文本处理三剑客之AWK

图片来源Goole

awk介绍

awk：Aho, Weinberger, Kernighan，报告生成器，格式化文本输出

有多种版本：New awk（nawk），GNU awk（ gawk）

gawk：模式扫描和处理语言

基本用法：
awk [options] 'program' var=value file…
awk [options] -f programfile var=value file…
awk [options] 'BEGIN{action;… }pattern{action;… }END{action;… }' file ...
awk 程序可由：BEGIN语句块、能够使用模式匹配的通用语句块、END语句块，共3部分组成program 通常是被放在单引号中
选项：
-F “分隔符” 指明输入时用到的字段分隔符
-v var=value 变量赋值

awk语言

•基本格式：awk [options] ‘program’ file…

	•Program：pattern{action statements;..}
	•pattern和action
	•pattern部分决定动作语句何时触发及触发事件
	BEGIN,END
	•action statements对数据进行处理，放在{}内指明
	print, printf

分割符、域和记录

	•awk执行时，由分隔符分隔的字段（域）标记$1,$2...$n称为域标识。$0为所有域，注意：此时和shell中变量$符含义不同
	•文件的每一行称为记录
	•省略action，则默认执行 print $0 的操作

awk工作原理

第一步：执行BEGIN{action;… }语句块中的语句
第二步：从文件或标准输入(stdin)读取一行，然后执行pattern{ action;… }语句块，它逐行扫描文件，从第一行到最后一行重复这个过程，直到文件全部被读取完毕。
第三步：当读至输入流末尾时，执行END{action;…}语句块
BEGIN语句块在awk开始从输入流中读取行之前被执行，这是一个可选的语句块，比如变量初始化、打印输出表格的表头等语句通常可以写在BEGIN语句块中
END语句块在awk从输入流中读取完所有的行之后即被执行，比如打印所有行的分析结果这类信息汇总都是在END语句块中完成，它也是一个可选语句块
pattern语句块中的通用命令是最重要的部分，也是可选的。如果没有提供pattern语句块，则默认执行{ print }，即打印每一个读取到的行，awk读取的每一行都会执行该语句块

awk

print格式：print item1, item2, …

要点：

	(1) 逗号分隔符
	(2) 输出item可以字符串，也可是数值；当前记录的字段、变量或awk的表达式
	(3) 如省略item，相当于print $0

示例：

 	awk '{print "hello,awk"}'
	awk –F: '{print}' /etc/passwd
	awk –F: ‘{print “wang”}’ /etc/passwd
	awk –F: ‘{print $1}’ /etc/passwd
	awk –F: ‘{print $0}’ /etc/passwd
	awk –F: ‘{print $1”\t”$3}’ /etc/passwd
	grep “^UUID”/etc/fstab | awk ‘{print $2,$4}’

awk变量

变量：内置和自定义变量

FS：输入字段分隔符，默认为空白字符

		awk -v FS=':' '{print $1,FS,$3}' /etc/passwd
		awk –F: '{print $1,$3,$7}' /etc/passwd

OFS：输出字段分隔符，默认为空白字符

		 awk -v FS=':' -v OFS=':' '{print $1,$3,$7}' /etc/passwd

RS：输入记录分隔符，指定输入时的换行符

		 awk -v RS=' ' ‘{print }’ /etc/passwd

ORS：输出记录分隔符，输出时用指定符号代替换行符

		 awk -v RS=' ' -v ORS='###' '{print $0}' /etc/passwd

NF：字段数量

		awk -F：'{print NF}' /etc/fstab 引用变量时，变量前不需加$
		awk -F：'{print $(NF-1)}' /etc/passwd

NR：记录号(行号)

		awk '{print NR}' /etc/fstab ; awk END '{print NR}' /etc/fstab

FNR：各文件分别计数,记录号

		awk '{print FNR}' /etc/fstab /etc/inittab

FILENAME：当前文件名

		awk '{print FILENAME}' /etc/fstab

ARGC：命令行参数的个数

		awk '{print ARGC}' /etc/fstab /etc/inittab
		awk 'BEGIN {print ARGC}' /etc/fstab /etc/inittab

ARGV：数组，保存的是命令行所给定的各参数

		awk 'BEGIN {print ARGV[0]}' /etc/fstab /etc/inittab
		awk 'BEGIN {print ARGV[1]}' /etc/fstab /etc/inittab

自定义变量(区分字符大小写)

	(1) -v var=value
	(2) 在program中直接定义

示例：

		awk -v test='hello gawk' '{print test}' /etc/fstab
		awk -v test='hello gawk' 'BEGIN{print test}'
		awk 'BEGIN{test="hello,gawk";print test}'
		awk -F: '{sex=“male”;print $1,sex,age;age=18}' /etc/passwd
		cat awkscript {print script,$1,$2}
		awk -F: -f awkscript script="awk" /etc/passwd

printf命令

格式化输出：printf “FORMAT”, item1, item2, …

	(1) 必须指定FORMAT
	(2) 不会自动换行，需要显式给出换行控制符，\n
	(3) FORMAT中需要分别为后面每个item指定格式符

格式符：与item一一对应

		%c：显示字符的ASCII码
		%d, %i：显示十进制整数
		%e, %E：显示科学计数法数值
		%f：显示为浮点数
		%g, %G：以科学计数法或浮点形式显示数值
		%s：显示字符串
		%u：无符号整数
		%%：显示%自身

修饰符

	#[.#] 第一个数字控制显示的宽度；第二个#表示小数点后精度，%3.1f
	- 左对齐（默认右对齐） %-15s
	+ 显示数值的正负符号 %+d

printf示例

		awk -F: '{printf "%s",$1}' /etc/passwd
		awk -F: '{printf "%s\n",$1}' /etc/passwd
		awk -F: '{printf "%-20s %10d\n",$1,$3}' /etc/passwd
		awk -F: '{printf "Username: %s\n",$1}' /etc/passwd
		awk -F: '{printf “Username: %s,UID:%d\n",$1,$3}' /etc/passwd
		awk -F: '{printf "Username: %15s,UID:%d\n",$1,$3}' /etc/passwd
		awk -F: '{printf "Username: %-15s,UID:%d\n",$1,$3}' /etc/passwd

操作符

算术操作符：

	x+y, x-y, x*y, x/y, x^y, x%y
	-x：转换为负数
	+x：将字符串转换为数值

字符串操作符：没有符号的操作符，字符串连接

赋值操作符：

	=(右边赋值给左边)；
	+=（先加，再赋值）；
	-=（先减，再赋值）；
	*=（先乘，再赋值）；
 	/=（）, %=, ^=，++（递增操作）, --（递减操作）

下面两语句有何不同

	• awk 'BEGIN{i=0;print ++i,i}'
	• awk 'BEGIN{i=0;print i++,i}'

比较操作符：

==, !=, >, >=, <, <=

模式匹配符：

	~：左边是否和右边匹配，包含
	!~：是否不匹配

示例：

	awk -F: '$0 ~ /root/{print $1}' /etc/passwd
	awk '$0~“^root"' /etc/passwd
	awk '$0 !~ /root/' /etc/passwd
	awk -F: '$3==0' /etc/passwd

操作符

逻辑操作符：与&&，或||，非!

示例：

	• awk -F: '$3>=0 && $3<=1000 {print $1}' /etc/passwd
	• awk -F: '$3==0 || $3>=1000 {print $1}' /etc/passwd
	• awk -F: '!($3==0) {print $1}' /etc/passwd
	• awk -F: '!($3>=500) {print $3}' /etc/passwd

条件表达式（三目表达式）

	selector?if-true-expression:if-false-expression

• 示例：

 	awk -F: '{$3>=1000?usertype="Common User":usertype="SysUser";
	printf "%15s:%-s\n",$1,usertype}' /etc/passwd

awk PATTERN

PATTERN:根据pattern条件，过滤匹配的行，再做处理

	(1)如果未指定：空模式，匹配每一行
	(2) /regular expression/：仅处理能够模式匹配到的行，需要用/ /括起来
   		 	awk '/^UUID/{print $1}' /etc/fstab
	(3) relational expression: 关系表达式，结果为“真”才会被处理
    		真：结果为非0值，非空字符串
    		假：结果为空字符串或0值

示例：

	awk -F: 'i=1;j=1{print i,j}' /etc/passwd
 	awk '!0' /etc/passwd ; awk '!1' /etc/passwd
	Awk -F: '$3>=1000{print $1,$3}' /etc/passwd
	awk -F: '$3<1000{print $1,$3}' /etc/passwd
	awk -F: '$NF=="/bin/bash"{print $1,$NF}' /etc/passwd
	awk -F: '$NF ~ /bash$/{print $1,$NF}' /etc/passwd

awk action

常用的action分类

	•(1) Expressions：算术，比较表达式等
	•(2) Control statements：if, while等
	•(3) Compound statements：组合语句
	•(4) input statements
	•(5) output statements：print等

awk控制语句

	{ statements;… } 组合语句
	if(condition) {statements;…}
	if(condition) {statements;…} else {statements;…}
	while(conditon) {statments;…}
	do {statements;…} while(condition)
	for(expr1;expr2;expr3) {statements;…}
	break
	continue
	delete array[index]
	delete array
	exit

awk控制语句if-else

语法：if(condition){statement;…}[else statement]

if(condition1){statement1}else if(condition2){statement2}else{statement3}

使用场景：对awk取得的整行或某个字段做条件判断

示例：

	awk -F: '{if($3>=1000)print $1,$3}' /etc/passwd
	awk -F: '{if($NF=="/bin/bash") print $1}' /etc/passwd
	awk '{if(NF>5) print $0}' /etc/fstab
	awk -F: '{if($3>=1000) {printf "Common user: %s\n",$1} else {printf "root or Sysuser: %s\n",$1}}' /etc/passwd
	awk -F: '{if($3>=1000) printf "Common user: %s\n",$1; else printf "root or Sysuser: %s\n",$1}' /etc/passwd
	df -h|awk -F% '/^\/dev/{print $1}'|awk '$NF>=80{print $1,$5}'
	awk 'BEGIN{ test=100;if(test>90){print "very good"}else if(test>60){ print "good"}else{print "no pass"}}'

awk控制语句

while循环

语法：while(condition){statement;…}

条件“真”，进入循环；条件“假”，退出循环

使用场景：

		 对一行内的多个字段逐一类似处理时使用
   		 对数组中的各元素逐一处理时使用

示例：

		awk '/^[[:space:]]*linux16/{i=1;while(i<=NF){print $i,length($i); i++}}' /etc/grub2.cfg

		awk '/^[[:space:]]*linux16/{i=1;while(i<=NF){if(length($i)>=10){print $i,length($i)}; i++}}' /etc/grub2.cfg

do-while循环

语法：do {statement;…}while(condition)

意义：无论真假，至少执行一次循环体

示例：

awk ‘BEGIN{ total=0;i=0;do{ total+=i;i++;}while(i<=100);print total}'

for循环

语法：for(expr1;expr2;expr3) {statement;…}

常见用法：

for(variable assignment;condition;iteration process)
	{for-body}

特殊用法：能够遍历数组中的元素

语法：for(var in array) {for-body}

示例：
awk '/^[[:space:]]*linux16/{for(i=1;i<=NF;i++) {print $i,length($i)}}' /etc/grub2.cfg

switch语句

语法：switch(expression) {case VALUE1 or /REGEXP/: statement1; case VALUE2 or /REGEXP2/: statement2; …; default: statementn}

break和continue

	awk ‘BEGIN{sum=0;for(i=1;i<=100;i++){if(i%2==0)continue;sum+=i}print sum}'
	awk ‘BEGIN{sum=0;for(i=1;i<=100;i++){if(i==66)break;sum+=i}print sum}'

break [n]

continue [n]

next:

提前结束对本行处理而直接进入下一行处理（awk自身循环）
示例：
	awk -F: '{if($3%2!=0) next; print $1,$3}' /etc/passwd

awk数组

关联数组：array[index-expression]

index-expression:

•(1) 可使用任意字符串；字符串要使用双引号括起来
•(2) 如果某数组元素事先不存在，在引用时，awk会自动创建此元素，并将其值初始化为“空串”
•(3) 若要判断数组中是否存在某元素，要使用“index in array”格式进行遍历
示例：
		weekdays["mon"]="Monday"
		awk 'BEGIN{weekdays["mon"]="Monday";weekdays["tue"]="Tuesday";print weekdays["mon"]}‘
		awk '!line[$0]++' dupfile
		awk '{!line[$0]++;print $0, line[$0]}' dupfile

若要遍历数组中的每个元素，要使用for循环

for(var in array) {for-body}

注意：var会遍历array的每个索引

	示例：
		awk 'BEGIN{weekdays["mon"]="Monday";weekdays["tue"]="Tuesday";for(i in weekdays) {print weekdays[i]}}'
		netstat -tan | awk '/^tcp/{state[$NF]++}	END{for(i in state) { print i,state[i]}}'
		awk '{ip[$1]++}END{for(i in ip) {print i,ip[i]}}' /var/log/httpd/access_log

awk函数

数值处理：

rand()：返回0和1之间一个随机数
	awk 'BEGIN{srand(); for (i=1;i<=10;i++)print int(rand()*100) }'

字符串处理：

•length([s])：返回指定字符串的长度

•sub(r,s,[t])：对t字符串搜索r表示模式匹配的内容，并将第一个匹配内容替换为s

	echo "2008:08:08 08:08:08" | awk 'sub(/:/,"-",$1)'
	echo "2008:08:08 08:08:08" | awk '{sub(/:/,"-",$1);print $0}'

•gsub(r,s,[t])：对t字符串进行搜索r表示的模式匹配的内容，并全部替换为s所表示的内容

	echo "2008:08:08 08:08:08" | awk 'gsub(/:/,"-",$0)'
	echo "2008:08:08 08:08:08" | awk '{gsub(/:/,"-",$0);print $0}'

•split(s,array,[r])：以r为分隔符，切割字符串s，并将切割后的结果保存至array所表示的数组中，第一个索引值为1,第二个索引值为2,…

	netstat -tn | awk '/^tcp\>/{split($5,ip,":");count[ip[1]]++}END{for (i in count) {print i,count[i]}}'

awk中调用shell命令

system命令

空格是awk中的字符串连接符，如果system中需要使用awk中的变量可以使用空格分隔，或者说除了awk的变量外其他一律用""引用起来

awk 'BEGIN{system("hostname") }'
awk 'BEGIN{score=100; system("echo your score is " score) }'

awk脚本

将awk程序写成脚本，直接调用或执行

	示例：
		cat f1.awk
		{if($3>=1000)print $1,$3}
		awk -F: -f f1.awk /etc/passwd
		cat f2.awk
		#!/bin/awk –f
		#this is a awk script
		{if($3>=1000)print $1,$3}
		chmod +x f2.awk
		f2.awk -F: /etc/passwd

向awk脚本传递参数

格式：

	awkfile var=value var2=value2... Inputfile

注意：在BEGIN过程中不可用。直到首行输入完成以后，变量才可用。可以通过-v 参数，让awk在执行BEGIN之前得到变量的值。命令行中每一个指定的变量都需要一个-v参数

	示例：
		cat test.awk
		#!/bin/awk –f
		{if($3 >=min && $3<=max)print $1,$3}
		chmod +x test.awk
		test.awk -F: min=100 max=200 /etc/passwd