大数据兼云计算（王明龙）讲师-LINUX-DAY12-AWK

**

AWK

**
是一种处理文本文件的语言，是一个强大的文本分析工具。
之所以叫AWK是因为其取了三位创始人 Alfred Aho，Peter Weinberger, 和 Brian Kernighan 的Family Name的首字符。

语法
awk [选项参数] ‘script’ var=value file(s)
或
awk [选项参数] -f scriptfile var=value file(s)

选项参数说明：
-F fs or –field-separator fs
指定输入文件折分隔符，fs是一个字符串或者是一个正则表达式，如-F:。

-v var=value or –asign var=value
赋值一个用户定义变量。

-f scripfile or –file scriptfile
从脚本文件中读取awk命令。

-mf nnn and -mr nnn
对nnn值设置内在限制，-mf选项限制分配给nnn的最大块数目；-mr选项限制记录的最大数目。这两个功能是Bell实验室版awk的扩展功能，在标准awk中不适用。

-W compact or –compat, -W traditional or –traditional
在兼容模式下运行awk。所以gawk的行为和标准的awk完全一样，所有的awk扩展都被忽略。

-W copyleft or –copyleft, -W copyright or –copyright
打印简短的版权信息。

-W help or –help, -W usage or –usage
打印全部awk选项和每个选项的简短说明。

-W lint or –lint
打印不能向传统unix平台移植的结构的警告。

-W lint-old or –lint-old
打印关于不能向传统unix平台移植的结构的警告。

-W posix
打开兼容模式。但有以下限制，不识别：/x、函数关键字、func、换码序列以及当fs是一个空格时，将新行作为一个域分隔符；操作符和=不能代替^和^=；fflush无效。

-W re-interval or –re-inerval
允许间隔正则表达式的使用，参考(grep中的Posix字符类)，如括号表达式[[:alpha:]]。

-W source program-text or –source program-text
使用program-text作为源代码，可与-f命令混用。

-W version or –version
打印bug报告信息的版本。

基本用法
log.txt文本内容如下：
2 this is a test
3 Are you like awk
This’s a test
10 There are orange,apple,mongo

用法一：
awk ‘{[pattern] action}’ {filenames} # 行匹配语句 awk ” 只能用单引号
实例：

每行按空格或TAB分割，输出文本中的1、4项

$awk '{print$1,$4}’ log.txt

---

2 a
3 like
This’s
10 orange,apple,mongo

# 格式化输出
$awk '{printf "%-8s %-10s\n",$1,$4}’ log.txt

---

2 a
3 like
This’s
10 orange,apple,mongo

用法二：
awk -F #-F相当于内置变量FS, 指定分割字符

实例：

使用”,”分割

$awk -F, '{print$1,$2}’ log.txt

---

2 this is a test
3 Are you like awk
This’s a test
10 There are orange apple
# 或者使用内建变量
$awk 'BEGIN{FS=","} {print$1,$2}’ log.txt

---

2 this is a test
3 Are you like awk
This’s a test
10 There are orange apple
# 使用多个分隔符.先使用空格分割，然后对分割结果再使用”,”分割
$awk -F '[ ,]' '{print$1,$2,$5}’ log.txt

---

2 this test
3 Are awk
This’s a
10 There apple

用法三：
awk -v # 设置变量

实例：
$awk -va=1 '{print$1,$1+a}’ log.txt

---

2 3
3 4
This’s 1
10 11
$awk -va=1 -vb=s '{print$1,$1+a,$1b}’ log.txt

---

2 3 2s
3 4 3s
This’s 1 This’ss
10 11 10s

用法四：
awk -f {awk脚本} {文件名}
实例：
$ awk -f cal.awk log.txt

运算符 描述
= += -= = /= %= ^= *= 赋值
?: C条件表达式
|| 逻辑或
&& 逻辑与
~ ~! 匹配正则表达式和不匹配正则表达式
< <= > >= != == 关系运算符
空格 连接
+ - 加，减
* / % 乘，除与求余
+ - ! 一元加，减和逻辑非
^ * 求幂
++ – 增加或减少，作为前缀或后缀
$ 字段引用
in 数组成员

过滤第一列大于2的行
$awk '$1>2’ log.txt #命令

输出

3 Are you like awk
This’s a test
10 There are orange,apple,mongo
过滤第一列等于2的行
$awk '$1==2 {print $1,$3}’ log.txt #命令

输出

2 is
过滤第一列大于2并且第二列等于’Are’的行
$awk '$1>2 && $2=="Are" {print$1,$2,$3}’ log.txt #命令

输出

3 Are you

内建变量
变量 描述
$n 当前记录的第n个字段，字段间由FS分隔
$0 完整的输入记录
ARGC 命令行参数的数目
ARGIND 命令行中当前文件的位置(从0开始算)
ARGV 包含命令行参数的数组
CONVFMT 数字转换格式(默认值为%.6g)ENVIRON环境变量关联数组
ERRNO 最后一个系统错误的描述
FIELDWIDTHS 字段宽度列表(用空格键分隔)
FILENAME 当前文件名
FNR 各文件分别计数的行号
FS 字段分隔符(默认是任何空格)
IGNORECASE 如果为真，则进行忽略大小写的匹配
NF 输入字段分割符
NR 已经读出的记录数，就是行号，从1开始
OFMT 数字的输出格式(默认值是%.6g)
OFS 输出记录分隔符（输出换行符），输出时用指定的符号代替换行符
ORS 输出记录分隔符(默认值是一个换行符)
RLENGTH 由match函数所匹配的字符串的长度
RS 记录分隔符(默认是一个换行符)
RSTART 由match函数所匹配的字符串的第一个位置
SUBSEP 数组下标分隔符(默认值是/034)

$ awk ‘BEGIN{printf “%4s %4s %4s %4s %4s %4s %4s %4s %4s\n”,”FILENAME”,”ARGC”,”FNR”,”FS”,”NF”,”NR”,”OFS”,”ORS”,”RS”;printf “———————————————\n”} {printf “%4s %4s %4s %4s %4s %4s %4s %4s %4s\n”,FILENAME,ARGC,FNR,FS,NF,NR,OFS,ORS,RS}’ log.txt

FILENAME ARGC FNR FS NF NR OFS ORS RS

log.txt 2 1 5 1
log.txt 2 2 5 2
log.txt 2 3 3 3
log.txt 2 4 4 4

$ awk -F\’ ‘BEGIN{printf “%4s %4s %4s %4s %4s %4s %4s %4s %4s\n”,”FILENAME”,”ARGC”,”FNR”,”FS”,”NF”,”NR”,”OFS”,”ORS”,”RS”;printf “———————————————\n”} {printf “%4s %4s %4s %4s %4s %4s %4s %4s %4s\n”,FILENAME,ARGC,FNR,FS,NF,NR,OFS,ORS,RS}’ log.txt

FILENAME ARGC FNR FS NF NR OFS ORS RS

log.txt 2 1 ’ 1 1
log.txt 2 2 ’ 1 2
log.txt 2 3 ’ 2 3
log.txt 2 4 ’ 1 4

输出顺序号 NR, 匹配文本行号

$awk '{print NR,FNR,$1,$2,$3}’ log.txt

1 1 2 this is
2 2 3 Are you
3 3 This’s a test
4 4 10 There are

指定输出分割符

$awk '{print $1,$2,$5}' OFS="$ ” log.txt

2 $this$ test
3 $Are$ awk
This’s $a$
10 $There$
使用正则，字符串匹配

输出第二列包含 “th”，并打印第二列与第四列

$awk '$2 ~ /th/ {print $2,$4}’ log.txt

this a
~ 表示模式开始。// 中是模式。

输出包含”re” 的行

$ awk ‘/re/ ’ log.txt

3 Are you like awk
10 There are orange,apple,mongo

忽略大小写

$ awk ‘BEGIN{IGNORECASE=1} /this/’ log.txt

2 this is a test
This’s a test

模式取反

$awk '$2 !~ /th/ {print $2,$4}’ log.txt

Are like
a
There orange,apple,mongo

$awk '!/th/ {print$2,$4}’ log.txt

Are like
a
There orange,apple,mongo

awk脚本
关于awk脚本，我们需要注意两个关键词BEGIN和END。
BEGIN{ 这里面放的是执行前的语句 }
END {这里面放的是处理完所有的行后要执行的语句 }
{这里面放的是处理每一行时要执行的语句}

假设有这么一个文件（学生成绩表）：
$ cat score.txt
Marry 2143 78 84 77
Jack 2321 66 78 45
Tom 2122 48 77 71
Mike 2537 87 97 95
Bob 2415 40 57 62

我们的awk脚本如下：
$ cat cal.awk

!/bin/awk -f

运行前

BEGIN {
math = 0
english = 0
computer = 0

printf "NAME    NO.   MATH  ENGLISH  COMPUTER   TOTAL\n"
printf "---------------------------------------------\n"

}

运行中

{
math+=$3 english+=$4
computer+=$5 printf “%-6s %-6s %4d %8d %8d %8d\n”,$1, $2,$3,$4,$5, $3+$4+$5
}

运行后

END {
printf “———————————————\n”
printf ” TOTAL:%10d %8d %8d \n”, math, english, computer
printf “AVERAGE:%10.2f %8.2f %8.2f\n”, math/NR, english/NR, computer/NR
}
我们来看一下执行结果：
$ awk -f cal.awk score.txt

NAME NO. MATH ENGLISH COMPUTER TOTAL

Marry 2143 78 84 77 239
Jack 2321 66 78 45 189
Tom 2122 48 77 71 196
Mike 2537 87 97 95 279

Bob 2415 40 57 62 159

TOTAL: 319 393 350
AVERAGE: 63.80 78.60 70.00
另外一些实例
AWK的hello world程序为：
BEGIN { print “Hello, world!” }
计算文件大小

$ls -l *.txt | awk '{sum+=$6} END {print sum}’

666581
从文件中找出长度大于80的行
awk ‘lenght>80’ log.txt
打印九九乘法表
seq 9 | sed ‘H;g’ | awk -v RS=” ‘{for(i=1;i<=NF;i++)printf(“%dx%d=%d%s”, i, NR, i*NR, i==NR?”\n”:”\t”)}’