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

技术分享

awk –F: ‘{print}‘ /etc/passwd

打印/etc/passwd所有内容

技术分享

awk –F: ‘{print “root”}’ /etc/passwd

以冒号为分隔符,替换成root

技术分享

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

技术分享

awk –F: ‘{print $0}’ /etc/passwd

$0相当于正行,这里相当于打印所有

技术分享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

技术分享

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

技术分享


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

技术分享


awk –F: ‘{print $1,$3,$7}’ /etc/passwd

-v FS=":" 相当于 -F:,所以结果同上图

技术分享


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#技术分享


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

技术分享


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###

技术分享


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

技术分享


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

技术分享


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

技术分享


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

技术分享


FILENAME:当前文件名

awk ‘{print FILENAME}’ /etc/fstab

相当于每一行都替换成文件名

技术分享


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

技术分享

awk ‘BEGIN {print ARGC}’ /etc/fstab /etc/inittab

相当于只是在第一行显示参数的个数,

技术分享

假如少一个/etc/inittab,即参数变成两个

技术分享


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

技术分享


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

技术分享


awk -v test=‘hello gawk‘ ‘BEGIN{print test}‘

相当于只在第一行打印变量test

技术分享


awk ‘BEGIN{test="hello,gawk";print test

变量直接在中括号里面写,意义同上

技术分享


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

技术分享


awk -F: ‘{printf "%s\n",$1}’ /etc/passwd

效果如上图,加入“\n”是换行符

技术分享


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

技术分享


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

技术分享


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

技术分享


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

技术分享


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

技术分享


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

技术分享


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

技术分享


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

技术分享


awk -F: ‘!($3==0){print $1}‘ /etc/passwd

显示UID不等于0的用户

技术分享


awk -F: ‘!($3>=500) {print $3}}’ /etc/passwd

显示UID少于500的用户

技术分享


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

技术分享

技术分享


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

技术分享

(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

技术分享


awk ‘!1’ /etc/passwd

非1,即0,所以完全不打印

技术分享


awk –F: ‘$3>=500{print $1,$3}‘ /etc/passwd

如果UID>500,就打印用户名和UID

技术分享


awk -F: ‘$3<500{print $1,$3}‘ /etc/passwd

如果UID少于500,就打印用户名和UID

技术分享


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

技术分享


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

技术分享


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

技术分享


(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

技术分享


awk -F: ‘BEGIN{print "line\tusername"}(NR>=10&&NR<=20){print NR"\t"$1}END{print "end file"}‘ /etc/passwd

技术分享


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

技术分享


awk -F: ‘{print "USER UID \n---------------"}{print $1,$3}‘ /etc/passwd

技术分享


awk -F: ‘BEGIN{print "USER UID \n---------------"}{print$1,$3}(NR>=35)

END{print"=============="}‘ /etc/passwd

技术分享



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

技术分享


seq 10 |awk ‘i=1’

如果i=1,就打印

技术分享


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

技术分享


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...

技术分享


seq 10 | awk ‘!(i=!i)’

打印偶数,参考上面

技术分享


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

技术分享


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

技术分享


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

技术分享


awk‘{if(NF>5) print $0}‘ /etc/fstab

显示参数大于5个的所有行

技术分享


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

技术分享技术分享


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

技术分享


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

技术分享


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

技术分享


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

技术分享


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。

技术分享

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。

技术分享


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

技术分享

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

技术分享


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。

技术分享


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

技术分享

当数值变大以后,可以看出,awk计算速度是非常优秀的


技术分享


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

技术分享

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

技术分享

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

技术分享

以下结果对比以上结果验证想法。

技术分享


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

技术分享

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]}}‘

技术分享

netstat -tan | awk ‘/^tcp\>/{state[$NF]++}END{for(i in state){print i,state[i]}}‘

统计状态出现的次数

技术分享


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

技术分享


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) }‘

技术分享

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)‘

技术分享

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)‘

技术分享

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]}}‘

技术分享


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

技术分享


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")}‘

技术分享

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

技术分享


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

技术分享

#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

技术分享


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

技术分享


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

技术分享

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

技术分享

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

技术分享



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