深入了解 Linux 中的 AWK 命令：文本处理的瑞士军刀

简介

在Linux和Unix操作系统中，文本处理是一个常见的任务。AWK命令是一个强大的文本处理工具，专门进行文本截取和分析，它允许你在文本文件中查找、过滤、处理和格式化数据。本文将深入介绍Linux中的AWK命令，让你了解其基本用法和高级功能，以便更高效地处理文本数据。

---

什么是AWK？

AWK是一种处理文本文件的编程语言，它得名于其创始人Alfred Aho、Peter Weinberger和Brian Kernighan的姓氏首字母。AWK在命令行中使用，但更多是作为脚本来使用。AWK语言的强大之处在于它可以轻松地执行以下任务：

1. 文本搜索和匹配：AWK可以在文本中搜索特定模式或关键字，并执行相应的操作。

2. 数据提取和转换：它可以从文本中提取数据，并将其转换成不同的格式。

3. 报告生成：AWK可以生成自定义格式的报告，适用于文本文件中的数据分析。

4. 文本编辑：它可以用于编辑文本文件，添加、删除或修改文本行。

---

AWK命令的执行过程

基本语法

awk  -v  var=value  '模式pattern { 动作action }'  filename

•  awk的指令(patten+action)一定要用单引号 '... ' 括起来，动作一定要用花括号 { ... } 括起；
• 模式可以是正则表达式、条件表达式或两种组合，如果模式是正则表达式要用定界符：/ ；
• 动作之间用 ; 分开；
• 定义自定义变量var，不需要接$符号；

完整语法

awk 'BEGIN{commands}pattern{commands}END{commands}' filename
// 一个awk脚本通常由BEGIN，pattern，END语句块组成。三个部分都是可选的 
// 脚本通常是被单引号或双引号包住
awk "BEGIN{commands}pattern{commands}END{commands}" filename

或 

awk 'BEGIN {
    # 初始化操作（处理数据前，执行的命令。例如，设置变量等）
}

/pattern1/ {
    # 当匹配到 pattern1 时执行的操作
}

/pattern2/ {
    # 当匹配到 pattern2 时执行的操作
}

END {
    # 输出最终结果或进行清理操作（处理数据后，执行的命令）
}' filename

执行过程的详细解释：

1. awk 命令启动，并读取 filename 中的文本文件作为输入数据。如果未提供 filename，则默认从标准输入读取数据。
2. BEGIN 块中的命令会在处理输入文件之前执行一次。这通常用于初始化变量、设置选项或执行其他预处理操作。
3. awk 逐行读取输入文件，并将每一行拆分成字段（默认以空格为字段分隔符，可以使用 -F 选项指定其他分隔符）。
4. pattern 块中的命令会在输入行匹配指定的模式时执行。模式可以是正则表达式或其他条件。如果存在多个 pattern 块，则会根据匹配的模式按顺序执行相应的命令。pattern语句块中的通用命令是最重要的部分，是可选的。如果没有提供pattern语句块，则默认执行END{ ... }。
5. 在 pattern 块中，你可以访问字段和执行各种操作。例如，可以对字段进行计算、打印匹配行，或根据条件执行不同的操作。
6. 当 awk 处理完输入文件的所有行后，它会执行 END 块中的命令。这通常用于输出最终结果、汇总数据或执行清理操作。
7. awk 完成处理后，它会将结果打印到标准输出（通常是终端），除非您在脚本中显式使用 print 命令输出结果。

---

基本用法

在终端中，你可以使用以下的形式运行AWK命令：

1. 最简单的形式：

awk [选项] '{ action }' file.txt

这是最基本的形式，它会将 file.txt 文件的所有行都执行操作action。

选项参数有：

• -F 指定输入文件的字段分隔符，用于将输入行分割为字段。示例：

awk -F, '{ print $1 }' data.txt
在这个示例中，-F, 指定逗号 , 作为字段分隔符，然后打印每行的第一个字段。

• -v 定义一个用户定义变量，可以在脚本中使用。示例：

awk -v name=John '{ print "Hello, " name "!" }' file.txt
在这个示例中，-v 选项定义了一个名为 name 的变量，并将其值设置为 "John"，然后在脚本中使用它。

• -f 指定包含 awk 脚本的文件，以便在执行时加载脚本。示例：

awk -f myscript.awk file.txt
在这个示例中，-f 选项指定了一个名为 myscript.awk 的脚本文件，awk 将执行其中的命令。

• -W [option]：启用某些扩展选项。示例：

awk -W version
这将显示 awk 的版本信息。

awk -W help
打印全部awk选项和每个选项的简短说明。

• -E：切换为扩展正则表达式（ERE）模式匹配。示例：

awk -E '/[0-9]+/ { print }' file.txt
在这个示例中，-E 选项允许使用扩展正则表达式模式，匹配包含数字的行。

• -i inplace：在原始文件中进行原地编辑。示例：

awk -i inplace '{ sub("old_pattern", "new_pattern") } 1' file.txt
这将在 file.txt 中查找并替换第一个匹配的 "old_pattern" 为 "new_pattern"，并将结果写回原始文件。

• -n：禁用默认的自动打印行为。示例：

awk -n '/pattern/ { print }' file.txt
这将只打印包含 "pattern" 的行，不会自动打印所有行。

• -FPOSIX：使用 POSIX 标准的字段分隔符。示例：

awk -FPOSIX '{ print $1 }' data.txt
这将使用 POSIX 标准的字段分隔符进行字段分割。

• -Wlint：启用 lint 模式，用于检查 awk 脚本中的潜在问题。示例：

awk -Wlint -f myscript.awk file.txt
这将启用 lint 模式并检查 myscript.awk 中的潜在问题。

• -Wsource=program-text：允许在命令行上直接提供 awk 脚本。示例：

awk -Wsource='{ print "Hello, World!" }' file.txt
这将在命令行上直接提供 awk 脚本，然后在 file.txt 上执行。

2. 指定字段分隔符的形式：

awk -F, '{ print $1, $2 }' data.csv

这个形式使用了 -F 选项来指定字段分隔符为逗号，然后打印每行的第一个和第二个字段。

3. 使用脚本文件的形式：

awk -f myscript.awk file.txt

在这个形式中，awk 使用了 -f 选项，后面跟着一个包含 awk 脚本的文件 myscript.awk，并对 file.txt 文件执行该脚本中定义的操作。

4. 设置变量的形式：

awk -v var=value '{ print var, $1 }' file.txt

这个形式使用了 -v 选项来设置一个变量 var，然后将其与文件中的第一个字段一起打印。

5. 条件过滤的形式：

awk 'pattern { action }' filename

• pattern：是一个正则表达式或条件，用于匹配文本中的行。
• action：是在满足条件的行上执行的操作。
• filename：是要处理的文本文件的名称。

这个形式使用了正则表达式模式 /pattern/，只对文件中匹配该模式的行执行操作action。

以下是一个示例，演示了如何使用AWK命令查找并打印包含关键字的行：

awk '/help/ { print }' english.txt

这将在名为english.txt的文件中查找包含关键字"help"的行，并将它们打印到终端。

其它

有时候，AWK命令的形式的部分会有省略，有如下几种情况，举例说明：

1. 只有模式没有动作，结果为显示$0（$0 表示整行文本）

awk '/chen/' scores.txt

 2. 只有动作没有模式，就直接执行动作

who | awk '{print $2}'

---

字段和分隔符

内置变量$1

AWK默认使用空格作为字段分隔符。在处理文本时，它将文本行分割成多个字段，你可以使用$1、$2、$3等特殊的内置变量来引用这些字段（$0 表示整行文本），它们用于表示当前正在处理的输入行（或记录）的不同字段（列）的值。例如，$1代表文本中第一个字段，$2代表第二个字段，$n 表示第n个字段，以此类推。

以下是一个示例，演示如何使用AWK命令提取文本行中的第二个字段：

awk '{ print $2 }' english.txt 

如果文本文件中的字段是以逗号、制表符或其他字符分隔的，你可以使用 -F 选项来指定分隔符。例如，如果文本以逗号分隔，您可以这样使用：

awk -F, '{ print $2 }' english.txt 

内置变量FS & OFS

 AWK 命令中，用于控制字段的输入和输出分隔符的内置变量：

• 输入分隔符 FS （Field Separator）：用于指定字段的输入分隔符。默认情况下，awk 使用空格作为字段分隔符，但你可以使用 -F 选项或在 BEGIN 块中设置 FS 来指定不同的字段分隔符。
• 输出分隔符 OFS （Output Field Separator）：用于指定字段的输出分隔符。默认情况下，OFS 为空格，这意味着 awk 在打印输出时会在字段之间插入空格。你可以在 BEGIN 块中设置 OFS 来指定不同的输出字段分隔符。

示例 1

以下是一个示例，演示了如何在 awk 中使用 FS 和 OFS 来控制字段分隔和输出分隔：

假设有一个 CSV 文件 data.csv 包含以下内容：

Alice,90,88,92
Bob,78,85,80
Charlie,92,94,89

可以使用以下 awk 命令来读取该文件，将逗号作为字段分隔符，并在输出中使用制表符作为字段分隔符：

awk 'BEGIN {
    FS = ","
    OFS = "\t"  # 使用制表符作为输出字段分隔符
}
{
    print $1, $2, $3, $4
}' data.csv

 命令也可以这样写入（注意：在 AWK 中，可以在同一行上包含多个命令，并使用分号来分隔它们）

awk 'BEGIN { FS = ","; OFS = "\t" } { print $1, $2, $3, $4 }' data.csv

运行此命令将输出以下内容：

在这个示例中，BEGIN 块中设置了 FS 为逗号，表示字段分隔符是逗号。然后，OFS 被设置为制表符，表示输出字段分隔符是制表符。这样，在输出时字段之间将使用制表符分隔。

示例 2

 OFS 设置为逗号，输出重定向到csv文件

awk -F: 'OFS=","{print $1,$3,$5}' /etc/passwd > passwd.csv

运行此命令将输出以下内容：

补充

在AWK中，使用-F选项来指定字段分隔符，可以使用单引号、双引号或不使用引号，它们的效果是相同的。这是因为在命令行中，单引号或双引号通常用于防止特殊字符的解释或空格的分隔。

---

内置变量

AWK还提供了一些内置变量，用于执行更复杂的操作：

• NR：代表记录数（行号），用于跟踪处理的行数。

awk 'NR >= 3 && NR <= 5{print NR,$0}' /etc/passwd
# 或写成下面这种形式，作用结果相同。因为在 AWK 中，逗号“ , ”用于表示一个范围，其中 NR==3,NR==5 表示从行号 3 到行号 5 的范围。
awk 'NR==3,NR==5{print NR,$0}' /etc/passwd

解释：这个命令会打印第三到第五行的行号和内容。使用 NR（行号）内置变量来检查每一行的行号。NR >= 3 表示行号大于等于3，NR <= 5 表示行号小于等于5。

• NF：代表字段数，用于确定每行有多少个字段。

awk '{ print NF, $0 }' filename.txt

解释：上述命令将打印每行的字段数和内容。

• FS：代表字段分隔符，用于指定字段之间的分隔符，默认是任何空格。

awk 'BEGIN { FS = "," } { print $2 }' english.txt

解释：上面的示例使用BEGIN块来在AWK脚本开始执行之前设置FS变量为逗号。然后打印每行的第二个字段，AWK会使用FS来解释输入数据中的字段分隔符。

• RS：代表记录分隔符，用于指定记录之间的分隔符。记录分隔符是一个用于分隔文本中记录（行）的特殊字符或字符串。默认情况下，RS的值是一个换行符（\n），这意味着每行文本都被视为一个记录。可以通过设置RS来更改记录分隔符，以根据需要处理多行记录，例如RS = "\n\n"表示两个连续的换行符分隔记录。

awk 'BEGIN { RS = "\n\n" } { print NR, $0 }' filename.txt

解释：上述命令将以双换行符作为记录分隔符，并打印每个记录的行号和内容。

补充：记录分隔符（RS）用于分隔不同的记录（行），字段分隔符（FS）用于分隔记录内的不同字段。通过设置这两个变量，你可以适应不同的文本数据格式和处理要求。 

• $n : 当前记录的第n个字段，比如n为1表示第一个字段，n为2表示第二个字段。

awk '{ if (NF > 16) print NR, $1, $NF }' english.txt 

这将打印出那些包含16个或更多字段的行的：行号NR、第一个字段$1和最后一个字段$NF。

• $0 : 这个变量包含执行过程中当前行的文本内容。

awk '/pattern/ { print $0 }' filename.txt

解释：上述命令将打印包含特定模式pattern的整行内容。

• ARGC : 命令行参数的数目。

awk 'BEGIN{ print ARGC }' sshd.txt data.csv 

 解释：上述命令将打印命令行参数的数目，包括文件名。

• ARGIND : 命令行中当前文件的位置（从0开始算）。

awk '{ print ARGIND, FILENAME }' file1.txt file2.txt

解释：上述命令将打印当前处理的文件位置和文件名。

• ARGV : 包含命令行参数的数组。

awk 'BEGIN { for (i in ARGV) print ARGV[i] }' file1.txt file2.txt

解释：上述命令将打印命令行参数数组中的所有参数。

• CONVFMT : 数字转换格式（默认值为%.6g）。

awk 'BEGIN { CONVFMT = "%.2f"; print 1.234567 }'

解释：上述命令将设置数字输出格式为两位小数并打印。

• ENVIRON : 环境变量关联数组。

awk 'BEGIN { print ENVIRON["HOME"] }'

解释：上述命令将打印用户的家目录。

• ERRNO : 最后一个系统错误的描述。

awk 'BEGIN { if (system("nonexistent_command")) print "Error:", ERRNO }'

解释：上述命令将尝试执行一个不存在的命令，并打印系统错误描述。

• FIELDWIDTHS : 字段宽度列表（用空格键分隔）。

awk 'BEGIN { FIELDWIDTHS = "3 5 2"; print $1, $2, $3 }' filename.txt

解释：上述命令将按指定的字段宽度解析输入文本。

• FILENAME : 当前输入文件的名。

awk '{ print FILENAME }' file1.txt file2.txt

解释：上述命令将打印当前处理的文件名。

• FNR : 同NR :，但相对于当前文件。

awk '{ print FNR, $0 }' file1.txt file2.txt

解释：上述命令将打印相对于当前文件的行号和内容。

• IGNORECASE : 如果为真，则进行忽略大小写的匹配。

awk 'BEGIN { IGNORECASE = 1 } /pattern/ { print $0 }' filename.txt

解释：上述命令将进行大小写不敏感的模式匹配。

• OFMT : 数字的输出格式（默认值是%.6g）。

awk 'BEGIN { OFMT = "%.3f"; print 1.234567 }'

解释：上述命令将设置数字输出格式为三位小数并打印。 

• OFS : 输出字段分隔符（默认值是一个空格）。

awk 'BEGIN { FS = ","; OFS = "\t" } { print $1, $2, $3, $4 }' data.csv

解释：在这个示例中，BEGIN 块中设置了 FS 为逗号，表示字段分隔符是逗号。然后，OFS 被设置为制表符，表示输出字段分隔符是制表符。这样，在输出时字段之间将使用制表符分隔。

• ORS : 输出记录分隔符（默认值是一个换行符）。

awk 'BEGIN { ORS = "\n\n" } { print $0 }' filename.txt

解释：上述命令将以双换行符作为输出记录分隔符。

• RSTART : 由match函数所匹配的字符串的第一个位置。

echo "Hello, World" | awk 'match($0, /World/) { print RSTART }'

解释：上述命令使用match函数在输入文本中查找字符串"World"并打印匹配的起始位置，RSTART变量将包含匹配字符串的第一个字符在输入文本中的位置。

• RLENGTH : 由match函数所匹配的字符串的长度。

echo "Hello, World" | awk 'match($0, /World/) { print RLENGTH }'

解释：上述命令使用match函数在输入文本中查找字符串"World"并打印匹配的长度，RLENGTH变量将包含匹配字符串的长度。

• SUBSEP : 数组下标分隔符（默认值是34）。

awk 'BEGIN { print SUBSEP }'

解释：上述命令在AWK的BEGIN块中打印SUBSEP的值，默认情况下，SUBSEP的值是ASCII码值为34的字符（双引号），它用于分隔多维数组中的索引，以便创建关联数组的复杂结构。

---

AWK 操作符

AWK 是一种强大的文本处理工具，支持各种操作符，用于执行条件检查、数学运算、字符串处理和模式匹配等操作。以下是一些常见的 AWK 操作符及其示例：

算术操作符：

• +：加法操作。
• -：减法操作。
• *：乘法操作。
• /：除法操作。
• %：取模操作。

示例：这个命令计算每行中的第一个字段和第二个字段的和，并将结果打印出来。

awk '{ result = $1 + $2; print result }' data.txt

关系操作符：

• ==：相等。
• !=：不相等。
• <：小于。
• >：大于。
• <=：小于等于。
• >=：大于等于。

示例：这个命令检查第三个字段是否等于 1001，如果是，则打印相应行的第一个字段。

awk '$3 == 1001 { print $1 }' data.txt

逻辑操作符：

• &&：逻辑与。
• ||：逻辑或。
• !：逻辑非。

示例：这个命令检查第二个字段是否大于 50 ，并且第三个字段是否小于 90，如果满足条件，则打印相应行的第一个字段。

awk '$2 > 50 && $3 < 90 { print $1 }' data.txt

赋值操作符：

• =：赋值操作。

示例：这个命令计算每行中的第一个字段和第二个字段的和，并将结果赋值给变量 total，然后打印出总和。

awk '{ total = $1 + $2; print "Total: " total }' data.txt

增量/减量操作符：

• ++：增量操作。
• --：减量操作。

示例：这个命令用于计算文件中的总行数。每次处理一行时，会将变量 count 增加 1。在处理结束时（END 部分），打印总行数。

awk '{ count++; } END { print "Total Lines: " count }' data.txt

模式匹配操作符：

• ~：匹配模式。
• !~：不匹配模式。

示例：这个命令匹配第四个字段是否包含特定模式（在示例中是 "pattern"）。如果匹配成功，则打印相应行的第一个字段。

awk '$4 ~ /pattern/ { print $1 }' data.txt

字符串连接操作符：

• ""：用于连接字符串。

示例：这个命令将每行的第一个字段 $1和第二个字段 $2连接起来，形成完整的姓名，并打印出来。

awk '{ fullName = $1 " " $2; print "Full Name: " fullName }' data.txt

三元条件操作符：

• ? :：用于条件赋值。

示例：这个命令根据第三个字段的值是否大于等于 90 来确定考试状态。如果条件成立，将 "Pass" 赋给变量 status，否则赋给 "Fail"，然后打印学生的姓名和状态。

awk '{ status = ($3 >= 90) ? "Pass" : "Fail"; print $1, status }' data.txt

---

正则表达式

正则表达式（Regular Expression，简称 Regex 或 Regexp）是一种强大的文本模式匹配工具，用于在文本中查找、匹配和操作符合特定模式的字符串。正则表达式由普通字符和特殊字符组成，它们可以形成复杂的匹配规则。正则表达式在 awk 命令中广泛应用，用于处理文本数据。

在某些编程语言和工具中，正则表达式通常是用两个斜杠 / 括起来的，例如 JavaScript 和 Perl。这种斜杠括起来的格式用于表示正则表达式的开始和结束，

下面介绍正则表达式中的常见字符，并提供在 awk 中的示例和解释：

普通字符

普通字母和数字

正则表达式中的普通字母和数字通常表示它们自身。例如，字母 "a" 匹配字符 "a"。

awk '/apple/ {print}' file.txt

这个命令将打印包含匹配 "apple" 的文本行。

空格和标点符号

空格和大多数标点符号通常表示它们自身。例如，空格字符 " " 匹配空格。

awk '/hello, world/ {print}' file.txt

这个命令将打印包含 "hello, world" 的文本行。

特殊字符

.（点号）：匹配任何单个字符（除了换行符 \n）

awk '/a.b/ {print}' file.txt

这个命令将打印包含 "a.b" 模式的所有文本行，其中 . 匹配任意字符。

*（星号）：匹配前一个元素零次或多次。

awk '/ab*c/ {print}' file.txt

这个命令将打印包含 "abc"、"abbc"、"abbbc" 等模式的文本行，星号 * 表示匹配 "b" 零次或多次。

+（加号）：匹配前一个元素一次或多次。

awk '/ab+c/ {print}' file.txt

这个命令将打印包含 "abc"、"abbc"、"abbbc" 等模式的文本行，加号 + 表示匹配 "b" 一次或多次。

?（问号）：匹配前一个元素零次或一次。

awk '/ab?c/ {print}' file.txt

这个命令将打印包含 "ac"、"abc" 模式的文本行，问号 ? 表示匹配 "b" 零次或一次。

[ ]（字符类）：匹配括号内的任意一个字符。

awk '/[aeiou]/ {print}' file.txt

这个命令将打印包含任何元音字母的文本行。

[^]（否定字符类）：正则表达式中的一个元字符，它有两种不同的含义，取决于它在正则表达式中的位置：

在正则表达式的开头：当 ^ 出现在正则表达式的开头时，它表示匹配输入文本的开头位置。例如，正则表达式 ^abc 表示匹配以 "abc" 开头的字符串。这并不表示否定或排除其他内容，而是确保匹配从字符串的开头开始。

假设有一个名为 data.txt 的文本文件包含以下内容：

apple pie
banana split
cherry cake

现在，想找到以 "apple" 开头的行，可以使用 ^ 来匹配这些行，如下所示：

awk '/^apple/ { print }' data.txt

/^apple/ ：是正则表达式，其中 ^ 表示匹配以 "apple" 开头的行。
{ print } ：是一个动作块，用于打印匹配的行。

运行此命令后，AWK将匹配以 "apple" 开头的行，并打印它们的内容：

在字符集 [ ] 内的开头：如果 ^ 出现在字符集 [ ] 内的开头，它表示否定或排除字符。例如，[^0-9] 表示匹配除了数字 0 到 9 以外的任何字符。

awk '/[^0-9]/ {print}' file.txt

这个命令将打印包含任何非数字字符的文本行。

{　} ：用于控制匹配模式的重复次数。

awk '/[0-9]{2,4}/ {print}' file.txt

这个命令将匹配包含２到４个连续数字字符的文本行，并打印它们。

(　)（分组）：用于创建子表达式，允许对子表达式应用量词。当使用 () 分组时，它们允许你将多个元素视为一个整体，并对该整体应用量词或其他正则表达式操作符。

awk '/(abc)+/ {print}' file.txt

这个命令将打印包含 "abc"、"abcabc"、"abcabcabc" 等重复模式的文本行。其他示例：

1. 匹配电话号码：使用 () 分组来匹配电话号码的不同格式。

awk '/(\d{3}-)?\d{3}-\d{4}/ {print}' file.txt

这个示例中，正则表达式 (\d{3}-)?\d{3}-\d{4} 匹配形如 "123-456-7890" 或 "456-7890" 的电话号码。括号内的 (\d{3}-)? 表示可选的区号。

2. 匹配HTML标签：使用 () 分组来匹配HTML标签。

awk '/<(\w+)>.+<\/\1>/ {print}' file.html 

此示例中，正则表达式 <(\w+)>.+<\/\1> 可以匹配类似于 <p>这是段落</p> 的HTML标签，其中 (\w+) 匹配标签名，并使用 \1 来引用匹配的标签名，确保起始和结束标签相匹配。 

3. 匹配IPv4地址：使用 () 分组来匹配IPv4地址。

awk '/((25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)/ {print}' file.txt

这个正则表达式 ((25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?) 用于匹配IPv4地址，括号内的部分 (25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\. 匹配一个IP地址的一部分。

|（分支）：用于分支匹配，匹配 | 左边或右边的表达式。

awk '/apple|banana/ {print}' file.txt

这个命令将打印包含 "apple" 或 "banana" 的文本行。

^（脱字符）：匹配文本的开头。

awk '/^start/ {print}' file.txt

这个命令将打印以 "start" 开头的文本行。

$（美元符号）：匹配文本的结尾。

awk '/end$/ {print}' file.txt

这个命令将打印以 "end" 结尾的文本行。

\（反斜杠）：用于转义特殊字符。

awk '/\./ {print}' file.txt

这个命令将打印包含句号 "." 的文本行，反斜杠 \ 用于转义特殊字符。

\d：匹配数字字符，等同于 [0-9]。

awk '/[0-9]/ {print}' file.txt

这个命令将打印包含数字字符的文本行。

注意： 在标准的 awk 中，\d、\D 和 \w 也不是合法的正则表达式转义序列，因此不能直接在 awk 中使用。这些转义序列通常用于其他支持 Perl 兼容正则表达式语法的工具和编程语言，而不是标准的 awk。因为 \d 不是 awk 的标准正则表达式语法，所以在标准的awk 中将不会正常工作。应该使用 [0-9] 来匹配数字字符。

\D：匹配非数字字符，等同于 [^0-9]。

awk '/[^0-9]/ {print}' file.txt

这个命令将打印包含非数字字符的文本行。

\w：匹配字母、数字和下划线字符，等同于 [A-Za-z0-9_]。

awk '/[A-Za-z0-9_]/ {print}' file.txt

这个命令将打印包含字母、数字或下划线字符的文本行。

[A-Za-z0-9_] 是一个字符类（character class），用于匹配一组字符。这个字符类包含了大写字母 A 到 Z、小写字母 a 到 z、数字 0 到 9，以及下划线字符 _。每个字符类中的字符都表示自身，即它们匹配它们自己。即：

1. [A-Za-z]：这部分表示匹配任何一个字母，无论是大写还是小写字母。
2. [0-9]：这部分表示匹配任何一个数字。
3. _：这部分表示匹配下划线字符。

\W：匹配非字母、非数字和非下划线字符，等同于 [^A-Za-z0-9_]。

awk '/[^A-Za-z0-9_]/ {print}' file.txt

这个命令将打印包含非字母、非数字或非下划线字符的文本行。

\s：匹配空白字符，包括空格、制表符、换行符等。

awk '/[ \t]/ {print}' file.txt

这个命令将打印包含空格或制表符等空白字符的文本行。

\S：匹配非空白字符。

awk '/\S/ {print}' file.txt

这个命令将打印包含非空白字符的文本行。

\< 和 \> ：用于单词边界的匹配。\< 匹配单词的开头位置，\> 匹配单词的结尾位置

awk '/\<apple/ {print}' file.txt

这个命令用 \< 来匹配以 "apple" 开头的单词。当 awk 扫描文本文件 file.txt 时，它会打印包含以 "apple" 开头的单词的文本行。

awk '/orange\>/ {print}' file.txt

这个命令用用 \> 来匹配以 "orange" 结尾的单词。如果文件中有 "I like orange"，那么这个命令会匹配并打印这个文本行，因为它包含以 "orange" 结尾的单词。

不同特殊字符的结合使用

正则表达式中的特殊字符可以结合一起使用，以创建更复杂的匹配模式。以下是一些常见的示例，演示了如何结合使用不同的特殊字符：

结合字符类和量词：你可以将字符类和量词组合在一起，以匹配多个特定类型的字符。

• [A-Za-z]+：匹配一个或多个字母字符。

awk '/[A-Za-z]+/ {print}' file.txt

这个命令将匹配包含一个或多个字母字符的文本行，诸如 abc、Hello、RegularExpressions 等包含一个或多个英文字母的文本。并打印它们。

• [0-9]{2,4}：匹配两到四个数字字符。

awk '/[0-9]{2,4}/ {print}' file.txt　　＃也可以用这种形式：awk '/[012345689]{2,4}/ {print}' file.txt

这个命令将匹配包含２到４个连续数字字符的文本行，并打印它们。

结合分组和分支：你可以使用分组和分支来匹配多个模式中的一个。

• (apple|banana)：匹配 "apple" 或 "banana"。

awk '/(apple|banana)/ {print}' file.txt

这个命令将匹配包含 "apple" 或 "banana" 的文本行，并打印它们。 

• (red|blue|green) apple：匹配 "red apple"、"blue apple" 或 "green apple"。

awk '/(red|blue|green) apple/ {print}' file.txt

 这个命令将匹配包含 "red apple"、"blue apple" 或 "green apple" 的文本行，并打印它们。

结合锚点和字符类：结合锚点和字符类可以精确定位匹配位置。

• ^[\d]{3}-[\d]{2}-[\d]{4}$：匹配形如 "123-45-6789" 的美国社会安全号码。

awk '/^[0-9]{3}-[0-9]{2}-[0-9]{4}$/ {print}' file.txt

 这个命令将匹配形如 "123-45-6789" 的美国社会安全号码，确保整个文本行都匹配该模式。

结合转义字符和特殊字符：转义字符用于匹配特殊字符本身。

• \.：匹配句号 "."。

awk '/\./ {print}' file.txt

这个命令将匹配包含句号 "." 的文本行，并打印它们。句号在正则表达式中是一个特殊字符，所以它需要通过反斜杠进行转义。

• \*：匹配星号 "*"。

awk '/\*/ {print}' file.txt

 这个命令将匹配包含星号 "*" 的文本行，并打印它们。星号在正则表达式中通常用于表示零个或多个重复，所以它需要通过反斜杠进行转义。

结合量词和分组：结合量词和分组可以匹配特定数量的重复模式。

• (ab)+：匹配一个或多个 "ab" 的连续出现。

awk '/(ab)+/ {print}' file.txt

这个命令将匹配包含一个或多个连续出现的 "ab" 的文本行，并打印它们。

• (xyz){3}：匹配连续出现的 "xyz" 三次。

 awk '/(xyz){3}/ {print}' file.txt

这个命令将匹配包含连续出现的 "xyz" 三次的文本行，并打印它们。

这些示例演示了如何结合使用正则表达式中的特殊字符和操作符，以创建更复杂的匹配模式，以满足不同的匹配需求。正则表达式的强大之处在于，它允许您构建非常灵活的模式来匹配各种文本数据。

---

其他应用

AWK不仅支持基本的文本处理，还可以进行其他的一些数据操作，如计算、条件语句、循环等。以下是一些应用的示例：

awk命令的引用shell变量

在 AWK 命令中引用 shell 变量可以通过 -v 选项来实现。这允许你将 shell 变量传递给 AWK 脚本，并在脚本内部使用。

下面是一个示例，演示了如何引用 shell 变量：

# 在 shell 中定义一个变量
name="John" 

# 使用 AWK 命令引用 shell 变量
awk -v new_name="$name" '{ print new_name }' file.txt

在这个示例中，首先在 shell 中定义了一个名为 name 的变量，并将其值设置为 "John"。然后，通过 -v 选项将 shell 变量 name 传递给了 AWK 脚本 ($ 符号用于引用 shell 变量，获取变量的值)，并将其存储在 AWK 变量 name 中。在 AWK 脚本内部，我们使用 new_name 变量来引用 shell 变量的值，然后在 AWK 脚本内部使用 new_name 变量来打印相应行的值。

这样，您可以将 shell 变量的值传递给 AWK 脚本，以在 AWK 脚本中使用它们，实现更灵活的文本处理和数据操作。

定义内部变量接收外部变量：

var1="aaa"
var2="bbb"
echo | awk '{ print v1,v2 }' v1=$var1 v2=$var2

补充

需注意区分以下两个命令的区别： 

awk -v name=John '{ print name }' file.txt

和 

name="John" # 定义shell变量name
awk -v new_name="$name" '{print new_name}' file.txt

这两个命令中，主要区别在于name=John和new_name="$name"这两行的定义和传递方式。

第一个命令在AWK命令行中直接定义了一个AWK变量name，并将其值设置为"John"。然后，在AWK脚本内部，直接使用name变量，不需要双引号。

第二个命令首先在shell中定义了一个shell变量name，并将其值设置为"John"。然后，使用-v选项将shell变量name的值传递给了AWK脚本，并将其存储在AWK变量new_name中。

关于双引号的问题：

new_name="$name" 中的双引号用于将shell变量$name的值传递给new_name，以确保如果name包含空格或特殊字符时，值仍然保持完整。在AWK脚本内，如果直接使用name而不是"$name"，如果name包含空格或特殊字符，可能会导致意外的结果。所以，使用双引号是一种良好的做法，以确保变量值的完整性。

next 语句

next 是AWK中的控制流语句，用于跳过当前行并移动到下一行进行下一轮的处理。next 语句通常与条件语句结合使用，以便在满足特定条件时跳过当前行的处理。

下面是 next 语句的基本语法：

condition { 
    # 在满足条件时执行的操作
    # ...
    next  # 跳过当前行，继续处理下一行
}

• 示例 1：使用 next 跳过包含特定关键字的行

假设有一个名为 data.txt 的文本文件包含以下内容：

apple
banana
cherry
date
grape

我们想要在处理时跳过包含关键字 "date" 的行。我们可以使用 next 来实现这一点：

awk '/date/ { next } { print }' data.txt

/date/： 是正则表达式，用于匹配包含 "date" 的行。
{ next }：用于在正则表达式匹配的时侯，跳过当前行。/date/ { next }是第一个动作块
{ print }：用于打印未被跳过的行。{ print }是第二个动作块
运行此命令后，将跳过包含 "date" 的行，打印其余行：

apple
banana
cherry
grape

• 示例 2：使用 next 跳过特定字段的值小于 10 的行

假设有一个包含数字的名为 numbers.txt 的文本文件，每行包含多个数字，用空格分隔：

5 12 8
15 30 20
7 9 11

我们想要跳过包含字段值小于 10 的行。我们可以使用 next 来实现这一点：

awk '{ for (i=1; i<=NF; i++) { if ($i < 10) { next } } print }' numbers.txt

for (i=1; i<=NF; i++) { if ($i < 10) { next } } ：这是一个for循环块，用于遍历每行中的每个字段。NF 表示字段的数量，而 $i 表示当前字段的值。在每个字段上执行以下操作：if ($i < 10) { next }是一个条件语句，检查当前字段的值是否小于 10。如果是，那么 next 语句将会跳过当前行，然后继续处理下一条记录。
print：这是一个独立的动作块，用于打印未被跳过的记录（行）。在这个示例中，没有进一步的打印格式，因此它会将未被跳过的记录原样打印出来。
运行此命令后，将跳过包含任何字段小于 10 的行，只打印字段值都大于或等于 10 的行：

15 30 20 

getline函数

getline 是AWK中的内置函数，用于从文件或标准输入读取一行文本并将其存储到变量中。getline 函数具有灵活的用法，允许你从不同的输入源中读取数据。以下是 getline 函数的基本语法：

getline [var]         # 从标准输入读取一行，将其存储到 var 中。
getline [var] <file   # 从文件中读取一行，存储到默认变量 $0 中。
getline <file var     # 从文件中读取一行，存储到 var 中

# [var] 可以省略，这样 getline 会将读取的数据存储在默认的 $0 变量中。
# 所以，以下两种方式是等效的：
getline var <file
getline <file var

现在，让我们通过示例来详细解释 getline 的用法。

假设有一个名为 data.txt 的文本文件，包含以下内容：

This is line 1.
This is line 2.
This is line 3.

我们将使用 getline 从文件中读取数据并进行处理。

• 示例 1：从文件中读取一行并存储到变量中

awk '{ getline line < "data.txt"; print "Read line from file: " line }' input.txt
# 或
awk '{
    getline line < "data.txt"
    print "Read line from file: " line
}'

getline 函数来从文件 data.txt 中读取一行文本，并将其存储在变量 line 中。然后，我们使用 print 命令将读取的行内容打印出来。

运行此命令后，AWK会从 data.txt 文件中读取每行的内容并在每次循环中打印出来。

• 示例 2：从标准输入读取一行

awk '{
    print "Enter a line of text: "
    getline input_line < "/dev/tty"
    print "You entered: " input_line
}'

在此示例中，我们使用 getline 函数从标准输入（通常是终端）读取一行文本。AWK会在执行到 getline 语句时等待用户输入，并将输入的文本存储在变量 input_line 中。然后，我们使用 print 命令将用户输入的文本打印出来。
运行此命令后，AWK会等待用户输入一行文本，然后将其打印出来。

注意：Ctrl-D 表示输入结束，而不是终止AWK程序。如果需要终止AWK程序，可以按下 Ctrl-C 组合键。

getline 的使用方式非常灵活，可以根据需要从不同的输入源中读取数据，并在AWK程序中进行处理。它在处理需要与文件或用户输入交互的情况下非常有用。

文件操作

在AWK中，文件操作涉及打开文件、关闭文件、输出到文件以及重定向到文件等一系列操作，这些操作允许你读取和写入文件。以下是AWK中文件操作的详细解释以及示例：

打开文件

你可以使用 getline 函数来打开文件以供读取。通常，getline 语句用于从文件中读取数据，并将其存储到变量中。文件名应该放在尖括号 < 后面，如下所示：

getline line < "filename"

这会将 "filename" 文件的下一行读取到 line 变量中。

关闭文件

在AWK中，不需要显式关闭文件。AWK会自动管理文件的打开和关闭。当使用 getline 读取文件的最后一行后，文件会自动关闭。

重定向到文件

要将数据写入文件，可以使用 print 命令将内容输出到文件中。使用 > 符号可以将输出附加到文件。

• >：将数据输出到文件，并覆盖文件的内容。如果文件不存在，则会创建文件。
• >>：将数据输出到文件并追加到文件的末尾。如果文件不存在，则会创建文件。

示例如下：

• 将数据写入文件：

print "Hello, World!" > "output.txt"

• 将数据附加到文件：

print "More data" >> "output.txt"

示例

以下是一个综合示例，演示了如何打开文件、读取文件、输出到文件以及将标准输出重定向到文件。AWK脚本文件myawkscript.awk的内容：

#!/usr/bin/awk -f

# BEGIN 块
BEGIN {
    FS = ","
}

# 主处理块
# 从文件 "numbers.txt" 读取数据并处理
{
    file = "numbers.txt"  # 设置输入文件名
    while ((getline line < file) > 0) {  # 使用循环读取每一行
        print "Read from file:", line  # 打印从文件中读取的数据

        # 处理数据
        split(line, fields, ",")  # 使用逗号分隔行数据
        if (fields[2] > 10) {
            print fields[1], fields[2] > "output.txt"  # 输出满足条件的数据到 "output.txt" 文件
        }
    }
    close(file)  # 关闭输入文件
    close("output.txt")  # 关闭输出文件
}

# END 块
# 重定向标准输出到文件
END {
    print "Output redirected to output.txt"  # 打印输出重定向到 "output.txt" 的消息
}

 假设有一个名为 numbers.txt 的文本文件，包含以下内容：

5,12,8
15,30,20 
7,9,11

AWK脚本文件文件名是 myawkscript.awk，可以使用以下方式运行它：

awk -f myawkscript.awk

这将使用 awk 解释器来执行 myawkscript.awk 文件中的AWK代码。实现如下所示：

补充

getline 函数

getline 函数在AWK中用于从文件中读取数据，并将其存储在指定的变量中。每次 getline 被调用，它都会自动转到文件的下一行，直到文件的末尾为止。它返回一个整数值，用于指示读取操作的结果：

• 如果成功读取了一行数据，则 getline 返回 1。
• 如果达到文件末尾或发生读取错误，则 getline 返回 0。
• 如果发生致命错误（例如文件不存在），则 getline 返回 -1。

split 函数

split(line, fields, ",") 是AWK中的一个函数调用，用于将字符串 line 按照指定的分隔符（在这里是逗号 ,）拆分成多个部分，并将这些部分存储在数组 fields 中。每个拆分后的部分将成为数组的一个元素，你可以通过数组索引访问这些元素。例如，fields[1] 表示第一个拆分后的部分，fields[2] 表示第二个拆分后的部分，以此类推。

fields 是一个用于存储拆分结果的数组，你可以自定义数组的名称。在这个例子中，我们使用了 fields 作为数组名称。

条件语句

awk '{ if ($2 > 50) print $1, "Pass"; else print $1, "Fail" }' scores.txt

这将根据第二个字段的值决定学生是否通过。

scores.txt文件内容：

循环：

awk '{ for (i=1; i<=NF; i++) print $i }' english.txt

这将遍历每一行的字段并打印它们。

---

实战～一个面试题

题目：监控 SSH 登录失败并在 /etc/hosts.deny 中添加被封禁 IP 地址

检查/var/log/secure日志文件，如果有主机用root用户连接服务器的ssh服务失败次数超过了10次，就将这个IP地址写入到/etc/hosts.deny文件，拒绝其访问，如果这个IP已经存在，就无需重复添加到/etc/hosts.deny文件。

解释：

1. 脚本首先使用 awk 命令从 /var/log/secure 中提取包含 "Failed" 的行，并将其第11个字段（通常是 IP 地址）提取出来，然后使用 sort 和 uniq -c 统计每个 IP 地址出现的次数，最后将结果写入 sshd.txt 文件中。
2. 接下来，从 sshd.txt 文件中分离 IP 地址和相应的登录失败次数，并将它们存储在数组 ip_addr 和 ip_num 中。
3. 然后，遍历每个 IP 地址，检查它是否已经存在于 /etc/hosts.deny 文件中。如果存在，则输出该信息；如果不存在且登录失败次数超过10次，则将该 IP 地址添加到 /etc/hosts.deny 中。
4. 最后，脚本进入一个无限循环，每5秒钟检查一次 /var/log/secure 中的登录失败日志，如果某个 IP 地址登录失败次数超过10次，则将其添加到 /etc/hosts.deny 中。

解答：

具体实现，以下脚本文件的内容：

#!/bin/bash
# 上面一行指定了要使用的解释器为 Bash。

# 提取/var/log/secure中包含"Failed"的行，并统计IP地址出现次数，保存到sshd.txt
# sort命令将 awk 输出的数据进行排序，以便相同的 IP 地址会被聚合在一起
# uniq -c命令用于去除连续重复的行，并在行首显示出现的数目。
awk '$0 ~ /Failed/ {print $11}' /var/log/secure | sort | uniq -c | awk '{print $1, $2}' > sshd.txt

# 从sshd.txt中分离IP地址和登录失败次数，存储到数组
# $(...)是命令替换的语法。它将执行命令并将其输出作为字符串返回，作为数组ip_addr的元素
ip_addr=($(awk '{print $2}' sshd.txt))　　
ip_num=($(awk '{print $1}' sshd.txt))

# 遍历IP地址和登录失败次数
for i in ${!ip_addr[@]}; do
    ip=${ip_addr[i]}　
    num=${ip_num[i]}

    # 检查是否已经存在于/etc/hosts.deny中
    # egrep 命令用来在 /etc/hosts.deny 文件中查找是否已经存在指定的 IP 地址 ${ip}
    # &>/dev/null 是Linux/Unix系统中用于重定向命令输出的一种常见方式。将命令的输出和错误都重定向到 /dev/null。
    # /dev/null 是一个特殊的设备文件，它被用作"黑洞"。任何写入 /dev/null 的内容都会被丢弃，而且不会显示在终端上。这常常用于丢弃不需要的输出。
    if egrep "${ip}" /etc/hosts.deny &>/dev/null; then
        echo "${ip} already exists in /etc/hosts.deny"
    else
        echo "################################"
        # 如果登录失败次数大于10，则添加到/etc/hosts.deny中
        if (($num > 10)); then
            echo "sshd:${ip}" >> /etc/hosts.deny
            echo "Added ${ip} to /etc/hosts.deny"
        fi
        echo "${ip} have access ${num} times"
    fi
done

# 无限循环，每5秒检查/var/log/secure中的登录失败日志
# egrep '^Failed'：过滤出登录状态为 "Failed" 的行
# sort：对结果进行排序，以便相同的 IP 地址被聚合在一起
# uniq -c：使用 uniq 命令计数每个唯一 IP 地址出现的次数
while true; do
    IP_list=($(awk '{print $6,$11}' /var/log/secure | egrep '^Failed' | sort | uniq -c | awk '{if($1 > 10) print $3}'))

    # 遍历新的登录失败IP地址
    for ip in ${IP_list[@]}; do
        # 检查是否已经存在于/etc/hosts.deny中
        if egrep "${ip}" /etc/hosts.deny &>/dev/null; then
            :  # 什么都不做
        else
            # 否则，将IP地址添加到/etc/hosts.deny中
            echo "sshd:${ip}:deny" >> /etc/hosts.deny
            echo "Added ${ip} to /etc/hosts.deny"
        fi
    done

    # 在每次循环结束后，脚本会等待 5 秒钟，然后再次开始检查日志文件
    sleep 5
done

---

总结

AWK命令是Linux中一个功能强大的文本处理工具，它可以处理文本文件的各种任务，包括搜索、提取、转换和报告生成。通过了解基本用法、字段和分隔符、内置变量以及高级功能，您可以更高效地处理文本数据。无论您是在日常系统管理中还是在数据分析中，AWK都是一个有用的工具，值得掌握。希望本文能够帮助您更深入地了解AWK命令并提高您的文本处理技能。