以下知识点可能有不对之处,请参考最新Awk学习文章:http://lizhenliang.blog.51cto.com/7876557/1892112


知识点:

1)数组

数组是用来存储一系列值的变量,可通过索引来访问数组的值。

Awk中数组称为关联数组,因为它的下标(索引)可以是数字也可以是字符串。

下标通常称为键,数组元素的键和值存储在Awk程序内部的一个表中,该表采用散列算法,因此数组元素是随机排序。

数组格式:array[index]=value


1、Nginx日志分析

    日志格式:'$remote_addr - $remote_user [$time_local] "$request" $status $body_bytes_sent "$http_referer" "$http_user_agent" "$http_x_forwarded_for"'

    日志记录:27.189.231.39 - - [09/Apr/2016:17:21:23 +0800] "GET /Public/index/images/icon_pre.png HTTP/1.1" 200 44668 "http://www.test.com/Public/index/css/global.css" "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/44.0.2403.157 Safari/537.36" "-"

    1)统计日志中访问最多的10个IP

        思路:对第一列进行去重,并输出出现的次数

        方法1:$ awk '{a[$1]++}END{for(i in a)print a[i],i|"sort -k1 -nr|head -n10"}' access.log

        方法2:$ awk '{print $1}' access.log |sort |uniq -c |sort -k1 -nr |head -n10

        说明:a[$1]++ 创建数组a,以第一列作为下标,使用运算符++作为数组元素,元素初始值为0。处理一个IP时,下标是IP,元素加1,处理第二个IP时,下标是IP,元素加1,如果这个IP已经存在,则元素再加1,也就是这个IP出现了两次,元素结果是2,以此类推。因此可以实现去重,统计出现次数。

    2)统计日志中访问大于100次的IP

        方法1:$ awk '{a[$1]++}END{for(i in a){if(a[i]>100)print i,a[i]}}' access.log

        方法2:$ awk '{a[$1]++;if(a[$1]>100){b[$1]++}}END{for(i in b){print i,a[i]}}' access.log

        说明:方法1是将结果保存a数组后,输出时判断符合要求的IP。方法2是将结果保存a数组时,并判断符合要求的IP放到b数组,最后打印b数组的IP。

    3)统计2016年4月9日一天内访问最多的10个IP

        思路:先过滤出这个时间段的日志,然后去重,统计出现次数

        方法1:$ awk '$4>="[9/Apr/2016:00:00:01" && $4<="[9/Apr/2016:23:59:59" {a[$1]++}END{for(i in a)print a[i],i|"sort -k1 -nr|head -n10"}' access.log

        方法2:$ sed -n '/\[9\/Apr\/2016:00:00:01/,/\[9\/Apr\/2016:23:59:59/p' access.log |sort |uniq -c |sort -k1 -nr |head -n10  #前提开始时间与结束时间日志中必须存在

    4)统计当前时间前一分钟的访问数

        思路:先获取当前时间前一分钟对应日志格式的时间,再匹配统计

        $ date=$(date -d '-1 minute' +%d/%b/%Y:%H:%M);awk -vdate=$date '$0~date{c++}END{print c}' access.log

        $ date=$(date -d '-1 minute' +%d/%b/%Y:%H:%M);awk -vdate=$date '$4>="["date":00" && $4<="["date":59"{c++}END{print c}' access.log

        $ grep -c $(date -d '-1 minute' +%d/%b/%Y:%H:%M) access.log

        说明:date +%d/%b/%Y:%H:%M --> 09/Apr/2016:01:55

    5)统计访问最多的前10个页面($request)

        $ awk '{a[$7]++}END{for(i in a)print a[i],i|"sort -k1 -nr|head -n10"}' access.log

    6)统计每个URL访问内容的总大小($body_bytes_sent)

        $ awk '{a[$7]++;size[$7]+=$10}END{for(i in a)print a[i],size[i],i}' access.log

    7)统计每个IP访问状态码数量($status)

        $ awk '{a[$1" "$9]++}END{for(i in a)print i,a[i]}' access.log

    8)统计访问状态码为404的IP及出现次数

        $ awk '{if($9~/404/)a[$1" "$9]++}END{for(i in a)print i,a[i]}' access.log

2、两个文件对比

    文件内容如下:

    $ cat a

    1

    2

    3

    4

    5

    6

    $ cat b

    3

    4

    5

    6

    7

    8

    1)找出相同记录

        方法1:$ awk 'FNR==NR{a[$0];next}($0 in a)' a b

        3

        4

        5

        6

        解释前,先看下FNR和NR区别:

        $ awk '{print NR,$0}' a b

        1 1

        2 2

        3 3

        4 4

        5 5

        6 6

        7 3

        8 4

        9 5

        10 6

        11 7

        12 8

        $ awk '{print FNR,$0}' a b

        1 1

        2 2

        3 3

        4 4

        5 5

        6 6

        1 3

        2 4

        3 5

        4 6

        5 7

        6 8

        可以看出NR是处理一行记录,编号就会加1,同时也可以看到awk将两个文件当成一个合并后的文件处理。

        而FNR则是处理一行记录,编号也会加1,但是,处理到第二个文件时,编号重新计数。

        说明:FNR和NR是内置变量。FNR==NR常用于对两个文件处理,这个例子可以理解为awk将两个文件当成一个文件处理。

        处理a文件时,FNR是等于NR的,条件为真,执行a[$0],next表达式,意思是将每条记录存放到a数组作为下标(无元素),next是跳出,类似于continue,不执行后面表达式。

        执行过程以此类推,直到处理b件时,FNR不等于NR(FNR重新计数是1,NR继续加1是7),条件为假,不执行后面a[$0],next表达式,直接执行($0 in a)表达式,这句意思是处理b文件第一条继续判断是否在a数组中,如果在则打印这条记录,以此类推。

        这样可能更好理解些:

        $ awk 'FNR==NR{a[$0]}NR>FNR{if($0 in a)print $0}' a b

        方法2:

        $ awk 'FNR==NR{a[$0]=1;next}(a[$0])' a b   #小括号可以不加

        $ awk 'FNR==NR{a[$0]=1;next}(a[$0]==1)' a b

        $ awk 'FNR==NR{a[$0]=1;next}{if(a[$0]==1)print}' a b

        $ awk 'FNR==NR{a[$0]=1}FNR!=NR&&a[$0]==1' a b

        说明:先要知道后面的a[$0]不是一个数组,而是通过下标(b文件每条记录)来访问a数组元素。如果a[b的一行记录]获取的a数组元素是1,则为真,也就是等于1,打印这条记录,否则获取不到元素,则为假。

        方法3:

        $ awk 'ARGIND==1{a[$0]=1}ARGIND==2&&a[$0]==1' a b

        $ awk 'FILENAME=="a"{a[$0]=1}FILENAME=="b"&&a[$0]==1' a b

        说明:ARGIND内置变量,处理文件标识符,第一个文件为1,第二个文件为2。FILENAME也是内置变量,表示输入文件的名字

        方法4:$ sort a b |uniq -d

        方法5:$ grep -f a b

    2)找不同记录(同上,取反)

        $ awk 'FNR==NR{a[$0];next}!($0 in a)' a b

        $ awk 'FNR==NR{a[$0]=1;next}!a[$0]' a b

        $ awk 'ARGIND==1{a[$0]=1}ARGIND==2&&a[$0]!=1' a b

        $ awk 'FILENAME=="a"{a[$0]=1}FILENAME=="b"&&a[$0]!=1' a b

        7

        8

        方法2:$ sort a b |uniq -d

        方法3:$ grep -vf a b

3、合并两个文件

    1)将d文件性别合并到c文件

        $ cat c

        zhangsan 100

        lisi 200

        wangwu 300

        $ cat d

        zhangsan man

        lisi woman

        方法1:$ awk  'FNR==NR{a[$1]=$0;next}{print a[$1],$2}' c d

        zhangsan 100  man

        lisi 200 woman

        wangwu 300 man

        方法2:$ awk  'FNR==NR{a[$1]=$0}NR>FNR{print a[$1],$2}' c d

        说明:NR==FNR匹配第一个文件,NR>FNR匹配第二个文件,将$1为数组下标

        方法3:$ awk 'ARGIND==1{a[$1]=$0}ARGIND==2{print a[$1],$2}' c d

    2)将a.txt文件中服务名称合并到一个IP中

    $ cat a.txt

    192.168.2.100 : httpd

    192.168.2.100 : tomcat

    192.168.2.101 : httpd

    192.168.2.101 : postfix

    192.168.2.102 : mysqld

    192.168.2.102 : httpd

    $ awk -F: -vOFS=":" '{a[$1]=a[$1] $2}END{for(i in a)print i,a[i]}' a.txt

    $ awk -F: -vOFS=":" '{a[$1]=$2 a[$1]}END{for(i in a)print i,a[i]}' a.txt

    192.168.2.100 : httpd  tomcat

    192.168.2.101 : httpd  postfix

    192.168.2.102 : mysqld  httpd

    说明:a[$1]=$2 第一列为下标,第二个列是元素,后面跟的a[$1]是通过第一列取a数组元素(服务名),结果是$1=$2 $2,并作为a数组元素。

    3)将第一行附加给下面每行开头

    $ cat a.txt

    xiaoli

    a 100

    b 110

    c 120

    $ awk 'NF==1{a=$0;next}{print a,$0}' a.txt

    $ awk 'NF==1{a=$0}NF!=1{print a,$0}' a.txt

    xiaoli  a 100

    xiaoli  b 110

    xiaoli  c 120

4、倒叙列打印文本

    $ cat a.txt

    xiaoli   a 100

    xiaoli   b 110

    xiaoli   c 120

    $ awk '{for(i=NF;i>=1;i--){printf "%s ",$i}print s}' a.txt

    100 a xiaoli

    110 b xiaoli

    120 c xiaoli

    $ awk '{for(i=NF;i>=1;i--)if(i==1)printf $i"\n";else printf $i" "}' a.txt

    说明:利用NF降序输出,把最后一个域作为第一个输出,然后自减,print s或print ""打印一个换行符

5、从第二列打印到最后

    方法1:$ awk '{for(i=2;i<=NF;i++)if(i==NF)printf $i"\n";else printf $i" "}' a.txt

    方法2:$ awk '{$1=""}{print $0}' a.txt

    a 100

    b 110

    c 120

6、将c文件中第一列放到到d文件中的第三列

    $ cat c

    a

    b

    c

    $ cat d

    1 one

    2 two

    3 three

    方法1:$ awk 'FNR==NR{a[NR]=$0;next}{$3=a[FNR]}1' c d

    说明:以NR编号为下标,元素是每行,当处理d文件时第三列等于获取a数据FNR(重新计数1-3)编号作为下标。

    方法2:$ awk '{getline f<"c";print $0,f}' d

    1 one a

    2 two b

    3 three c

    1)替换第二列

    $ awk '{getline f<"c";gsub($2,f,$2)}1' d

    1 a

    2 b

    3 c

    2)替换第二列的two

    $ awk '{getline f<"c";gsub("two",f,$2)}1' d

    1 one

    2 b

    3 three

7、数字求和

    方法1:$ seq 1 100 |awk '{sum+=$0}END{print sum}'

    方法2:$ awk 'BEGIN{sum=0;i=1;while(i<=100){sum+=i;i++}print sum}'

    方法3:$ awk 'BEGIN{for(i=1;i<=100;i++)sum+=i}END{print sum}' /dev/null

    方法4:$ seq -s + 1 100 |bc

8、每隔三行添加一个换行符或内容

    方法1:$ awk '$0;NR%3==0{printf "\n"}' a

    方法2:$ awk '{print NR%3?$0:$0"\n"}' a

    方法3:$ sed '4~3s/^/\n/' a

9、字符串拆分

    方法1:

    $ echo "hello" |awk -F '' '{for(i=1;i<=NF;i++)print $i}'

    $ echo "hello" |awk -F '' '{i=1;while(i<=NF){print $i;i++}}'

    h

    e

    l

    l

    o

    方法2:

    $ echo "hello" |awk '{split($0,a,"''");for(i in a)print a[i]}'  #无序

    l

    o

    h

    e

    l

10、统计字符串中每个字母出现的次数

    $ echo a,b.c.a,b.a |tr "[,. ]" "\n" |awk -F '' '{for(i=1;i<=NF;i++)a[$i]++}END{for(i in a)print i,a[i]|"sort -k2 -rn"}'

    a 3

    b 2

    c 1

11、第一列排序

    $ awk '{a[NR]=$1}END{s=asort(a,b);for(i=1;i<=s;i++){print i,b[i]}}' a.txt

    说明:以每行编号作为下标值为$1,并将a数组值放到数组b,a下标丢弃,并将asort默认返回值(原a数组长度)赋值给s,使用for循环小于s的行号,从1开始到数组长度打印排序好的数组。

12、删除重复行,顺序不变

    $ awk '!a[$0]++' file


博客地址:http://lizhenliang.blog.51cto.com

QQ群:323779636(Shell/Python运维开发群


13、删除指定行

    删除第一行:

    $ awk 'NR==1{next}{print $0}' file #$0可省略

    $ awk 'NR!=1{print}' file

    $ sed '1d' file

    $ sed -n '1!p' file

14、在指定行前后加一行

    在第二行前一行加txt:

    $ awk 'NR==2{sub('/.*/',"txt\n&")}{print}' a.txt

    $ sed'2s/.*/txt\n&/' a.txt

    在第二行后一行加txt:

    $ awk 'NR==2{sub('/.*/',"&\ntxt")}{print}' a.txt

    $ sed'2s/.*/&\ntxt/' a.txt

15、通过IP获取网卡名

    $ ifconfig |awk -F'[: ]' '/^eth/{nic=$1}/192.168.18.15/{print nic}'

16、浮点数运算(数字46保留小数点)

    $ awk 'BEGIN{print 46/100}'

    $ awk 'BEGIN{printf "%.2f\n",46/100}'

    $ echo 46|awk '{print $0/100}'

    $ echo 'scale=2;46/100' |bc|sed 's/^/0/'

    $ printf "%.2f\n" $(echo "scale=2;46/100" |bc)

    结果:0.46

17、替换换行符为逗号

    $ cat a.txt

    1

    2

    3

    替换后:1,2,3

    方法1:

    $ awk '{s=(s?s","$0:$0)}END{print s}' a.txt

    说明:三目运算符(a?b:c),第一个s是变量,s?s","$0:$0,第一次处理1时,s变量没有赋值初值是0,0为假,结果打印1,第二次处理2时,s值是1,为真,结果1,2。以此类推,小括号可以不写。

    方法2:

    $ tr '\n' ',' < a.txt

    方法3:

    $ sed ':a;N;s/\n/,/;$!b a' a.txt

    说明:第一个标签a,先读取第一行记录1追加到模式空间,此时模式空间内容是1$,执行$!b($!最后一行不跳转,b是控制流跳转命令)跳转到a标签,继续读取第二行记录2追加到模式空间,因为使用N命令,每个记录以换行符(\n)分割,此时模式空间内容是1\n2$,执行将换行符替换逗号命令,继续跳转到a标签...

    方法4:

    $ sed ':a;$!N;s/\n/,/;t a' a.txt

    说明:与上面类似,其中t是测试命令,当上一个命令(替换)执行成功才跳转。

    方法5:

    $ awk '{if($0!=3)printf "%s,",$0;else print $0}' a.txt

    说明:3是文本最后一个数

    方法6:

    while read line; do

        a+=($line)

    done < a.txt

    echo ${a[*]} |sed 's/ /,/g'

    说明:将每行放到数组,然后替换

18、把奇数换行符去掉

    $ cat b.txt

    string

    number

    a

    1

    b

    2

    $ awk 'ORS=NR%2?"\t":"\n"' b.txt  #把奇数行换行符去掉

    $ xargs -n2 < a.txt  #将两个字段作为一行

    string number

    a 1

    b 2

19、费用统计

    $ cat a.txt

    姓名             费用   数量

    zhangsan        8000    1

    zhangsan        5000    1

    lisi            1000    1

    lisi            2000    1

    wangwu          1500    1

    zhaoliu         6000    1

    zhaoliu         2000    1

    zhaoliu         3000    1

    统计每人总费用、总数量:

    $ awk '{name[$1]++;number[$1]+=$3;money[$1]+=$2}END{for(i in name)print i,number[i],money[i]}' a.txt

    zhaoliu 3 11000

    zhangsan 2 13000

    wangwu 1 1500

    lisi 2 3000

20、打印乘法口诀

    方法1:

    $ awk 'BEGIN{for(n=0;n++<9;){for(i=0;i++<n;)printf i"x"n"="i*n" ";print ""}}'

    1x1=1

    1x2=2 2x2=4

    1x3=3 2x3=6 3x3=9

    1x4=4 2x4=8 3x4=12 4x4=16

    1x5=5 2x5=10 3x5=15 4x5=20 5x5=25

    1x6=6 2x6=12 3x6=18 4x6=24 5x6=30 6x6=36

    1x7=7 2x7=14 3x7=21 4x7=28 5x7=35 6x7=42 7x7=49

    1x8=8 2x8=16 3x8=24 4x8=32 5x8=40 6x8=48 7x8=56 8x8=64

    1x9=9 2x9=18 3x9=27 4x9=36 5x9=45 6x9=54 7x9=63 8x9=72 9x9=81

    方法2:

    #!/bin/bash

    for ((i=1;i<=9;i++)); do

       for ((j=1;j<=i;j++)); do

         result=$(($i*$j))

         #let "result=i*j"

         echo -n "$i*$j=$result "

       done

       echo

    done

21、只打印奇数或偶数行

    打印奇数行:

    方法1:

    $ seq 1 5 |awk 'i=!i'

    说明:先知道对于数值运算,未定义变量初值为0,对于字符运算,未定义变量初值为空字符串。

    读取第一行记录,然后进行模式匹配,i是未定义变量,也就是i=!0,!取反意思。感叹号右边是个布尔值,0或空字符串为假,非0或非空字符串为真,!0就是真,因此i=1,条件为真打印第一条记录。

    没有print为什么会打印呢?因为模式后面没有动作,默认会打印整条记录。

    读取第二行记录,进行模式匹配,因为上次i的值由0变成了1,此时就是i=!1,条件为假不打印。

    读取第三行记录,因为上次条件为假,i恢复初值为0,继续打印。以此类推...

    可以看出,运算时并没有判断记录,而是利用布尔值真假判断。

    方法2:

    $ seq 1 5 |awk 'NR%2!=0'

    方法3:

    $ seq 1 5 |sed -n '1~2p'

    说明:步长,每隔一行打印一次

    方法4:

    $ seq 1 5 |sed -n 'p;n'

    说明:先打印第一行,执行n命令读取当前行的下一行2,放到模式空间,后面再没有打印模式空间行操作,所以只保存不打印,同等方式继续打印第三行。

    1

    3

    5

    打印偶数行:

    $ seq 1 5 |awk '!(i=!i)'

    $ seq 1 5 |awk 'NR%2==0'

    $ seq 1 5 |sed -n '0~2p'

    $ seq 1 5 |sed -n 'n;p'

    说明:读取当前行的下一行2,放到模式空间,使用p命令打印模式空间的行,输出2。