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 wang90 2 zh 88 1 w 99 2
