linux awk逐行文件内容,Linux文本分析命令awk的妙用

0、基本用法

awk是一个强大的文本分析工具，简单来说awk就是把文件逐行读入，(空格，制表符)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命令格式如下

awk [-F field-separator] 'commands' input-file(s)

[-F 分隔符]是可选的，因为awk使用空格，制表符作为缺省的字段分隔符，因此如果要浏览字段间有空格，制表符的文本，不必指定这个选项，但如果要浏览诸如/etc/passwd文件，此文件各字段以冒号作为分隔符，则必须指明-F选项

echo "this is a test" | awk '{ print $0 }'

## 输出为

this is a test

shell读取用户输入的字符串发现|，代表有管道。|左右被理解为简单命令，即前一个(左边)简单命令的标准输出指向后一个(右边)标准命令的标准输入

awk会根据分隔符将行分成若干个字段，$0为整行，$1为第一个字段，$2 为第2个地段，依此类推…

为打印一个字段或所有字段，使用print命令。这是一个awk动作

echo "this is a test" | awk '{ print $1 }'

## 输出为

this

echo "this is a test" | awk '{ print $1, $2 }'

## 输出为

this is

/etc/passwd的文件内容如下

root:x:0:0:root:/root:/bin/bash

bin:x:1:1:bin:/bin:/sbin/nologin

daemon:x:2:2:daemon:/sbin:/sbin/nologin

adm:x:3:4:adm:/var/adm:/sbin/nologin

lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin

举几个简单的小需求

1、只显示/etc/passwd的账户

awk -F : '{ print $1 }' /etc/passwd

## 输出为

root

bin

daemon

adm

lp

2、显示/etc/passwd的第1列和第7列，用逗号分隔显示，所有行开始前添加列名start1，start7，最后一行添加，end1，end7

awk -F ':' 'BEGIN {print "start1,start7"} {print $1 "," $7} END {print "end1,end7"}' /etc/passwd

## 输出为

start1,start7

root,/bin/bash

bin,/sbin/nologin

daemon,/sbin/nologin

adm,/sbin/nologin

lp,/sbin/nologin

end1,end7

BEGIN语句在所有文本处理动作执行之前被执行，END在所有文本处理动作执行之后被执行

3、统计/etc/passwd文件中，每行的行号，每行的列数，对应的完整行内容

awk -F : '{ print NR "  " NF "  " $0 }' /etc/passwd

## 输出为

1    7   root:x:0:0:root:/root:/bin/bash

2    7   bin:x:1:1:bin:/bin:/sbin/nologin

3    7   daemon:x:2:2:daemon:/sbin:/sbin/nologin

4    7   adm:x:3:4:adm:/var/adm:/sbin/nologin

5    7   lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin

1、支持内置变量

上面示例中NR，和NF其实就是awk的内置变量，一些内置变量如下

变量名

解释

FILENAME

awk浏览的文件名

FS

设置输入字段分隔符，等价于命令行-F选项

NF

浏览记录的字段个数

NR

已读的记录数

2、支持函数

输出字符串的长度

awk 'BEGIN { print length("this is a text") }'

## 输出为

14

将/etc/passwd的用户名变成大写输出

awk -F ':' '{ print toupper($1) }' /etc/passwd

## 输出为

ROOT

BIN

DAEMON

ADM

LP

常用函数如下

函数名

作用

toupper(s)

返回s的大写

tolower(s)

返回s的小写

length(s)

返回s长度

substr(s,p)

返回字符串s中从p开始的后缀部分

3、支持条件操作，正则表达式匹配

显示/etc/passwd中有daemon的行

awk -F ':' '$0 ~ /daemon/' /etc/passwd

## 输出为

daemon:x:2:2:daemon:/sbin:/sbin/nologin

awk条件操作符

操作符

描述

<

小于

<=

小于等于

==

等于

!=

不等于

~

匹配正则表达式

!~

不匹配正则表达式

4、支持流程控制语句，类C语言

if while do/while for break continue

输出第一个字段的第一个字符大于d的行

awk -F ':' '{ if ($1 > "d") { print $1 } else { print "-" } }' /etc/passwd

## 输出为

root

-

daemon

-

lp

可以把流程控制语句放到一个脚本中，然后调用脚本执行，如test.sh的内容如下

{

if ($1 > "d") {

print $1

} else {

print "-"

}

}

用如下方式执行，效果一样

awk -F ':' -f test.sh /etc/passwd

## 输出为

root

-

daemon

-

lp

5、应用场景

小编用awk进行文本分析比较少，主要用来写脚本

如一个weibo-interface-1.0.jar应用，启动脚本如下

start.sh

nohup java -jar weibo-interface-1.0.jar >out 2>&1 &

关闭脚本如下，kill.sh

kill -9 `jps -l | grep 'weibo-interface-1.0.jar' | awk '{print $1}'`

jps -l的输出如下

70208 com.st.kmp.main.KmpService

31036 com.st.cis.main.BaiduAnalysisService

66813 weibo-interface-1.0.jar

还有就是关闭hadoop集群的所有DataNode节点(不知道hadoop的可以认为DataNode是一个集群应用)，假如一个个机器jps，查看pid，kill。很麻烦，直接写了一个脚本，依次ssh到各个节点，然后执行如下命令即可

kill `jps | grep 'DataNode' | awk '{print $1}'`

jps的输出为

508 DataNode

31481 JournalNode

31973 NodeManager