Linux之awk

Linux中有三种主要的文本处理工具，分别是grep，sed和awk，其中grep是文本过滤工具，sed是文本行编辑器，awk是报表生成器，今天咱们主要来探讨awk。

awk有nawk，gawk等多种版本，如今默认linux系统下的awk是gawk，也就是咱们经常使用的awk，而在linux系统中gawk自己就是awk的连接文件，因此下文所说awk均为gawk。

 

一．大体功能

awk是一种用于处理文本的编程语言工具，在不少方面相似于shell编程语言，它支持条件判断，数组，循环等各类编程语言中全部可使用的功能，因此在必定程度上咱们能够把awk称为一种脚本语言解释器，因为awk在处理文本的时候一次读取一行，并根据分隔符进行切片，因此awk能够对文本中的特定片断进行各类加工处理，例如计数，运算等

 

二．用法格式

awk有三种运行方式，分别是如下三种

1.脚本

awk [options] ‘program’ var=value file

2.程序文件

awk [options] -f programfile var=value file

3.命令行

awk [options] 'BEGIN{ action;… } pattern{ action;… } END{ action;… }' file

 

其中的[options]：

-F 指明输入时用到的字段分隔符

-v var=value: 自定义变量赋值

awk的前两种运行方式直接调用文件或脚本，很少作解释，如下重点讨论awk的命令行用法

awk的命令行用法中，其格式由[options]，BEGIN，pattern和END组成，其中[options]主要用于定义分隔符和定义变量，BEGIN是第一步仅且只执行一次的动做能够不写，pattern部分决定定动做语句什么时候触发及触发事件，以及触发什么事件，END是最后一步仅且只执行一次的动做，也可不写。

 

三．awk工做原理

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，而后执行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，直到文件所有被读取完毕。

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以前被执行，这是一个可选的语句块，好比变量初始化、打印输出表格的表头等语句一般能够写在BEGIN语句块中

END语句块在awk从输入流中读取完全部的行以后即被执行，好比打印全部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。若是没有提供pattern语句块，则默认执行{ print }，即打印每个读取到的行，awk读取的每一行都会执行该语句块

 

awk执行时，由分隔符分隔的字段（域）标记$1,$2..$n称为域标识

$0为全部域，注意：和shell中变量$符含义不一样

文件的每一行称为记录

省略action，则默认执行 print $0 的操做，也就是打印整个记录

 

四．变量

awk中变量分为内置变量和自定义变量，自定义变量顾名思义就是咱们本身定义的变量，而内置变量则是awk为方便咱们的使用为咱们提早准备号的变量,在定义变量时，建议在[options]部分定义内置变量

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，原换行符仍有效

 

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：行号

 

FNR：各文件分别计数,行号

 

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

 

自定义变量：

在awk中定义自定义变量时若在[options]部分则直接用-v var=value（-v a=123）这样的方式定义便可，若在program中定义，需用“；”隔开，因为当value为数值时能够直接定义但value为带空格的字符串时没法识别因此建议在定义变量时用引号将value引发

 

五．printf/print

print

print格式： print item1, item2, ...

要点：

(1) 逗号分隔符

(2) 输出的各item能够字符串，也能够是数值；当前记录的字段、变量或awk的表达式

(3) 如省略item，至关于print $0

示例：

awk ‘{print "hello,awk"}'

awk –F: ‘{print}' /etc/passwd

awk –F: ‘{print “wang”}’ /etc/passwd

 

printf

按照格式输出，书写时先写目标格式，再在后面补上内容

printf格式：printf “FORMAT”, item1, item2, ...

要点：

(1) 因为printf是格式化输出因此必须指定FORMAT

(2) 不会自动换行，须要显式给出换行控制符，\n

(3) FORMAT中须要分别为后面每一个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 表示一个三位的一位小数的浮点数

-: 左对齐（默认右对齐） %-15s 表示这一部分左对齐并去字符宽度为15，不足则空格补齐

+：显示数值的正负符号 %+d

示例：

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

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

 

六．操做符

awk中支持各类操做符

算术操做符：

x+y, x

-y, x*y, x/y, x^y, x%y

-x: 转换为负数

+x: 转换为数值

赋值操做符：

=, +=,

-=, *=, /=, %=, ^=

++, --

逻辑操做符：与&&，或||，非!

比较操做符：

==, !=, >, >=, <, <=

模式匹配符：

~：左边是否和右边匹配（!~：是否不匹配）其中右边要匹配的部分要用“”或者//括起来

awk–F: ‘$0 ~ /root/{print $1}’ /etc/passwd

awk ‘$0~“^root"' /etc/passwd

awk ‘$0 !~ /root/’ /etc/passwd

 

七．awk action

awk有如下几种经常使用action

(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

因为其余的action在上面都有介绍因此这里主要讲述控制语句而组合语句则是多种action的组合

 1.控制语句if-else

if语句经常使用于对awk取得的某个字段进行条件判断

格式：if(condition1){statement1}else if(condition2){statement2}

else{statement3}

例如：

用awk读取/etc/passwd 输出系统用户和普通用户

awk -F: ‘{if($3>=1000) {printf "Common user: %s\n",$1} else {printf

"root or Sysuser: %s\n",$1}}' /etc/passwd

2.控制语句while

while经常使用于对同行内多个字段逐一处理和对数组个元素逐一处理

格式：while(condition){statement;…}

例如：

用awk读取/etc/grub2.cfg 输出以任意空格加linux16做为开头的行的全部字段的长度

其中length（）是一个awk的内置函数

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

3.控制语句for

for语句功能和while基本相同，一样可用于遍历数组

格式：for(variable assignment;condition;iteration process) {for-body}

例如：

用for代替上面的while输出以任意空格加linux16做为开头的行的全部字段的长度

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

4.控制语句break/continue/next

awk中的break和continue同shell脚本中的功能同样，break跳出当前层的循环，continue跳过本次循环直接进入下一次，固然能够在break和continue跟上数字以表示跳出的循环个数，默认为1.而next则是跳出awk自己的循环，即直接进入下一行的循环。

例如：

awk '{for (i=1;i<3;i++){if (i==2){break}else{print i}}}' /etc/passwd这个循环中break直接跳出当前的for循环直接进入下一行的循环，若是把break换成continue则是跳出本次循环，直接进入i=3时的循环而后才进入下一行的循环。若是把break换成next则是直接进入下一行的循环，因为这个awk语句中除了awk自己的循环只有一层循环因此在这条语句中break和next做用相同。

 

八．数组

awk中数组一般是以字符串为下标的，其他和shell脚本中的数组基本相同

awk的数组通常写在pattern中，以遍历整个文件，而后在END中经过循环输出咱们的数组

例如：

计算/etc/passwd中各类默认shell的个数，其中默认shell是这个文件每行的第七个域，在pattern部分直接以默认shell为数组下表，在awk循环遍历整个文件时，每遇到一种shell就在line数组中建立一个对应的下标，并让这个下标对应的值加一，以后每遇到一次都加一，而后在END部分经过for循环遍历输出每一个下标及其对应的值，也就是出现的次数

awk -F: ‘{line[$7]++}END{for(i in line){print i,line[i]}}' /etc/passwd