awk是一个强大的文本分析工具,相对于grep的查找,sed的编辑,awk在其对数据分析并生成报告时,显得尤为强大。
简单来说awk就是把文件逐行的读入,以空格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有3个不同版本: awk、nawk和gawk,未作特别说明,一般指gawk,
gawk 是 AWK 的 GNU 版本。
使用方法:
awk
'
{pattern + action}
'
{filenames}
pattern 表示 AWK 在数据中查找的内容
,而 action 是在找到匹配内容时所执行的一系列命令。花括号({})不需要在程序中始终出现,但它们用于根据特定的模式对一系列指令进行分组。 pattern就是要表示的正则表达式,用斜杠括起来。
通常,awk是以文件的一行为处理单位的。awk每接收文件的一行,然后执行相应的命令,来处理文本。
调用awk:
1>
命令行方式:
awk
[-F field-separator]
'
commands
'
input-
file
(s)
commands 是真正awk命令,[
-F域分隔符]是可选的。 input-
file
(s) 是待处理的文件。
在awk中,文件的每一行中,由域分隔符分开的每一项称为一个域。通常,在不指名
-
F域分隔符的情况下,默认的域分隔符是空格。
2>
shell脚本方式:
将所有的awk命令插入一个文件,并使awk程序可执行,然后awk命令解释器作为脚本的首行,一遍通过键入脚本名称来调用。
相当于shell脚本首行的:#
!/bin/
sh
可以换成:#
!/bin/
awk
3>
将所有的awk命令插入一个单独文件,然后调用:
awk
-f
awk
-script-
file
input-
file
(s)
例子:
显示最近登录的5个帐号
last
-n
5
|
awk
'
{print $1}
'
awk工作流程是这样的:读入有'\n'换行符分割的一条记录,然后将记录按指定的域分隔符划分域,填充域,
$0则表示所有域,$1表示第一个域,$n表示第n个域。
显示/etc/passwd的账户
cat
/etc/
passwd
|
awk
-F
'
:
'
'
{print $1}
'
这种是awk+action的示例,每行都会执行action{print $1}
-F指定域分隔符为':'
显示/etc/passwd的账户和账户对应的shell,而账户与shell之间以tab键分割
cat
/etc/
passwd
|
awk
-F
'
:
'
'
{print $1"\t"$7}
'
显示/etc/passwd的账户和账户对应的shell,而账户与shell之间以逗号分割,而且在所有行添加列名name,shell,在最后一行添 加"blue,/bin/nosh"
cat
/etc/
passwd
|
awk
-F
'
:
'
'
BEGIN {print "name,shell"} {print $1","$7} END {print "blue,/bin/nosh"}
'
搜索/etc/passwd有root关键字的所有行,并显示对应的shell
awk
-F:
'
/root/{print $7}
'
/etc/
passwd
awk内置变量
FILENAME awk浏览的文件名 NR 已读的记录数 NF 浏览记录的域的个数
ARGC 命令行参数个数 ARGV 命令行参数排列 ENVIRON 支持队列中系统环境变量的使用
FNR 浏览文件的记录数 FS 设置输入域分隔符,等价于命令行 -F选项
OFS 输出域分隔符 ORS 输出记录分隔符 RS 控制记录分隔符
例子:
统计/etc/passwd:文件名,每行的行号,每行的列数,对应的完整行内容:
awk -F ':' '{print "filename:" FILENAME ",linenumber:" NR ",columns:" NF ",linecontent:"$0}' /etc/passwd
使用printf替代print,可以让代码更加简洁,易读
awk -F ':' '{printf("filename:%10s,linenumber:%s,columns:%s,linecontent:%s\n",FILENAME,NR,NF,$0)}' /etc/passwd
awk编程
变量和赋值
统计/etc/passwd的账户人数
awk '{count++;print $0;} END{print "user count is ", count}' /etc/passwd
count是自定义变量。之前的action{}里都是只有一个print,其实print只是一个语句,而action{}可以有多个语句,以;号隔开
上面没有初始化count,虽然默认是0,但是妥当的做法还是初始化为0:
awk 'BEGIN {count=0;print "[start]user count is ", count} {count=count+1;print $0;} END{print "[end]user count is ", count}' /etc/passwd
统计某个文件夹下的文件占用的字节数
ls -l |awk 'BEGIN {size=0;} {size=size+$5;} END{print "[end]size is ", size}'
以M为单位显示:
ls -l |awk 'BEGIN {size=0;} {size=size+$5;} END{print "[end]size is ", size/1024/1024,"M"}'
条件语句
统计某个文件夹下的文件占用的字节数,过滤4096大小的文件(一般都是文件夹):
ls -l |awk 'BEGIN {size=0;print "[start]size is ", size} {if($5!=4096){size=size+$5;}} END{print "[end]size is ", size/1024/1024,"M"}'
循环语句
数组 因为awk中数组的下标可以是数字和字母,数组的下标通常被称为关键字(key)。值和关键字都存储在内部的一张针对key/value应用hash的表格里。由于hash不是顺序存储,因此在显示数组内容时会发现,它们并不是按照你预料的顺序显示出来的。数组和变量一样,都是在使用时自动创建的,awk也同样会自动判断其存储的是数字还是字符串。一般而言,awk中的数组用来从记录中收集信息,可以用于计算总和、统计单词以及跟踪模板被匹配的次数等等。
显示/etc/passwd的账户
awk -F ':' 'BEGIN {count=0;} {name[count] = $1;count++;}; END{for (i = 0; i < NR; i++) print i, name[i]}' /etc/passwd
awk处理多个文件
awk的数据输入有两个来源,标准输入和文件,后一种方式支持多个文件
shell的Pathname Expansion方式:awk '{...}' *.txt
直接指定多个文件:awk '{...}' a.txt b.txt c.txt ...
处理 2 个文件
一种是 awk 'NR==FNR{...}NR>FNR{...}' file1 file2
# 读入file1的时候,已读入file1的记录数FNR一定等于awk已读入的总记录数NR,因为file1是awk读入的首个文件,故读入file1时执行前一个命令块{...} # 读入file2的时候,已读入的总记录数NR一定>读入file2的记录数FNR,故读入file2时执行后一个命令块{...}
另一种是 awk 'NR==FNR{...;next}{...}' file1 file2
# 读入file1时,满足NR==FNR,先执行前一个命令块,但因为其中有next命令,故后一个命令块{...}是不会执行的
# 读入file2时,不满足NR==FNR,前一个命令块{..}不会执行,只执行后一个命令块{...}
处理 多个 文件
1. ARGIND # 当前被处理参数标志
awk 'ARGIND==1{...}ARGIND==2{...}ARGIND==3{...}... ' file1 file2 file3 ...
2. ARGV # 命令行参数数组
awk 'FILENAME==ARGV[1]{...}FILENAME==ARGV[2]{...}FILENAME==ARGV[3]{...}...' file1 file2 file3 ...
3. 把文件名直接加入判断
awk 'FILENAME=="file1"{...}FILENAME=="file2"{...}FILENAME=="file3"{...}...' file1 file2 file3 ...
awk 'ARGIND==1{...}ARGIND==2{...}ARGIND==3{...}... ' file1 file2 file3 ...
2. ARGV # 命令行参数数组
awk 'FILENAME==ARGV[1]{...}FILENAME==ARGV[2]{...}FILENAME==ARGV[3]{...}...' file1 file2 file3 ...
3. 把文件名直接加入判断
awk 'FILENAME=="file1"{...}FILENAME=="file2"{...}FILENAME=="file3"{...}...' file1 file2 file3 ...
awk中正则表达式
awk中的正则表达式用斜杠(/.../)包括起来
匹配:使用域号匹配表达式,使用符号'~'后紧跟正则表达式,也可以使用if语句
awk '{if($4~/good/)print $0}' readfile
awk '{$0 ~ /good/}' readfile
精确匹配:
awk '{if($3 ~ /字符串/) print $0}' readfile //包含字符串的所有记录都匹配,不精确
awk '$3 == "字符串" {print $0}' readfile //确保只有字符串得以匹配,精确匹配
不匹配 awk '{if($4 !~ /匹配字符串/) print $0}' readfile
小于 < 小于等于 <= 大于 >>
awk '{if($6<$7) print "xxx"}' readfile
设置大小写:为查询大小写信息,可以使用[ ]符号
awk '/[Gg]reen/' readfile //匹配green Green的行
任意字符
awk
'$1 ~/^...a/'
readfile //抽取域
1
,其记录第一域的第四个字符时a
或关系匹配
使用或关系符时,语句必须用圆括号括起来
&& AND:语句两边必须同时为真
|| OR:语句两边同时或其中一边匹配为
! 非 求逆