首页 > 代码库 > 文本处理三剑客之gawk

文本处理三剑客之gawk

2024-08-14 13:11:58   223人阅读

 awk

本章内容：

  • awk介绍

  • awk基本用法

  • awk变量

  • awk格式化

  • awk操作符

  • awk条件判断

  • awk循环

  • awk数组

  • awk函数

  • 调用系统命令

1.awk介绍

★ Linux 文本处理工具三剑客：grep、sed、awk。其中grep是一种文本过滤工具；sed是文本行编辑器，而awk是一种报表生成器，就是对文件进行格式化处理的，但这里的格式化不是文件系统的格式化，而是对文件内容进行各种“排版”，进而格式化显示；

★ 在Linux之上我们使用的是GNU awk 简称gawk，并且gawk就是awk的链接文件，因此系统上使用的awk和gawk是一样的。我们通过man gawk可以获得gawk的相关功能说明---gawk-pattern scanning and processing language（模式扫描及处理语言），gawk是一种过程式编程语言。gawk还支持条件判断、数组、循环等编程语言中所有可以使用的功能，因此还可以把gawk称为一种脚本语言解释器。

1)介绍如下：

★ 文本处理三工具：grep、sed、awk

       grep，egrep，fgrep：文本过滤工具：partten

       sed：行编辑器；模式空间、保持空间

       awk：报告生成器，格式化文本输出；

★ 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;

[root@centos7 ~]# which awk
/usr/bin/awk
[root@centos7 ~]# ll /usr/bin/awk
lrwxrwxrwx. 1 root root 4 Jul 25 23:58 /usr/bin/awk -> gawk

★ 基本用法：

  • awk[options] ‘program’ var=value file…

  • awk[options] -f programfilevar=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


用法说明

1）用法格式，选项

★基本格式：awk [options] ‘program‘ file…

      ·program：PATTERN{ACTION STATEMENT;..}，通常是在单引号和双引号中；

      ·program：编程语言；

      ·PARTTERN:

          模式；部分决定动作语句何时触发及触发事件（BEGIN,END）

      ·ACTION STATEMENT：

          动作语句，可以由多个语句组成，各语句之间使用分号分隔：如print，printf

★options（选项）：

      -F：指明输入时用到的字段分隔符；

      -v var=value: 自定义变量

★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。



2）awk工作原理

★ 原理：

      awk在处理文本时也是一次读取一行文本，然后根据输入分隔符（默认为空格字符）进行切片，切成n个片段，然后将每一片都赋予awk内部的一个变量当中进行保存，这些变量名为$1,$2,$3...等等一直到最后一个，awk就可以对这些片段进行单独处理，比如显示某一段，特定段，甚至可以对某些片段进行额外的的加工处理，比如计数、运算等。

★ 具体工作原理如下：

     ·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


举例：

[root@centos7 ~]# tail -5 /etc/fstab  # 取 /etc/fstab 的后五行
UUID=5de91e7f-4334-4646-8bcf-7e8df5969f74 /                       xfs     defaults        0 0
UUID=abad3f46-4294-40b0-9d48-78c7e87cbfbf /boot                   xfs     defaults        0 0
UUID=01aef744-48b5-4346-ab7d-33150e05f3c7 /usr                    xfs     defaults        0 0
UUID=9765d553-e77b-48db-a4ff-502e43833384 swap                    swap    defaults        0 0
UUID=a42aca7a-085a-43c2-a22c-4f4aa6a22574 /testdir                ext4    acl             0 0 
[root@centos7 ~]# tail -5 /etc/fstab |awk ‘{print $2,$3}‘ # 对读进来的每一行都执行打印第2和第3片段
/ xfs
/boot xfs
/usr xfs
swap swap
/testdir ext4
[root@centos7 ~]# tail -5 /etc/fstab |awk ‘{print  "hello",$2,$3}‘
hello / xfs 
hello /boot xfs 
hello /usr xfs 
hello swap swap 
hello /testdir ext4

输出命令：print 

print格式：print item1, item2, ...

 要点：

     (1) 逗号分隔符；

     (2) 输出的各item可以是字符串，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      

演示：

[root@centos7 ~]# awk ‘{print "hello,awk"}‘ # 不管输入什么都只打印定义好的
asdas
hello,awk
asfas
hello,awk
dddd
hello,awk

[root@centos7 ~]# awk -F: ‘{print}‘ /etc/passwd # 把/etc/passwd的每一行都打印一遍
root:x:0:0:tcpdump,,62985600:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
adm:x:3:4:adm:/var/adm:/sbin/nologin
lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin
sync:x:5:0:sync:/sbin:/bin/sync
shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown

[root@centos7 ~]# awk -F: ‘{print "tao"}‘ /etc/passwd # /etc/passwd 的每一行输入进去之后都打印成 tao
tao
tao
tao
tao
[root@centos7 ~]# awk -F: ‘{print $1}‘ /etc/passwd  # 以：为分隔符，打印每一行的第一个片段
root
bin
daemon
adm
lp
[root@centos7 ~]# awk -F: ‘{print $1"\t"$3}‘ /etc/passwd  # 也可以用其他分隔符，但一定要加双引号。
root	0
bin	1
daemon	2
adm	3
lp	4
sync	5

 

awk变量

  内置和自定义变量

★内置变量

  ·FS：输入字段分隔符，默认为空白字符

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

         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，原换行符仍有效

         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 }’ /etc/passwd

  ·NF：字段数量

         awk -F：‘{print NF}’ /etc/fstab, 引用内置变量不用$

         awk -F: ‘{print $(NF-1)}‘ /etc/passwd

  ·NR：行号

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

  ·FNR：各文件分别计数,行号

         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

  ·-v var=value

      变量名区分字符大小写

  ·在program中直接定义


      awk -v test=‘hello gawk‘ ‘{print test}‘ /etc/fstab

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

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


内置变量演示：

[root@centos7 ~]# awk -F: ‘{print $1,$3,$7}‘ /etc/passwd  # 指明以“：”作为输入字段分隔符，如果不指明的话以空白当做分隔符
root 0 /bin/bash
bin 1 /sbin/nologin
daemon 2 /sbin/nologin
adm 3 /sbin/nologin
lp 4 /sbin/nologin
[root@centos7 ~]# awk -F: -v OFS=‘=>‘ ‘{print $1,$3,$7}‘ /etc/passwd  # 指明输入，输出字段分隔符
root=>0=>/bin/bash
bin=>1=>/sbin/nologin
daemon=>2=>/sbin/nologin
adm=>3=>/sbin/nologin
lp=>4=>/sbin/nologin
sync=>5=>/bin/sync

[root@centos7 ~]# awk -F: -v ORS=‘###‘ ‘{print }‘ /etc/passwd # 指明输出是的换行符
root:x:0:0:tcpdump,,62985600:/root:/bin/bash###bin:x:1:1:bin:/bin:/sbin/nologin###daemon:x:2:2:daemon:/sbin:/sbin/nologin###adm:x:3:4:adm:/var/adm:/sbin/nologin###lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin###sync:x:5:0:sync:/sbin:/bin/sync###shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown

[root@centos7 ~]# awk -F: ‘{print NF}‘ /etc/passwd  # 以：为分隔符，打印每一行的字段数量
7
7
7
7
7
7
7
7
7
[root@centos7 ~]# awk -F: ‘{print $NF}‘ /etc/passwd  # 这时，$NF=$7,因为NF为内之变量替换为7
/bin/bash
/sbin/nologin
/sbin/nologin
/sbin/nologin
/sbin/nologin

[root@centos7 ~]# awk ‘{print NR }‘ /etc/passwd   # 显示行号
1
2
3
4
5
6
7
[root@centos7 ~]# awk ‘{print FNR }‘ /etc/fstab /etc/issue
1     # 如果后面跟多个文件的话，要想显示每个文件的行数，变量为FNR，如果不加F，则行号累加
2
3
4
5
6
7
8
9
10
11
12
13
1
2
3
4
5
6
[root@centos7 ~]# awk END‘{print NR }‘ /etc/fstab  # 显示最后一行的行号
13
[root@centos7 ~]# awk END‘{print FNR }‘ /etc/fstab /etc/issue
6

[root@centos7 ~]# awk ‘{print FILENAME}‘ /etc/fstab  # 显示当前文件名
/etc/fstab
/etc/fstab
/etc/fstab
/etc/fstab
/etc/fstab
/etc/fstab
/etc/fstab
/etc/fstab

[root@centos7 ~]# awk ‘{print ARGC}‘ /etc/fstab /etc/inittab # 命令行参数个数，但会输入的每行都会显示一遍
3
3
3
3
3
[root@centos7 ~]# awk ‘BEGIN {print ARGC}‘ /etc/fstab /etc/inittab 
3        # 加上BEGIN 只显示一次命令行参数个数
[root@centos7 ~]# awk ‘BEGIN {print ARGV[0]}‘ /etc/fstab /etc/inittab 
awk      # 数组，显示的是命令行的第几个参数
[root@centos7 ~]# awk ‘BEGIN {print ARGV[1]}‘ /etc/fstab /etc/inittab 
/etc/fstab
[root@centos7 ~]# awk ‘BEGIN {print ARGV[2]}‘ /etc/fstab /etc/inittab 
/etc/inittab

自定义变量演示：

[root@centos7 ~]# awk -v test=‘hello gawk‘ ‘{print test}‘ /etc/fstab
hello gawk
hello gawk
hello gawk
hello gawk
hello gawk
hello gawk
hello gawk
hello gawk
hello gawk
hello gawk
hello gawk
hello gawk
hello gawk
[root@centos7 ~]# awk -v test=‘hello gawk‘ ‘BEGIN{print test}‘ /etc/fstab
hello gawk
[root@centos7 ~]# awk ‘BEGIN{test="hello,gawk";print test}‘
hello,gawk

输出命令：printf

★ 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：科学计数法数值显示；

       %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


命令演示：

[root@centos7 ~]# awk -F: ‘{printf "%s",$1}‘ /etc/passwd # 显示字符串，默认不自动换行
rootbindaemonadmlpsyncshutdownhaltmailoperatorgamesftpnobodyavahi-autoipdsystemd-bus-proxysystemd-networkdbuspolkitdabrtcolordlibstoragemgmtsetroubleshootrpcrtkitchronytssgeoclueusbmuxdmysqlpulsegdmrpcuserpostfixsshdntpapachetao

[root@centos7 ~]# awk -F: ‘{printf "%s\n",$1}‘ /etc/passwd  # 添加自动换行符
root
bin
daemon
adm
lp
sync
shutdown
halt

[root@centos7 ~]# awk -F: ‘{printf "Username: %s\n",$1}‘ /etc/passwd 
Username: root      # 可以添加字符串
Username: bin
Username: daemon
Username: adm
Username: lp
Username: sync
Username: shutdown

[root@centos7 ~]# awk -F: ‘{printf "Username:%s UID:%d\n",$1,$3}‘ /etc/passwd
Username:root UID:0   # 格式和条目片段是对应的，每个片段会套在其对应的格式上
Username:bin UID:1
Username:daemon UID:2
Username:adm UID:3
Username:lp UID:4
Username:sync UID:5
Username:shutdown UID:6

[root@centos7 ~]# awk -F: ‘{printf "Username:%15s UID:%d\n",$1,$3}‘ /etc/passwd
Username:           root UID:0     # 添加修饰符，显示宽度为15字符，默认为右对齐
Username:            bin UID:1
Username:         daemon UID:2
Username:            adm UID:3
Username:             lp UID:4
Username:           sync UID:5
Username:       shutdown UID:6
Username:           halt UID:7
[root@centos7 ~]# awk -F: ‘{printf "Username:%-15s UID:%d\n",$1,$3}‘ /etc/passwd
Username:root            UID:0     # 左对齐显示
Username:bin             UID:1
Username:daemon          UID:2
Username:adm             UID:3
Username:lp              UID:4
Username:sync            UID:5
Username:shutdown        UID:6

操作符

★ 算数操作符：

       x+y, x-y, x*y, x/y, x^y（x的y次方）, 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

         cat /etc/passwd |awk‘$0 ~ /root/‘ |wc -l

         cat /etc/passwd |awk‘$0 !~ /root/‘ |wc -l

★ 逻辑操作符：&&，||，!

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

★ 函数调用：

      function_name(argu1, argu2, ...)

★ 条件表达式：

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

命令演示：

[root@centos7 ~]# awk -F: ‘{$3>=1000?usertype="Common User":usertype="Sysadmin or SysUser";printf"%15s:%-s\n",$1,usertype}‘ /etc/passwd
           root:Sysadmin or SysUser   # 显示用户的UID如果大等于1000则为普通用户，否则为管理员或系统用户，并定义格式输出
            bin:Sysadmin or SysUser
         daemon:Sysadmin or SysUser
            adm:Sysadmin or SysUser
             lp:Sysadmin or SysUser
           sync:Sysadmin or SysUser
       shutdown:Sysadmin or SysUser
           halt:Sysadmin or SysUser
           mail:Sysadmin or SysUser
       operator:Sysadmin or SysUser
          games:Sysadmin or SysUser
            ftp:Sysadmin or SysUser
         nobody:Sysadmin or SysUser
  avahi-autoipd:Sysadmin or SysUser
systemd-bus-proxy:Sysadmin or SysUser
systemd-network:Sysadmin or SysUser
           dbus:Sysadmin or SysUser
        polkitd:Sysadmin or SysUser
           abrt:Sysadmin or SysUser
         colord:Sysadmin or SysUser
 libstoragemgmt:Sysadmin or SysUser
 setroubleshoot:Sysadmin or SysUser
            rpc:Sysadmin or SysUser
          rtkit:Sysadmin or SysUser
         chrony:Sysadmin or SysUser
            tss:Sysadmin or SysUser
        geoclue:Sysadmin or SysUser
        usbmuxd:Sysadmin or SysUser
          mysql:Sysadmin or SysUser
          pulse:Sysadmin or SysUser
            gdm:Sysadmin or SysUser
        rpcuser:Sysadmin or SysUser
        postfix:Sysadmin or SysUser
           sshd:Sysadmin or SysUser
            ntp:Sysadmin or SysUser
         apache:Sysadmin or SysUser
            tao:Common User

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

       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








































文本处理三剑客之gawk


联系
我们