc

chenshan 24 linux php emacs cuc

bululu 26 english computer electricity cuc

按照制定格式输出

awk中提供了与c语言类似的printf()函数，可以用这个函数控制格式输出，我强烈推荐printf(恶心的echo真的快让我受够了，我喜欢一切跟c相关的东西)

awk '{printf("name is %s,age is %d,technology has %s %s %s,study in %s\n",$1,$2,$3,$4,$5,$6)}' test

结果：

name is wangzhengyi,age is 24,technology has linux c php,study in cuc

name is chenshan,age is 24,technology has linux php emacs,study in cuc

name is bululu,age is 26,technology has english computer electricity,study in cuc

awk的流程控制语句

常见错误：

初学者开始使用流程控制语句时，都喜欢采用类似于c代码的风格，但是可能会碰到这个错误：

awk: line 1: syntax error at or near if

举例：

(1)错误代码

awk -F "^A" 'if(2 > 3) {printf("%s %d\n", $1, $2)}' test(2)正确的类C的代码应该

awk -F "^A" '{if(2 > 3) {printf("%s %d\n", $1, $2)}}' test

注意：正确的类c风格应该多了一个括号的包围

条件判断语句(if)

格式

{

if(表达式)

{

语句一;

.......;

}else if(表达式)

{

语句2;

........

}else

{

语句3;

........

}

}

测试代码

循环语句(while,for)

while格式

{

while(表达式)

{

语句;

}

}

for格式

{

for(变量初始化; 条件; 表达式)

{

语句;

}

}

{

for(变量 in 数组)

{

语句;

}

}

测试代码：

awk数组

如果写过php和shell，那对awk的数组一定不会陌生，就是awk的数组既支持下标数组，也支持关联数组.

写个测试awk数组的用例，大家看一下就好了：

awk模式匹配

awk提供了两个运算符~(match)与!~(not match)，这两个模式匹配都是正则表达式的应用，注意其使用的语法即可

语法规则

若A为一字符串，B为一正则表达式

A~B 判断字符串A中是否包含能匹配B式样的子字符串

A!~B 判断字符串A中是否未包含能匹配B式样的子字符串

测试用例

$0 ~ /[0-9]*/ 这是判断每行是否包含数字的最基础的正则表达式，如果这个不懂的话建议去看正则表达式基础吧