首页 > 代码库 > Linux文本处理三剑客之GNU awk的使用
Linux文本处理三剑客之GNU awk的使用
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程序通常由: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通常是被单引号或双引号中
选项:
-F 指明输入时用到的字段分隔符
-v var=value: 自定义变量
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。$0为所有域,注意:和shell中变量$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
print格式:print item1, item2, ...
要点:
(1) 逗号分隔符
(2) 输出的各item可以字符串,也可以是数值;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"}‘
所有标准输入之后都转变成标准输出的hello,awk
awk –F: ‘{print}‘ /etc/passwd
打印/etc/passwd所有内容
awk –F: ‘{print “root”}’ /etc/passwd
以冒号为分隔符,替换成root
awk –F: ‘{print $1}’ /etc/passwd
以冒号为分隔符;打印/etc/passwd文件的第一个参数
awk –F: ‘{print $0}’ /etc/passwd
$0相当于正行,这里相当于打印所有
awk–F: ‘{print $1”\t”$3}’ /etc/passwd
以冒号为分隔,打印$1和$3的参数,相当于打印用户名和UID
tail –3 /etc/fstab |awk ‘{print $2,$4}’
打印/etc/fstab文件倒数三行,每行的第2,4个参数,默认以空格为分隔符
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,$3,$7}’ /etc/passwd
相当于定义一个变量分隔符为:,输出参数1,3,7
awk –F: ‘{print $1,$3,$7}’ /etc/passwd
-v FS=":" 相当于 -F:,所以结果同上图
OFS:输出字段分隔符,默认为空白字符
awk -v FS=‘:’ -v OFS=‘#’ ‘{print $1,$3,$7}’ /etc/passwd
以冒号为分隔显示第1,3,7的参数,并且替换输出字段的分隔符为#
RS:输入记录分隔符,指定输入时的换行符,原换行符仍有效
awk -v RS=“ ” ‘{print }’ /etc/passwd
表示以空格为换行符
ORS:输出记录分隔符,输出时用指定符号代替换行符
awk -v RS=“ ” -v ORS=‘###‘‘{print }’ /etc/passwd
相当于把换行符的空格替换成###
NF:字段数量
awk ‘{print NF}’ /etc/fstab , 引用内置变量不用$
打印以空格为分隔符的每行字段数
awk -F: ‘{print $(NF-1)}‘ /etc/passwd
NF=7,因为以冒号分隔的参数有7个,$(NF-1)在此处即7-1=6,即显示其家目录的位置
NR:行号
awk ‘{print NR}‘ /etc/fstab; awk END‘{print NR}‘ /etc/fstab
前半部分相当于打印行号;后半部分相当于打印最后一行的行号,即打印一共有多少行
FNR:各文件分别计数,行号
awk ‘{print FNR}‘ /etc/fstab /etc/inittab
即先显示完/etc/fstab的各行号,然后从1开始显示第二个文件的各行号
FILENAME:当前文件名
awk ‘{print FILENAME}’ /etc/fstab
相当于每一行都替换成文件名
ARGC:命令行参数的个数
awk ‘{print ARGC}’ /etc/fstab /etc/inittab ,确认参数是可见ARGV
相当于每一行替换成显示命令行参数
第一个参数是awk
第二个参数是/etc/fstab
第三个参数是/etc/inittab
awk ‘BEGIN {print ARGC}’ /etc/fstab /etc/inittab
相当于只是在第一行显示参数的个数,
假如少一个/etc/inittab,即参数变成两个
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
awk ‘BEGIN {print ARGV[2]}’ /etc/fstab /etc/inittab
自定义变量
(1) -v var=value
变量名区分字符大小写
(2) 在program中直接定义
示例:
awk -v test=‘hello gawk‘ ‘{print test}‘ /etc/fstab
相当于每一行都打印变量test,即每一行打印机hello gawk
awk -v test=‘hello gawk‘ ‘BEGIN{print test}‘
相当于只在第一行打印变量test
awk ‘BEGIN{test="hello,gawk";print test
变量直接在中括号里面写,意义同上
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
相当于第一个参数是字符窜的时候才显示
awk -F: ‘{printf "%s\n",$1}’ /etc/passwd
效果如上图,加入“\n”是换行符
awk -F: ‘{printf "Username: %s\n",$1}’ /etc/passwd
显示第一个参数的并且是字符窜的信息,在第一个参数前面加上Username等字符窜信息
awk -F: ‘{printf “Username: %s,UID:%d\n",$1,$3}’/etc/passwd
显示第一个字符串参数和第三个整数参数,并且在其前面加上Username和UID等字符串信息
awk -F: ‘{printf "Username: %15s,UID:%d\n",$1,$3}’/etc/passwd
%15s是多了15个空格的意思,其他同上
awk -F: ‘{printf "Username: %-15s,UID:%d\n",$1,$3}’/etc/passwd
指与下一个字符隔开15个字符串,参考下图
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: 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:
=, +=, -=, *=, /=, %=, ^=
++, --
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
模式匹配符示例1: awk –F: ‘$0 ~ /root/{print $1}‘ /etc/passwd
表示第一个参数包含root等字符的信息
模式匹配符示例2:awk ‘$0 !~ /root/‘ /etc/passwd
表示第一个参数不包含root等字符的信息
逻辑操作符:与&&,或||,非!
示例:
awk –F: ‘$3>=0 && $3<=1000 {print $1}‘ /etc/passwd
显示UID大于等于0,少于等于1000的的用户名
awk -F: ‘$3==0 || $3>=1000 {print $1}‘ /etc/passwd
显示UID等于0或者UID大于等于1000的用户名
awk -F: ‘!($3==0){print $1}‘ /etc/passwd
显示UID不等于0的用户
awk -F: ‘!($3>=500) {print $3}}’ /etc/passwd
显示UID少于500的用户
函数调用:function_name(argu1, argu2, ...)
条件表达式(三目表达式):
selector?if-true-expression:if-false-expression
示例:
awk -F: ‘{$3>=500?usertype="Common User":usertype="Sysadmin or SysUser";printf"%15s:%-s\n",$1,usertype}‘ /etc/passwd
判断,如果UID大于等于500,那么usertype=Common User
否则,那么usertype=Sysadmin or SysUser
awk PATTERN
PATTERN:根据pattern条件,过滤匹配的行,再做处理,此处支持的是扩展正则表达式
(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
awk‘!/^UUID/{print $1}‘ /etc/fstab
(3) relational expression: 关系表达式,结果有“真”有“假”,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 ‘!0’ /etc/passwd
非0,即是1,所以打印所有
awk ‘!1’ /etc/passwd
非1,即0,所以完全不打印
awk –F: ‘$3>=500{print $1,$3}‘ /etc/passwd
如果UID>500,就打印用户名和UID
awk -F: ‘$3<500{print $1,$3}‘ /etc/passwd
如果UID少于500,就打印用户名和UID
awk -F: ‘$NF=="/bin/bash"{print $1,$NF}‘ /etc/passwd
如果最后一个字段等于/bin/bash,就打印用户名和最后一个字段
awk -F: ‘$NF==/bash$/{print $1,$NF}‘ /etc/passwd
(4)line ranges:行范围
startline,endline:/pat1/,/pat2/不支持直接给出数字格式
示例:
awk-F: ‘/^root\>/,/^nobody\>/{print $1}‘ /etc/passwd
显示以root开头到以nobody开头的行的第一个参数
awk -F: ‘(NR>=10&&NR<=20){print NR,$1}‘ /etc/passwd
显示大于等于10,少于等于20的行的行号和第一个参数
(5) BEGIN/END模式
BEGIN{}: 仅在开始处理文件中的文本之前执行一次
END{}:仅在文本处理完成之后执行一次
awk -F: ‘BEGIN{print "line:\tusername"}{(NR>=10&&NR<=20);print NR"\t"$1}‘ /etc/passwd
awk -F: ‘BEGIN{print "line\tusername"}(NR>=10&&NR<=20){print NR"\t"$1}END{print "end file"}‘ /etc/passwd
awk -F: ‘{print "USER\tUSERID";print $1"\t"$3}END{print "end file"}‘ /etc/passwd
少了BEGIN以后,每行的开始都打印了USER和USERID
awk -F: ‘{print "USER UID \n---------------"}{print $1,$3}‘ /etc/passwd
awk -F: ‘BEGIN{print "USER UID \n---------------"}{print$1,$3}(NR>=35)
END{print"=============="}‘ /etc/passwd
relational expression示例:
真:结果为非0值,非空字符串
假:结果为空字符串或0值
seq 10 |awk ‘i=0’
如果为i=0,那么就不打印
seq 10 |awk ‘i=1’
如果i=1,就打印
seq 10 | awk ‘i=!i‘
如果i不等于i;默认i没有设置任何数值,那么i=0,但是!i,即i不等于0,那么就打印
即第一个数的时候打印,第二个数的时候不打印,
即打印奇数
seq 10 | awk ‘{i=!i;print i}’
从这个例子可以看出上面的例子的打印过程,1 0 1 0...
seq 10 | awk ‘!(i=!i)’
打印偶数,参考上面
seq 10 |awk -v i=1 ‘i=!i‘
给i定义一个初始值1,开始的时候打印条件是i不等于1,即0,所以不打印
然后第二次打印,此时i=0,打印条件是i=!i,即1,所以打印
如此重复,即打印偶数
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>=500)print $1,$3}‘ /etc/passwd
意义同awk -F: {($3>500)print$1,$3} /etc/passwd
awk-F: ‘{if($NF=="/bin/bash") print $1}‘ /etc/passwd
显示最后一个参数是/bin/bash的行的第一个参数
awk‘{if(NF>5) print $0}‘ /etc/fstab
显示参数大于5个的所有行
awk -F: ‘{if($3>=500) {printf"Common user: %s\n",$1} else {printf"root or Sysuser: %s\n",$1}}‘ /etc/passwd
awk -F: ‘{if($3>=500){print "CommonUser:\t"$1}else{print "root or Sysuser:\t"$1}}‘ /etc/passwd
awk -F: ‘{if($3>=500) printf "Common user: %s\n",$1;else printf "root or Sysuser: %s\n",$1}‘ /etc/passwd
意义同上,只是格式不同,不同之间可以用(;分号)分隔
df -h | awk -F% ‘/^\/dev/{print $1}‘|awk‘$NF>=20{print $1,$5}‘
显示磁盘空间使用率最大的磁盘名称以及其使用的空间
df | awk ‘/^\/dev\/sd*/{print $5}‘| awk -F% ‘$(NF-1)>=20{print $1}‘
显示磁盘空间使用率最大的磁盘使用的空间
awk ‘BEGIN{ test=100;if(test>90){print "very good"}else if(test>60){ print "good"}else{print "no pass"}}‘
判断test的数值,如果大于90,打印very good,如果大于60,打印good,否则,打印no pass
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
匹配以空白开头,后面跟着linux16开头的行,默认以空白为分隔符,使i=1,当i小于等于字段数量,就停止,打印每个字段的字段数量。
awk ‘/^[[:space:]]*linux16/{i=1;while(i<=NF) {if(length($i)>=10) {print $i,length($i)}; i++}}‘ /etc/grub2.cfg
匹配以空白开头,后面跟着linux16开头的行,默认以空白为分隔符,使i=1,当i小于等于字段数量,就停止,打印大于10个字段数量的字段。
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}‘
统计1到100的和
思考:下面两语句有何不同?
awk ‘BEGIN{i=0;print ++i,i}’
++i,表示已经+1的i
awk ‘BEGIN{i=0;print i++,i}’
i++,表示0++1,但是状态还是0,下一次的结果才是1
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(varin array) {for-body}
示例:
awk ‘/^[[:space:]]*linux16/{for(i=1;i<=NF;i++) {print $i,length($i)}}‘ /etc/grub2.cfg
匹配以空白开头,后面跟着linux16开头的行,默认以空白为分隔符,使i=1,当i小于等于字段数量,就停止,打印每个字段的字段数量。
性能比较
执行以下命令对比时间
time (awk ‘BEGIN{ total=0;for(i=0;i<=10000;i++){total+=i;};print total;}‘)
time(total=0;for i in {1..10000};do total=$(($total+i));done;echo $total)
time(for ((i=0;i<=10000;i++));do let total+=i;done;echo $total)
当数值较小的时候,并不会看出明显的差异
当数值变大以后,可以看出,awk计算速度是非常优秀的
switch语句
语法:switch(expression) {case VALUE1 or /REGEXP/: statement; case VALUE2 or /REGEXP2/: statement; ...; default: statement}
break和continue
break [n] 当匹配对应的n数值时候,终止整个运算
continue [n] 当匹配对应的n数值时候,仅跳过该数值的运算,继续执行下一个数值的运算
awk‘BEGIN{sum=0;for(i=1;i<=100;i++){if(i%2==0){continue}sum+=i}print sum}‘
统计1-100之间的奇数
当i除2余数是0的时候,该数值会被跳过,从而忽略偶数,即只统计奇数
awk‘BEGIN{sum=0;for(i=1;i<=100;i++){if(i==66){break}sum+=i}print sum}‘
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)
awk -F: ‘{if($3%2!=0) next; print $1,$3}‘ /etc/passwd
当遇到符合UID除2余数为非0,就处理下一行,即不处理uid为奇数的行
以下结果对比以上结果验证想法。
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”
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:
在awk里面定义一个数组weekdays[“mon”]="Monday“
awk ‘BEGIN{weekdays["mon"]="Monday";weekdays["tue"]="Tuesday";print weekdays["mon"]}‘
定义了两个,最后打印数组weekdays的["mon"]项
awk ‘!a[$0]++’ dupfile
若要遍历数组中的每个元素,要使用for循环
for(varin array) {for-body}
注意:var会遍历array的每个索引
示例:
awk ‘BEGIN{weekdays["mon"]="Monday";weekdays["tue"]="Tuesday";for(i in weekdays){print weekdays[i]}}‘
netstat -tan | awk ‘/^tcp\>/{state[$NF]++}END{for(i in state){print i,state[i]}}‘
统计状态出现的次数
awk ‘{ip[$1]++}END{for(i in ip){print i,ip[i]}}‘ /var/log/httpd/access_log
统计ip出现的次数
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字符串进行搜索r表示的模式匹配的内容,并将第一个匹配的内容替换为s
echo "2008:08:08 08:08:08" | awk ‘sub(/:/,"-",$1)‘
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(/:/,"",$1)‘
split(s,array,[r]):以r为分隔符,切割字符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 -tan | awk ‘/^tcp\>/{split($5,ip,":");count[ip[1]]++}END{for (i in count) {print i,count[i]}}‘
自定义函数
格式:
function name ( parameter, parameter, ... ) {
statements
return expression
}
示例:
#cat fun.awk
function max(v1,v2) {
v1>v2?var=v1:var=v2
return var
}
BEGIN{a=3;b=2;print max(a,b)}
#awk –f fun.awk
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:
awk file var=value var2=value2... Inputfile
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
awk综合示例:
1、统计/etc/fstab文件中每个文件系统类型出现的次数
awk ‘/^UUID/{fs[$3]++}END{for(i in fs){print i,fs[i]}}‘ /etc/fstab
2、统计/etc/fstab文件中每个单词出现的次数;
awk ‘{for(i=1;i<=NF;i++){count[$i]++}}END{for(i in count){print i,count[i]}}‘ /etc/fstab
3、分别统计1和2班的平均成绩
score.txt
name score class
zhu 81 1
wang 90 2
zh 88 1
w 99 2
本文出自 “~微风~” 博客,请务必保留此出处http://wanweifeng.blog.51cto.com/1957995/1858902
Linux文本处理三剑客之GNU awk的使用