一、简介
awk是一种编程语言,用于在linux/unix下对文本和数据进行处理。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。它支持用户自定义函数和动态正则表达式等先进功能,是linux/unix下的一个强大编程工具。它在命令行中使用,但更多是作为脚本来使用。
awk的处理文本和数据的方式: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。
awk分别代表其作者姓氏的第一个字母。因为它的作者是三个人,分别是Alfred Aho、Brian Kernighan、Peter Weinberger。
gawk是awk的GNU版本,它提供了Bell实验室和GNU的一些扩展。下面介绍的awk是以GUN的gawk为例的,在linux系统中已把awk链接到gawk,所以下面全部以awk进行介绍。
二、使用
awk [-F field-separator] 'commands' input-file(s)
其中,[-F域分隔符]是可选的,commands 是真正awk命令。 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。
三、模式
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)。
模式,模式:指定一个行的范围。该语法不能包括BEGIN和END模式。
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。
四、常量
常量名
含义
$n
当前记录的第n个字段,字段间由FS分隔
$0
完整的输入记录
NF
浏览记录的域的个数
NR
已读的记录数
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
FILENAME
awk浏览的文件名
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
五、常用函数
1. 求和
cat data | awk '{sum+=$1} END {print "Sum = ", sum}'
2. 求平均
cat data | awk '{sum+=$1} END {print "Average = ", sum/NR}'
3. 求最大值
cat data | awk 'BEGIN {max = 0} {if ($1>max) max=$1 fi} END {print "Max=", max}'
4. 求最小值(min的初始值设置一个超大数即可)
cat data | awk 'BEGIN {min = 1999999} {if ($1
5. 去重
awk -F':' '!a[$1]++'
6. 输入统计结果
cat data | awk 'info[$0]=++a[$12] {} END {print "TotalCount = ", NR; for(i in info){print i, info[i]} }'
还可以结合 grep/uniq(去重)/sort(排序)等命令一起使用
六、Demo
当前目录下有三个log文件如下
log1.txt
2016-11-29 17:10:41,967 GET /api/web/conversation skyler
2016-11-29 17:10:41,967 GET /api/web/conversation hu
2016-11-29 17:10:41,967 GET /api/web/conversation hu
2016-11-29 17:12:12,434 GET /api/web/tag -
log2.txt
2016-11-29 17:08:19,794 GET /api/web/account/user huleping
2016-11-29 17:10:41,967 GET /api/web/conversation skyler
2016-11-29 17:08:19,794 GET /api/web/account/user skyler
log3.txt
2016-11-29 17:12:23,462 GET /api/web/conversation skyler
2016-11-29 17:12:30,459 GET /api/web/activity huleping
2016-11-29 17:12:30,474 GET /api/web/conversation huleping
查找出匹配结果相同的结果,然后根据用户id去重统计个数,并输出总数
➜ for i in $(seq 1 3); do grep "/api/web/conversation" log${i}.txt; done | awk '!a[$5]++ END {print "TotalCount = ", NR; for(i in a){print i, a[i] | "sort -r -n -k2";} }'
2016-11-29 17:10:41,967 GET /api/web/conversation skyler
2016-11-29 17:10:41,967 GET /api/web/conversation hu
2016-11-29 17:12:30,474 GET /api/web/conversation huleping
TotalCount = 6
skyler 3
hu 2
huleping 1
seq 用于产生从某个数到另外一个数之间的所有整数
n是按照数字大小排序,-r是以相反顺序,-k是指定需要爱排序的栏位,-t指定栏位分隔符为冒号