Linux：“awk”命令的妙用

awk是一个强大的文本分析工具，简单来讲awk就是把文件逐行读入，（空格，制表符）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。

0、基本用法

awk是一个强大的文本分析工具，简单来讲awk就是把文件逐行读入，（空格，制表符）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命令格式以下

awk [-F field-separator] 'commands' input-file(s)

[-F 分隔符]是可选的，由于awk使用空格，制表符做为缺省的字段分隔符，所以若是要浏览字段间有空格，制表符的文本，没必要指定这个选项，但若是要浏览诸如/etc/passwd文件，此文件各字段以冒号做为分隔符，则必须指明-F选项

echo "this is a test" | awk '{ print $0 }'  
## 输出为  
this is a test

shell读取用户输入的字符串发现|，表明有管道。|左右被理解为简单命令，即前一个（左边）简单命令的标准输出指向后一个（右边）标准命令的标准输入
awk会根据分隔符将行分红若干个字段，$0为整行，$1为第一个字段，$2 为第2个地段，依此类推…
为打印一个字段或全部字段，使用print命令。这是一个awk动做

echo "this is a test" | awk '{ print $1 }'  
## 输出为  
this  
echo "this is a test" | awk '{ print $1, $2 }'  
## 输出为  
this is

/etc/passwd的文件内容以下

root:x:0:0:root:/root:/bin/bash  
bin:x:1:1:bin:/bin:/sbin/nologin  
daemon:x:2:2:daemon:/sbin:/sbin/nologin  
adm:x:3:4:adm:/var/adm:/sbin/nologin  
lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin

举几个简单的小需求

一、只显示/etc/passwd的帐户

awk -F : '{ print $1 }' /etc/passwd  
## 输出为  
root  
bin  
daemon  
adm  
lp

二、显示/etc/passwd的第1列和第7列，用逗号分隔显示，全部行开始前添加列名start1，start7，最后一行添加，end1，end7

awk -F ':' 'BEGIN {print "start1,start7"} {print $1 "," $7} END {print "end1,end7"}' /etc/passwd  
## 输出为  
start1,start7  
root,/bin/bash  
bin,/sbin/nologin  
daemon,/sbin/nologin  
adm,/sbin/nologin  
lp,/sbin/nologin  
end1,end7

BEGIN语句在全部文本处理动做执行以前被执行，END在全部文本处理动做执行以后被执行

三、统计/etc/passwd文件中，每行的行号，每行的列数，对应的完整行内容

awk -F : '{ print NR "  " NF "  " $0 }' /etc/passwd  
## 输出为  
1    7   root:x:0:0:root:/root:/bin/bash  
2    7   bin:x:1:1:bin:/bin:/sbin/nologin  
3    7   daemon:x:2:2:daemon:/sbin:/sbin/nologin  
4    7   adm:x:3:4:adm:/var/adm:/sbin/nologin  
5    7   lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin

一、支持内置变量

上面示例中NR，和NF其实就是awk的内置变量，一些内置变量以下

变量名 解释
FILENAMEawk浏览的文件名
FS设置输入字段分隔符，等价于命令行-F选项
NF 浏览记录的字段个数
NR 已读的记录数

二、支持函数

输出字符串的长度

awk 'BEGIN { print length("this is a text") }'

## 输出为
14
将/etc/passwd的用户名变成大写输出

awk -F ':' '{ print toupper($1) }' /etc/passwd

## 输出为

ROOT  
BIN  
DAEMON  
ADM  
LP

经常使用函数以下

函数名 做用
toupper(s)返回s的大写
tolower(s) 返回s的小写
length(s) 返回s长度
substr(s,p) 返回字符串s中从p开始的后缀部分

三、支持条件操做，正则表达式匹配

显示/etc/passwd中有daemon的行

awk -F ':' '$0 ~ /daemon/' /etc/passwd
## 输出为

daemon:x:2:2:daemon:/sbin:/sbin/nologin 
awk条件操做符

操做符	描述
 小于  小于等于  等于  不等于  匹配正则表达式  不匹配正则表达式<< ===!=~!~

四、支持流程控制语句，类C语言

if while do/while for break continue

输出第一个字段的第一个字符大于d的行

awk -F ':' '{ if ($1 > "d") { print $1 } else { print "-" } }' /etc/passwd

## 输出为

root  
-  
daemon  
-  
lp

能够把流程控制语句放到一个脚本中，而后调用脚本执行，如test.sh的内容以下

{   
    if ($1 > "d") {  
        print $1   
    } else {  
        print "-"   
    }   
}

用以下方式执行，效果同样

awk -F ':' -f test.sh /etc/passwd

## 输出为

root  
-  
daemon  
-  
lp

五、应用场景

小编用awk进行文本分析比较少，主要用来写脚本
如一个weibo-interface-1.0.jar应用，启动脚本以下

start.sh
nohup java -jar weibo-interface-1.0.jar >out 2>&1 &

关闭脚本以下，kill.sh

kill -9 `jps -l | grep 'weibo-interface-1.0.jar' | awk '{print $1}'`

jps -l的输出以下

70208 com.st.kmp.main.KmpService  
31036 com.st.cis.main.BaiduAnalysisService  
66813 weibo-interface-1.0.jar

还有就是关闭hadoop集群的全部DataNode节点（不知道hadoop的能够认为DataNode是一个集群应用），假如一个个机器jps，查看pid，kill。很麻烦，直接写了一个脚本，依次ssh到各个节点，而后执行以下命令便可

kill `jps | grep 'DataNode' | awk '{print $1}'`

jps的输出为

508 DataNode  
31481 JournalNode  
31973 NodeManager