awk是一个强大的文本分析工具,同时也是处理文本的编程语言工具。相对于grep的查找,sed的编辑,awk在其对数据分析并生成报告时,显得尤为强大。简单来说awk就是把文件逐行的读入,以空格为默认分隔符将每行切片,切开的部分再进行各种分析处理。
awk有3个不同版本:
awk
nawk:New awk
gawk:GNU awk
格式:
# awk [options] 'script' file1 file2, ...
# awk [options] 'PATTERN { action }' file1 file2, ...
awk输出:
一、print
print的使用格式:
print item1, item2, ...
要点:
1、各项目之间使用逗号隔开,而输出时则以空白字符分隔;
2、输出的item可以为字符串或数值、当前记录的字段(如$1)、变量或awk的表达式;数值会先转换为字符串,而后再输出;
3、print命令后面的item可以省略,此时其功能相当于print $0,因此,如果想输出空白行,则需要使用print "";
Example:
# awk 'BEGIN {print "line one\nline two\nline three"}'
# awk -F: '{ print $1, $3 }' /etc/passwd
二、awk变量
1、awk内置变量 - 记录变量:
FS:field separator,读取文本时,所使用字段分隔符;
RS:Record separator,输入文本信息所使用的换行符;
OFS:Output Filed Separator,输出字段分隔符;
ORS:Output Row Separator,输出行分隔符;
awk -F:
OFS="#"
FS=":"
Example:
# awk 'BEGIN{OFS=":"} {print $1,$2}' file
2、awk内置变量 - 数据变量:
NR:The number of input records,awk命令所处理的行数;如果有多个文件,这个数目会把处理的多个文件中行统一计数;
NF:Number of Field,统计当前行的字段个数;
FNR:与NR不同的是,FNR用于统计每个文件被处理的行数;
ARGV:数组,保存命令行本身这个字符串,如awk '{print $0}' a.txt b.txt这个命令中,ARGV[0]保存awk,ARGV[1]保存a.txt;
ARGC:awk命令的参数个数;
FILENAME:awk命令所处理的文件名称;
ENVIRON:当前shell环境变量及其值的关联数组;
Example:
# awk 'BEGIN{print ENVIRON["PATH"]}'
3、用户自定义变量
gawk允许用户自定义变量以便在程序代码中使用,变量名命名规则与大多数编程语言相同,只能使用字母、数字和下划线,且不能以数字开头。gawk变量名称区分字符大小写。
3.1、在脚本中赋值变量
在gawk中给变量赋值使用赋值语句进行,例如:
# awk 'BEGIN{var="variable testing";print var}'
3.2、在命令行中使用赋值变量
gawk命令也可以在"脚本"外为变量赋值,并在脚本中进行引用。例如,上述的例子还可以改写为:
# awk -v var="variable testing" 'BEGIN{print var}'
三、printf
printf命令的使用格式:
printf format, item1, item2, ...
要点:
1、其与print命令的最大不同是,printf需要指定format;
2、format用于指定后面的每个item的输出格式;
3、printf语句不会自动打印换行符;\n
format格式的指示符都以%开头,后跟一个字符;如下:
%c:显示字符的ASCII码;
%d, %i:十进制整数;
%e, %E:科学计数法显示数值;
%f:显示浮点数;
%g, %G:以科学计数法的格式或浮点数的格式显示数值;
%s:显示字符串;
%u:无符号整数;
%%:显示%自身;
修饰符:
N:显示宽度;
-:左对齐;
+:显示数值符号;
Example:
# awk -F: '{printf "%-15s %i\n",$1,$3}' /etc/passwd
四、输出重定向
print items > output-file
print items >> output-file
print items | command
特殊文件描述符:
/dev/stdin:标准输入
/dev/sdtout:标准输出
/dev/stderr:错误输出
/dev/fd/N:某特定文件描述符,如/dev/stdin就相当于/dev/fd/0;
Example:
# awk -F: '{printf "%-15s %i\n",$1,$3 > "/dev/stderr" }' /etc/passwd
五、awk的操作符
1、算术操作符:
-x:负值
+x:转换为数值
x^y:x的y次幂
x**y:x的y次方(与x^y一样)
x*y:乘法
x/y:除法
x+y:加法
x-y:减法
x%y:取余
2、字符串操作符:
xy:'x''y'变成'xy',只有一个,而且不用写出来,用于实现字符串连接;
Example:awk 'BEGIN{a="a";b="b";c=(a b);print c}'
3、赋值操作符:
x=y:将y的值赋给x;
x+=y:将x+y的值赋给x;
x-=y:将x-y的值赋给x;
x*=y:将x*y的值赋给x;
x/=y:将x/y的值赋给x;
x%=y:将x%y的值赋给x;
x^=y:将x^y的值赋给x;
x**=y:将x**y的值赋给x;
x++:使用后x+1,相当于x = x + 1;
x--:使用后x-1,相当于x = x - 1;
++x:x+1后使用x,相当于x + 1 = x;
--x:x-1后使用x,相当于x - 1 =x;
# 需要注意的是,如果某模式为=号,此时使用/=/可能会有语法错误,应以/[=]/替代;
4、布尔值:
awk中,任何非0值或非空字符串都为真,反之就为假;
5、比较操作符:
x < y:x小于y;
x <= y:x小于等于y;
x > y:x大于y;
x >= y:x大于等于y;
x == y:x等于y;
x != y:x不等于y;
x ~ /y/:x匹配y;
x !~ /y/:x不匹配y;
6、表达式间的逻辑关系符:
&&:与
||:或
7、条件表达式:
selector?if-true-exp:if-false-exp
Example:
awk -F: '{printf ("%s is %s user\n",$1,($3>=500?"normal":"system"))}' /etc/passwd
相当于:
if selector; then
if-true-exp
else
if-false-exp
fi
8、函数调用:
function_name (para1,para2)
六、awk的模式
awk 'program' input-file1 input-file2 ...
其中的program为:
pattern { action }
pattern { action }
...
1、常见的模式类型:
1.1、Regexp:正则表达式,格式为/regular expression/
1.2、expresssion:表达式,其值非0或为非空字符时满足条件,如:$1 ~ /foo/ 或 $1 == "root",用运算符~(匹配)和!~(不匹配);
1.3、Ranges: 指定的匹配范围,格式为pat1,pat2;
1.4、BEGIN/END:特殊模式,仅在awk命令执行前运行一次或结束前运行一次;
1.5、Empty(空模式):匹配任意输入行;
示例:
正则表达式:
# awk -F: '/^r/{print $1}' /etc/passwd
# awk -F: '$3>=500{print $1,$3}' /etc/passwd
表达式:
# awk -F: '$7~"bash$"{print $1,$7}' /etc/passwd
# awk -F: '$7!~"bash$"{print $1,$7}' /etc/passwd
# awk -F: '$7=="/bin/bash"{print $1,$7}' /etc/passwd
匹配范围:
# awk -F: '$3==0,$7~"nologin"{print $1,$3,$7}' /etc/passwd
特殊模式:
# awk -F: 'BEGIN{print "USERNAME ID Shell"}$3==0,$7~"nologin"{printf "%-10s%-10s%-10s\n",$1,$3,$7}' /etc/passwd
# awk -F: 'BEGIN{print "USERNAME ID Shell"}{printf "%-20s%-10s%-10s\n",$1,$3,$7}' /etc/passwd
# awk -F: 'BEGIN{print "USERNAME ID Shell"}{printf "%-20s%-10s%-10s\n",$1,$3,$7}END{print "END OF REPORT."}' /etc/passwd
空模式:
# awk -F: '{printf "%-20s%-10s%-10s\n",$1,$3,$7}' /etc/passwd
2、常见的Action
2.1、Expressions:表达式
2.2、Control statements:控制语句
2.3、Compound statements:复合语句
2.4、Input statements:输入语句
2.5、Output statements:输出语句
/正则表达式/:使用通配符的扩展集。
关系表达式:可以用下面运算符表中的关系运算符进行操作,可以是字符串或数字的比较,如$2>%1选择第二个字段比第一个字段长的行。
模式匹配表达式:
模式,模式:指定一个行的范围。该语法不能包括BEGIN和END模式。
BEGIN:让用户指定在第一条输入记录被处理之前所发生的动作,通常可在这里设置全局变量。
END:让用户在最后一条输入记录被读取之后发生的动作。
七、控制语句
1、if-else
语法:if (condition) {then-body} else {[ else-body ]}
Example:
# awk -F: '{if ($1=="root") print $1, "Admin"; else print $1, "Common User"}' /etc/passwd
# awk -F: '{if ($1=="root") printf "%-15s: %s\n", $1,"Admin"; else printf "%-15s: %s\n", $1, "Common User"}' /etc/passwd
# awk -F: -v sum=0 '{if ($3>=500) sum++}END{print sum}' /etc/passwd
2、while(循环字段,做字段处理)
语法: while (condition) {statement1; statment2; ...}
# awk -F: '{i=1;while (i<=3) {print $i;i++}}' /etc/passwd
# awk -F: '{i=1;while (i<=NF) {if (length($i)>=4) print $i;i++}}' /etc/passwd
3、do-while
语法: do {statement1, statement2, ...} while (condition)
# awk -F: '{i=1;do {print $i;i++}while(i<=3)}' /etc/passwd
4、for
语法: for ( variable assignment; condition; iteration process) { statement1, statement2, ...}
# awk -F: '{for(i=1;i<=3;i++) print $i}' /etc/passwd
# awk -F: '{for(i=1;i<=NF;i++) { if (length($i)>=4) {print $i}}}' /etc/passwd
for循环还可以用来遍历数组元素:
语法: for (i in array) {statement1, statement2, ...}
# awk -F: '$NF!~/^$/{BASH[$NF]++}END{for(A in BASH){printf "%-15s:%i\n",A,BASH[A]}}' /etc/passwd
5、case
语法:switch (expression) { case VALUE or /REGEXP/: statement1, statement2,... default: statement1, ...}
6、break 和 continue
常用于循环或case语句中。
7、next
提前结束对本行文本的处理,并接着处理下一行;例如,下面的命令将显示其ID号为奇数的用户:
# awk -F: '{if($3%2==0) next;print $1,$3}' /etc/passwd
八、awk中使用数组
1、数组
array[index-expression]
index-expression可以使用任意字符串;需要注意的是,如果某数据组元素事先不存在,那么在引用其时,awk会自动创建此元素并初始化为空串;因此,要判断某数据组中是否存在某元素,需要使用index in array的方式。
要遍历数组中的每一个元素,需要使用如下的特殊结构:
for (var in array) { statement1, ... }
其中,var用于引用数组下标,而不是元素值;
Example:统计每个shell出现的次数;
# awk -F: '{shell[$NF]++}END{for(i in shell) {print i,shell[i]}}' /etc/passwd
# netstat -ant | awk '/^tcp/ {++S[$NF]} END {for(a in S) print a, S[a]}'
# netstat -atn | awk '/^tcp/ {S[$NF]++} END {for (i in S) {print i,S[i]}}'
每出现一被/^tcp/模式匹配到的行,数组S[$NF]就加1,NF为当前匹配到的行的最后一个字段,此处用其值做为数组S的元素索引;
# awk '{counts[$1]++} END {for(ip in counts) print counts[ip], ip}' /var/log/httpd/access_log
用法与上一个例子相同,用于统计某日志文件中IP地的访问量;
2、删除数组变量
从关系数组中删除数组索引需要使用delete命令。使用格式为:
delete array[index]
九、awk的内置函数
split(string, array [, fieldsep [, seps ] ])
功能:将string表示的字符串以fieldsep为分隔符进行分隔,并将分隔后的结果保存至array为名的数组中;数组下标为从0开始的序列;
# netstat -ant | awk '/:80\>/{split($5,clients,":");IP[clients[1]]++}END{for(i in IP){print IP[i],i}}' | sort -rn | head -50
length([string])
功能:返回string字符串中字符的个数;
substr(string, start [, length])
功能:取string字符串中的子串,从start开始,取length个;start从1开始计数;
system(command)
功能:执行系统command并将结果返回至awk命令;
systime()
功能:取系统当前时间;
tolower(s)
功能:将s中的所有字母转为小写;
toupper(s)
功能:将s中的所有字母转为大写;
十、用户自定义函数
自定义函数使用function关键字。格式如下:
function F_NAME([variable])
{
statements
}
函数还可以使用return语句返回值,格式为“return value”。