10分钟学会 linux awk命令

简介

awk是一个强大的文本分析工具，相对于grep的查找，sed的编辑，awk在其对数据分析并生成报告时，显得尤其强大。简单来讲awk就是把文件逐行的读入，以空格为默认分隔符将每行切片，切开的部分再进行各类分析处理。

awk有3个不一样版本: awk、nawk和gawk，未做特别说明，通常指gawk，gawk 是 AWK 的 GNU 版本。

awk其名称得自于它的创始人 Alfred Aho 、Peter Weinberger 和 Brian Kernighan 姓氏的首个字母。实际上 AWK 的确拥有本身的语言： AWK 程序设计语言 ， 三位建立者已将它正式定义为“样式扫描和处理语言”。它容许您建立简短的程序，这些程序读取输入文件、为数据排序、处理数据、对输入执行计算以及生成报表，还有无数其余的功能。

使用方法

awk '{pattern + action}' {filenames}

尽管操做可能会很复杂，但语法老是这样，其中 pattern 表示 AWK 在数据中查找的内容，而 action 是在找到匹配内容时所执行的一系列命令。花括号（{}）不须要在程序中始终出现，但它们用于根据特定的模式对一系列指令进行分组。 pattern就是要表示的正则表达式，用斜杠括起来。

awk语言的最基本功能是在文件或者字符串中基于指定规则浏览和抽取信息，awk抽取信息后，才能进行其余文本操做。完整的awk脚本一般用来格式化文本文件中的信息。

一般，awk是以文件的一行为处理单位的。awk每接收文件的一行，而后执行相应的命令，来处理文本。

调用awk

有三种方式调用awk

1.命令行方式
awk [-F field-separator] 'commands' input- file(s)
其中，commands 是真正 awk命令，[-F域分隔符]是可选的。 input- file(s) 是待处理的文件。
在 awk中，文件的每一行中，由域分隔符分开的每一项称为一个域。一般，在不指名-F域分隔符的状况下，默认的域分隔符是空格。

2.shell脚本方式
将全部的 awk命令插入一个文件，并使 awk程序可执行，而后 awk命令解释器做为脚本的首行，一遍经过键入脚本名称来调用。
至关于shell脚本首行的： #!/bin/sh
能够换成： #!/bin/awk

3.将全部的 awk命令插入一个单独文件，而后调用：
awk -f  awk-script- file input- file(s)
其中，-f选项加载 awk-script- file中的 awk脚本，input- file(s)跟上面的是同样的。

本章重点介绍命令行方式。

入门实例

假设last -n 5的输出以下

# last -n 5 仅取出前五行
root pts/1 192.168.1.100 Tue Feb 10 11:21 still logged  in
root pts/1 192.168.1.100 Tue Feb 10 00:46 - 02:28 (01:41)
root pts/1 192.168.1.100 Mon Feb 9 11:41 - 18:30 (06:48)
dmtsai pts/1 192.168.1.100 Mon Feb 9 11:41 - 11:41 (00:00)
root tty1 Fri Sep 5 14:09 - 14:10 (00:01)

若是只是显示最近登陆的5个账号

#last -n 5 | awk '{print $1}'
root
root
root
dmtsai
root

awk工做流程是这样的：读入有’n’换行符分割的一条记录，而后将记录按指定的域分隔符划分域，填充域，$0则表示全部域,$1表示第一个域,$n表示第n个域。默认域分隔符是”空白键” 或 “键”,因此$1表示登陆用户，$3表示登陆用户ip,以此类推。

若是只是显示/etc/passwd的帐户

#cat /etc/passwd |awk -F ':' '{print $1}' 
root
daemon
bin
sys

这种是awk+action的示例，每行都会执行action{print $1}。

-F指定域分隔符为’:’。

若是只是显示/etc/passwd的帐户和帐户对应的shell,而帐户与shell之间以tab键分割

#cat /etc/passwd |awk -F ':' '{print $1"t"$7}'
root /bin/ bash
daemon /bin/ sh
bin /bin/ sh
sys /bin/ sh

若是只是显示/etc/passwd的帐户和帐户对应的shell,而帐户与shell之间以逗号分割,并且在全部行添加列名name,shell,在最后一行添加”blue,/bin/nosh”。

cat /etc/passwd | awk -F ':' 'BEGIN {print "name,shell"} {print $1","$7} END {print "blue,/bin/nosh"}'
name,shell
root,/bin/ bash
daemon,/bin/ sh
bin,/bin/ sh
sys,/bin/ sh
....
blue,/bin/nosh

awk工做流程是这样的：先执行BEGING，而后读取文件，读入有/n换行符分割的一条记录，而后将记录按指定的域分隔符划分域，填充域，$0则表示全部域,$1表示第一个域,$n表示第n个域,随后开始执行模式所对应的动做action。接着开始读入第二条记录······直到全部的记录都读完，最后执行END操做。

搜索/etc/passwd有root关键字的全部行

#awk -F: '/root/' /etc/passwd
root:x:0:0:root:/root:/bin/ bash

这种是pattern的使用示例，匹配了pattern(这里是root)的行才会执行action(没有指定action，默认输出每行的内容)。

搜索支持正则，例如找root开头的: awk -F: ‘/^root/’ /etc/passwd

搜索/etc/passwd有root关键字的全部行，并显示对应的shell

# awk -F: '/root/{print $7}' /etc/passwd 
/bin/ bash

这里指定了action{print $7}

awk内置变量

awk有许多内置变量用来设置环境信息，这些变量能够被改变，下面给出了最经常使用的一些变量。

ARGC 命令行参数个数
ARGV 命令行参数排列
ENVIRON 支持队列中系统环境变量的使用
FILENAME  awk浏览的文件名
FNR 浏览文件的记录数
FS 设置输入域分隔符，等价于命令行 -F选项
NF 浏览记录的域的个数
NR 已读的记录数
OFS 输出域分隔符
ORS 输出记录分隔符
RS 控制记录分隔符

此外,$0变量是指整条记录。$1表示当前行的第一个域,$2表示当前行的第二个域,……以此类推

统计/etc/passwd:文件名，每行的行号，每行的列数，对应的完整行内容:

#awk -F ':' '{print "filename:" FILENAME ",linenumber:" NR ",columns:" NF ",linecontent:"$0}' /etc/passwd
filename:/etc/passwd,linenumber:1,columns:7,linecontent:root:x:0:0:root:/root:/bin/ bash
filename:/etc/passwd,linenumber:2,columns:7,linecontent:daemon:x:1:1:daemon:/usr/sbin:/bin/ sh
filename:/etc/passwd,linenumber:3,columns:7,linecontent:bin:x:2:2:bin:/bin:/bin/ sh
filename:/etc/passwd,linenumber:4,columns:7,linecontent:sys:x:3:3:sys:/dev:/bin/ sh

使用printf替代print,可让代码更加简洁，易读

awk -F ':' '{printf("filename:%10s,linenumber:%s,columns:%s,linecontent:%sn",FILENAME,NR,NF,$0)}'/etc/passwd

print和printf

awk中同时提供了print和printf两种打印输出的函数。

其中print函数的参数能够是变量、数值或者字符串。字符串必须用双引号引用，参数用逗号分隔。若是没有逗号，参数就串联在一块儿而没法区分。这里，逗号的做用与输出文件的分隔符的做用是同样的，只是后者是空格而已。

printf函数，其用法和c语言中printf基本类似,能够格式化字符串,输出复杂时，printf更加好用，代码更易懂。

awk编程

变量和赋值

除了awk的内置变量，awk还能够自定义变量。

下面统计/etc/passwd的帐户人数

awk '{count++;print $0;} END{print "user count is ", count}' /etc/passwd
root:x:0:0:root:/root:/bin/ bash
......
user count  is 40

count是自定义变量。以前的action{}里都是只有一个print,其实print只是一个语句，而action{}能够有多个语句，以;号隔开。

这里没有初始化count，虽然默认是0，可是稳当的作法仍是初始化为0:

awk 'BEGIN {count=0;print "[start]user count is ", count} {count=count+1;print $0;} END{print "[end]user count is ", count}' /etc/passwd
[start]user count  is 0
root:x:0:0:root:/root:/bin/ bash
...
[ end]user count  is 40

统计某个文件夹下的文件占用的字节数

ls -l | awk 'BEGIN {size=0;} {size=size+$5;} END{print "[end]size is ", size}'
[ end]size  is 8657198

若是以M为单位显示:

ls -l | awk 'BEGIN {size=0;} {size=size+$5;} END{print "[end]size is ", size/1024/1024,"M"}'
[ end]size  is 8.25889 M

注意，统计不包括文件夹的子目录。

条件语句

awk中的条件语句是从C语言中借鉴来的，见以下声明方式：

if (expression) {
statement;
statement;
... ...
}

if (expression) {
statement;
}  else {
statement2;
}

if (expression) {
statement1;
}  else  if (expression1) {
statement2;
}  else {
statement3;
}

统计某个文件夹下的文件占用的字节数,过滤4096大小的文件(通常都是文件夹):

ls -l | awk 'BEGIN {size=0;print "[start]size is ", size} {if($5!=4096){size=size+$5;}} END{print "[end]size is ", size/1024/1024,"M"}'
[ end]size  is 8.22339 M

循环语句

awk中的循环语句一样借鉴于C语言，支持while、do/while、for、break、continue，这些关键字的语义和C语言中的语义彻底相同。

数组

由于awk中数组的下标能够是数字和字母，数组的下标一般被称为关键字(key)。值和关键字都存储在内部的一张针对key/value应用hash的表格里。因为hash不是顺序存储，所以在显示数组内容时会发现，它们并非按照你预料的顺序显示出来的。数组和变量同样，都是在使用时自动建立的，awk也一样会自动判断其存储的是数字仍是字符串。通常而言，awk中的数组用来从记录中收集信息，能够用于计算总和、统计单词以及跟踪模板被匹配的次数等等。

显示/etc/passwd的帐户

awk -F ':' 'BEGIN {count=0;} {name[count] = $1;count++;}; END{for (i = 0; i ' /etc/passwd
0 root
1 daemon
2 bin
3 sys
4 sync
5 games
......

这里使用for循环遍历数组

awk编程的内容极多，这里只罗列简单经常使用的用法，更多请参考 http://www.gnu.org/software/gawk/manual/gawk.html

来源：ggjucheng
连接： http://www.cnblogs.com/ggjucheng/archive/2013/01/13/2858470.html