文本三剑客之awk详解

awk简介

awk的名称来源于三个开发者的姓名：Aho, Weinberger, Kernighan，报告生成器，格式化文本输出，

Linux文本处理三剑客之一。

有多种版本：New awk（nawk），GNU awk（gawk）

现在默认linux系统下日常使用的是gawk，用命令可以查看正在应用的awk的来源（ls -l /bin/awk ）

Awk编程语言用于处理文本文件。Awk在默认情况下，Awk文件的每一行都被视为一个记录。然后Awk记

录进一步分解成一系列的字段。Awk程序就是一系列作用在记录和字段上的“识别-执行”操作语句。

行row：记录record

列column：字段，域field，属性

awk的工作原理

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

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、打印输入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后才被执行，比如打印所有所有行的分析结果，这里信息汇总都在END语句块中完成，它也是一个可选语句块

pattern语句块中的同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

BEGIN语句常用于打印表头

END语句往往用来做汇总

awk的基本用法

awk的基本格式:

awk 　[options] 　 ‘program’ 　 file

• option：

  -F 指明输入时用到的字段分隔符

  -v var=value: 自定义变量

• program：pattern{action statement}

  pattern部分决定动作语句何时触发及触发事件
  如: BEGIN,END

  action statements对数据进行处理，放在{}内指明
  如: print, printf

• 分隔符、域和记录

  awk执行时，由分隔符分隔的字段（域）标记$1,$2…$n成为标识域。$0表示所有域，即整行

  文件的每一行成为记录（record）

  省略action,则默认执行print $0的操作

awk的匹配模式

根据pattern条件，过滤匹配到的行，再做处理

• 如果未指定：空模式，匹配每一行

例:直接打印文件内容：　
    awk '{print }' passwd   

• /正则表达式/：使用通配符的扩展集

例:  取出包含UUID的行的第一个域 :　
    awk ‘/^UUID/{print $1}’ /etc/fstab 

• 关系表达式：使用运算符进行操作，可以是字符串或数字的比较测试

例1: 结果为非零值，显示/etc/passwd内容
    awk ‘i=1’ /etc/passwd        

例2: 结果为零值，不显示/etc/passwd内容  
    awk ‘i=0’ /etc/passwd          

例3: 结果为空，不显示/etc/passwd内容
    awk ‘i=””‘ /etc/passwd     

例4: 结果不为空，显示/etc/passwd内容
    awk ‘!(i=””)’ /etc/passwd 

例5: 显示/etc/passwd文件中Shell为/bin/bash行的用户名和Shell类型
    awk -F: ‘$NF==”/bin/bash”{print $1$NF}’ /etc/passwd

例6: 显示/etc/passwd文件中以bash结尾行的用户名和Shell类型
    awk -F: ‘$NF~/bash$/{print $1$NF}’ /etc/passwd

• 模式匹配表达式：用运算符~（匹配）和~!（不匹配）

• line ranges：行范围
  起始行，结尾行：/pat1/,/pat2/不支持直接给出数字格式

例2: 显示root开头的行到nobody开头的行之间的用户名
    awk -F: ‘/^root\>/,/^nobody\>/{print $1}’  /etc/passwd

例3:显示第10行到第20行，标准行号并显示用户名
    awk -F: ‘(NR>=10&&NR<=20){print NR,$1}’  /etc/passwd

• BEGIN语句块、pattern语句块、END语句块

例1: 处理文本前打印USER USERID，处理时/etc/passwd文件取出每一行的用户名和UID，处理后打印end file
awk -F: ‘BEGIN{print “USER USERID”}{print$1":"$3}END{print “end file”}’ /etc/passwd

例2: 在/etc/passwd文件每一行上都添加USER USERID，并在处理完文本后打印end file
awk -F: ‘{print “USER USEID”;print $1″:”$3}END{print”end file”}’ /etc/passwd

例3: 结果为0，条件为假，不显示
seq 10|awk ‘i=0’

例4: 结果不为0，条件为真，显示所有数字
seq 10|awk ‘i=1’

例5: 显示奇数，第一行i为空，!i则为非空，打印该行，第二行i为非空，!i为空则不打印，以此类推
seq 10|awk ‘i=!i’

例6: 显示1,0,1,0…即上例工作原理
    seq 10 | awk ‘{i=!i;print i}’

例7: 显示偶数
    seq 10|awk ‘!(i=!i)’

例8: 显示偶数，第一行i已赋值，所以!i为空，不显示
    seq 10 |awk -v i=1 ‘i=!i’

awk操作符：

输出操作符：print、printf

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，相当于打印整行print $0

printf格式：

格式化输出：print “FORMAT”,item1,item2,…

要点：

（1）必须指定FORMAT（格式）

（2）不会自动换行，需要显示给出换行控制符，\n

（3）FROMAT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#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
  

• 实例：

例1: 将/etc/passwd文件中所有用户名作为一个字符串输出

    awk -F: ‘{printf “%s”,$1}’ /etc/passwd


例2: 将 /etc/passwd中的所有用户名一行一行的输出
     awk -F: ‘{printf “%s\n”,$1}’ /etc/passwd
    效果等同于awk -F: ‘{print $1}’ /etc/passwd


例3:显示用户名左对齐，UID以十进制数显示且宽度为10 

    awk -F: ‘{printf “%-20s %10d\n”,$1,$3}’ /etc/passwd


例4: 将 /etc/passwd中的所有用户名一行一行的输出,并在每行的开头加上 Username:

     awk -F: ‘{printf “Username: %s\n”,$1}’ /etc/passwd
    效果等同于awk -F: ‘{print “Username: “$1}’ /etc/passwd


例5: 将/etc/passwd中的用户名和UID按照"Username:  UID: "的格式输出

    awk -F: ‘{printf “Username: %s,UID:%d\n”,$1,$3}’ /etc/passwd

    显示结果如：
        Username: basher,UID:504


例6: 将/etc/passwd中的用户名和UID按照"Username:  UID: "的格式输出,用户名的宽度为15
    awk -F: ‘{printf “Username: %15s,UID:%d\n”,$1,$3}’ /etc/passwd

    显示结果如：
        Username:          basher,UID:504

例7:  将/etc/passwd中的用户名和UID按照"Username:  UID: "的格式输出,用户名为左对齐且宽度为15

    awk -F: ‘{printf “Username: %-15s,UID:%d\n”,$1,$3}’ /etc/passwd

    显示结果如：

        Username: basher         ,UID:504

awk变量：

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

OFS：输出字段分隔符，默认为空白字符

RS：输入记录分隔符，指定输入时的换行符

ORS：输出记录分隔符，输出时用指定符号代替换行符

NF：字段数量

NR：记录号，相当于行号

FNR：同时针对多个文件时，分别计数，添加记录号

FILENAME：当前文件名

ARGC：命令行参数的个数

ARGV：数组，保存的是命令行所给定的各参数，参数标号默认从0开始，且第一个参数为awk命令本身

注：引用内置变量不需要加$

示例：

awk -F:  ‘{print $1″:”$3}’  /etc/passwd               等价于
awk -v FS=’:’ ‘{print $1FS$3}’ /etc/passwd

以：作为分隔符，显示每行的第一和第三个域，即用户名和UID


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

以：作为分隔符，取出用户名，UID，shell类型，并以：分隔


awk -v RS=” ‘{print$2}’ /etc/passwd

没有记录分隔符，文件被看做一个整体记录，取$2即为第二行


awk -v RS=” -v ORS=’###’ ‘{print}’ /etc/passwd

没有记录分隔符，文件被看做一个整体的记录，文件尾添加###


awk -F: ‘{print NF}’ /etc/passwd

显示以：为分隔符，每一个行的字段数量


awk -F: ‘{print $(NF-1)}’ /etc/passwd

打印/etc/passwd每行的倒数第二个字段


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

显示/etc/fstab文件每行行号，总行号


awk ‘{print FNR}’ /etc/fstab /etc/inittab

对/etc/fstab和/etc/inittab文件分别计数，显示行号


awk ‘{print FILENAME}’ /etc/fstab

在/etc/fstab文件每一行显示文件名


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

显示每行参数的个数


awk ‘BEGIN{print ARGV[0],ARGV[1]}’ /etc/fstab /etc/inittab

显示第一个和第二个参数：awk   /etc/fstab

自定义变量（区分字符大小写）：

（1）-v var=value

（2）在program中直接定义

注：{}内赋值变量要用；隔开； {}外赋值变量时，每个变量前都要加-v选项；

示例：

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

在/etc/fstab文件每一行打印hello


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

打印hello


awk ‘BEGIN{test=”hello”;print test}’     

打印hello，{}内赋值变量后加；


awk -F: ‘{age=18;sex=”male”;print $1,sex,age;}’ /etc/passwd

取出每行用户名，并在用户名后，打印male 18


cat awkscript

{print script$1$3}

awk -F: -f awkscript  script=”awk”  /etc/passwd

取出每一行的用户名和UID并在每行前面打印awk

算术操作符：

x+y   加法运算

x-y   减法运算

x*y   乘法运算

x/y   除法运算（可精确到小数点）

x^y   乘方运算

x%y  取余运算

示例：

awk ‘BEGIN{print 9/2.2}’

计算9/2.2的结果为4.09091

awk ‘BEGIN{print 2^10}’

计算2的10次方显示1024

字符串操作符：

• 赋值操作符：

  =， +=， -=， *=， /=， %=， ^=， ++， –

  示例：

  awk ‘BEGIN{i=0;print ++i,i }’
  
  显示：1  1
  
  awk ‘BEGIN{i=0;print i++,i }’
  
  显示：0  1
  
  awk ‘BEGIN{i=0;print i+=5,i}’
  
  显示：5  5

• 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
  
  取/etc/passwd文件中包含root的行中以：为分隔符的第一个域
  
  awk ‘$0 ~ “^root”‘ /etc/passwd
  
  取/etc/passwd文件中以root开头的行
  
  awk ‘$0 !~ “root”‘ /etc/passwd
  
  取/etc/passwd文件中不包含root的行
  
  awk -F: ‘$3==0’ /etc/passwd
  
  取/etc/passwd文件中UID=0的行

• 逻辑操作符：

  && 与

  || 或

  ！ 非

注意：这里的&&和||不是shell中的短路与和短路或，而是类似于[test]判断中的-a和-e

示例：
```
awk -F: ‘$3>=0 && $3<=1000{print $1}’ /etc/passwd

取出/etc/passwd文件中UID大于0且小于1000的用户名

awk -F: ‘$3==0 || $3<=1000{print $1}’ /etc/passwd

取出/etc/passwd文件中UID等于0或小于1000的用户名

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

取出/etc/passwd文件中UID不等于0的用户名
```

• 函数调用：function_name（argu1，argu2…）

• 条件表达式（三目表达式）：

  格式：

  条件判断式？if-true-expression:if-false-expression
  

  示例：

  awk -F:  ‘{$3>=1000?usertype=”Common User”:usertype=”Sysadmin or SysUser”;printf
  
  “%15s:%-s\n”,$1,usertype}’  /etc/passwd
  
  判断/etc/passwd文件中如果UID大于1000，在用户名后标注普通用户，如果UID小于1000，则标注root或系统用户
  
  如：         rpcuser:Sysadmin or SysUser
  
  nfsnobody:Common User
  

awk循环判断：

• if-else语句

  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
  
  打印UID大于等于1000的用户名和UID
  
  awk -F: ‘{if($NF==”/bin/bash”)print$1,$3}’ /etc/passwd
  
  打印shell类型为/bin/bash的用户名和UID
  
  awk ‘{if(NF>5)print$0}’ /etc/fstab
  
  显示/etc/fstab文件中字段大于5的行
  
  awk -F: ‘{if($3>=1000){printf “Common user: %s\n”,$1}else{printf “System or root: %s\n”,$1}}’  /etc/passwd
  
  取出UID大于等于1000用户名，并在前面加Common user：其他用户名前加System or root：
  
  awk -F: ‘{if($3>=1000)printf “Common user: %s\n”,$1;else printf “System or root: %s\n”,$1}’  /etc/passwd
  
  等同于上例，在只有两种条件时，可用此格式替换
  
  df -h|awk -F% ‘/^\/dev/{print $1}’|awk ‘$NF>80{print $1,$NF}’
  
  取出磁盘利用率大于80的磁盘名称和磁盘利用率
  
  awk ‘BEGIN{test=100;if(test>90){print “very good”}else if(test>60){ print “good”}else{print “no pass”}}’
  
  如果test打印90显示very good，大于60小于90显示good，小于60显示no pass

• while循环语句

  语法：while（condition）{statement}

  条件为“真”，进入循环；条件为“假”，退出循环
  

  使用场景：

  a）对一行内的多个字段之一类似处理时使用
  
  b）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

取出grub2文件中空白开头跟linux16的行，并显示每个字段和每个字段的字符数

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

取出grub2文件中空白开头跟linux16的行，并显示字符数大于10个的字段和对应字段的字符数

• do-whlie循环语句

  语法：do{statement;…}while（condition）

  意义：无论真假，至少执行一次循环体

示例：

计算1到100的数字之和：

awk ‘BEGIN{i=1;sum=0;do{sum+=i;i++;}while(i<=100);print sum}’

对比

awk ‘BEGIN{i=1;sum=0;while(i<=100){sum+=i;i++};print sum}’

• for循环语句

  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 “BEGIN{for(i=0;i<=100;i++)sum+=i;print sum}”

计算1到100数字之和

与shell语言for循环第二种风格很类似：

for ((i=1,sum=0;i<=100;i++));do let sum+=i;done;echo $sum

• break和continue

  用于循环体中

  break：提前结束本轮循环
  
  continue：提前结束本轮循环，而直接进入下一轮判断；
  
  break[N]：提前结束第N层循环，最内层为第一层
  
  continue[N]：提前结束第N层的本轮循环，而直接进入下一轮判断；最内层为第1层
  

  示例：

  awk ‘BEGIN{sum=0;for(i=1;i<=100;i++){if(i%2==0)continue;sum+=i}print sum}’
  
  计算1到100奇数之和，数字为偶数时跳过，奇数时相加
  
  awk ‘BEGIN{sum=0;for(i=1;i<=100;i++){if(i==66)break;sum+=i}print sum}’
  
  数字加到66时，break退出循环，结果为1到66的数字之和

• next语句

  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

awk数组：

关联数组：array[#]

下标：

    a）可使用任意字符串；字符串要使用双引号括起来

    b）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”


示例：
```
weekdays[“mon”]=”Monday”

awk ‘BEGIN{weekdays[“mon”]=”Monday”;weekdays[“tue”]=”Tuesday”;print weekdays[“mon”]}’

awk !arr[$0]++  dupfile     取出文件内容重复行
```


遍历数组：

使用for循环可遍历数组中的每个元素

格式：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]}}’

显示weekdays[]数组中的每个元素

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

显示网络连接每种状态的数量

awk ‘{ip[$1]++}END{for(i in ip) {print i,ip[i]}}’ /var/log/httpd/access_log

统计网络访问ip和访问次数
```

awk函数：

系统内置函数：

数组处理：

rand（）：返回0和1之间一个随机数，只有和srand（）函数配合才生效



示例：
```
awk ‘BEGIN{srand();print rand()}’

返回0和1之间一个随机数

awk ‘BEGIN{srand();for(i=1;i<=10;i++)print rand()*100}’

返回10个0到100之间的随机数
```

• 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

示例：
```
echo “2008:08:08 08:08:08” | awk ‘sub(/:/,“-“,$1)’

替换字符第一个出现的“：”为“-”；

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)’

全局替换字符第一个出现的“：”为“-”；

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,…
```

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)}

编写一个awk函数，比较两个数字的大小

awk –f fun.awk

文件调用函数

awk中调用shell命令：

awk BEGIN'{system(“hostname”) }’

awk ‘BEGIN{score=100; system(“echo your score is ” score) }’