Linux文本处理三剑客之awk（一）

  AWK是一个优良的文本处理工具，Linux及Unix环境中现有的功能最强大的数据处理引擎之一。其名称得自于它的创始人阿尔佛雷德·艾侯、彼得·温伯格和布莱恩·柯林汉姓氏的首个字母。awk经过改进生成的新的版本nawk,gawk，现在默认linux系统下日常使用的是gawk。灵活的应用awk能够让我们的日常运维工作效率得到很大的提高。

一.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通常是被单引号或双引号中，建议使用外面用单引号，里面用双引号

选项：

-F 指明输入时用到的字段分隔符，awk根据指定的符号把输入划分开
-v var=value: 自定义变量

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，awk中默认记录的分割符为换行符，也可以根据实际情况自己指定记录分割符。
• 省略action，则默认执行 print $0 的操作

二.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
grep “^UUID”/etc/fstab |awk ‘{print $2,$4}’

awk变量

变量：内置和自定义变量

FS：输入字段分隔符，默认为空白字符

		awk -v FS=':' '{print $1,FS,$3}’ /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

		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：记录号

		awk ‘{print NR}’ /etc/fstab ; awk END‘{print NR}’ /etc/fstab

FNR：各文件分别计数,记录号

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

FILENAME：当前文件名

		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

[ :] 空格和：都作为分隔符
> df | grep "^/dev/sd" |awk -v FS="[ %]+" '{print $1,$5}' 

自定义变量(区分字符大小写)

(1) -v var=value        
(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}' 
awk –F:‘{sex=“male”;print $1,sex,age;age=18}’ /etc/passwd
cat awkscript
{print script,$1,$2}
awk -F: -f awkscript script=“awk” /etc/passwd

三.printf命令

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

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
- 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 "%-20s %10d\n",$1,$3}' /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

四.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：将字符串转换为数值

字符串操作符：没有符号的操作符，字符串连接

赋值操作符：

=, +=, -=, *=, /=, %=, ^=，++, --

下面两语句有何不同

• awk ‘BEGIN{i=0;print ++i,i}’     
• awk ‘BEGIN{i=0;print i++,i}’
i++ 是先使用i的值，再把i的值加1
++i 是先把i的值加1，再使用i的值

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

示例：

awk -F: '$0 ~ /root/{print $1}‘ /etc/passwd  模式部分用// 括起来
awk '$0~“^root"' /etc/passwd
awk '$0 !~ /root/‘ /etc/passwd
awk -F: ‘$3==0’ /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

条件表达式（三目表达式）

selector ? if-true-expression : if-false-expression 如果条件为真，则执行？后面的语句，如果条件为假，则执行：后面的语句

关系表达式，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 -F: 'i=1;j=1{print i,j}' /etc/passwd
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
awk PATTERN

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

五.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‘   有意思的用法
seq 10 | awk '{i=!i;print i}‘ 
seq 10 | awk ‘!(i=!i)’ 
seq 10 |awk -v i=1 'i=!i'