linux文本处理三剑客——awk

一、awk简介

Aho, Weinberger, Kernighan三人联合开发的

报告生成器，格式化文本输出

有多种版本：New awk（nawk），GNU awk（ gawk）

linux上主流版本：gawk – 模式扫描和处理语言

二、gawk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通常是放在单引号或双引号中

选项：

-F 指明输入时用到的字段分隔符

-v var=value: 自定义变量

三、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

四、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"}'

awk –F:  '{print}'  /etc/passwd

awk –F:   '{print “wang”}'   /etc/passwd

awk –F: '{print $1}'   /etc/passwd

awk –F: '{print $0}'  /etc/passwd

awk –F: '{print $1”\t”$3}'  /etc/passwd

tail –3  /etc/fstab |awk '{print $2,$4}'

五、awk变量（内置变量，自定义变量）

  1、内置变量

FS：输入字段分隔符，默认为空白字符

awk -v FS=':'  '{print $1,$3,$7}' /etc/passwd

awk –F:   '{print $1,$3,$7}' /etc/passwd

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

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

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

NF：字段数量

awk  -F： '{print NF}' /etc/fstab,引用内置变量不用$

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

NR：行号

awk '{print NR}'  /etc/fstab ; awk END'{print NR}'  /etc/fstab

FNR：分别列出各文件的行号

awk '{print FNR}'  /etc/fstab /etc/inittab

FILENAME：当前文件名（该文件有多少行打印多个）

awk '{print FILENAME}'  /etc/fstab

ARGC：命令行参数的个数

awk '{print ARGC}'  /etc/fstab /etc/inittab

awk 'BEGIN {print ARGC}'  /etc/fstab /etc/inittab

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

  2、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

awk -v test='hello gawk' 'BEGIN{print test}' 

awk 'BEGIN{test="hello,gawk";print test}' 

六、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

（1）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

（2）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

awk -F: '{printf "%s\n",$1}' /etc/passwd

awk -F: '{printf "Username: %s\n",$1}'  /etc/passwd

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

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

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

七、awk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

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

awk  '$0  !~ /root/'   /etc/passwd

逻辑操作符：与&&，或||，非!

示例：

awk –F: '$3>=0 && $3<=1000 {print $1}' /etc/passwd

awk -F: '$3==0 || $3>=1000 {print $1}' /etc/passwd

awk -F: '!($3==0) {print $1}' /etc/passwd

awk -F: '!($3>=500) {print $3}}' /etc/passwd

八、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>=1000?usertype="Common User":usertype="Sysadmin 

or SysUser";printf "%15s:%-s\n",$1,usertype}' /etc/passwd

九、awk PATTERN

PATTERN:根据pattern条件，过滤匹配的行，再做处理

(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 ; awk  '!1'   /etc/passwd

awk –F: '$3>=1000{print $1,$3}'  /etc/passwd

awk -F: '$3<1000{print $1,$3}'  /etc/passwd

awk -F: '$NF=="/bin/bash"{print $1,$NF}' /etc/passwd

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

awk -F: '/^root/,/^nobody/{print $1}' 

/etc/passwd

awk -F: '(NR>=10&&NR<=20){print NR,$1}' 

/etc/passwd

(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

示例

awk -F : 'BEGIN {print "USER USERID"} {print $1":"$3} END{print "end file"}' /etc/passwd

awk -F : '{print "USER USERID“;print $1":"$3} END{print "end file"}' /etc/passwd

awk -F: 'BEGIN{print "  USER  UID  \n ---------------"}{print $1,$3}' /etc/passwd

awk -F: 'BEGIN{print "  USER UID  \n ---------------"}{print $1,$3}'END{print "=============="} /etc/passwd

seq 10 |awk 'i=0'  

seq 10 |awk 'i=1'

seq 10 | awk 'i=!i'

seq 10 | awk '{i=!i;print i}'   

seq 10 | awk '!(i=!i)'

seq 10 |awk -v i=1 'i=!i'

十、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