awk是行处理器: 相比较屏幕处理的优点,在处理庞大文件时不会出现内存溢出或处理缓慢的问题,常用来格式化文本信息。
awk处理过程: 依次对每一行进行处理,然后输出。①读取被匹配到的行数据;②按照输入分隔符将整行数据分成n段;③将每一段保存到awk的内置变量,依次为$1~$n;④格式化输出;全部输出使用$0

1. awk 命令形式

awk [-F|-f|-v] 'BEGIN{} //{command1; command2} END{}' file

[-F|-f|-v]-F指定分隔符,-f调用脚本,-v定义变量 var=value
' ': 引用代码块
BEGIN: 初始化代码块,在对每一行进行处理之前,初始化代码,主要是引用全局变量,设置FS分隔符
//: 匹配代码块,可以是字符串或正则表达式
{}: 命令代码块,包含一条或多条命令
: 多条命令使用分号分隔
END: 结尾代码块,在对每一行进行处理之后再执行的代码块,主要是进行最终计算或输出结尾摘要信息

2. 特殊要点

$0: 表示整个当前行
$1: 每行第一个字段
NF: 字段数量变量
NR: 每行的记录号,多文件记录递增
FNR: 与NR类似,不过多文件记录不递增,每个文件都从1开始
\t: 制表符
\n: 换行符
FS: BEGIN时定义分隔符
RS: 输入的记录分隔符, 默认为换行符(即文本是按一行一行输入)
~: 匹配,与==相比不是精确比较
!~: 不匹配,不精确比较
==: 等于,必须全部相等,精确比较
!=: 不等于,精确比较
&&: 逻辑与
||: 逻辑或
+: 匹配时表示1个或1个以上
/[0-9][0-9]+/: 两个或两个以上数字
/[0-9][0-9]*/: 一个或一个以上数字
FILENAME: 文件名
OFS: 输出字段分隔符, 默认也是空格,可以改为制表符等
ORS: 输出的记录分隔符,默认为换行符,即处理结果也是一行一行输出到屏幕
-F'[:#/]': 定义三个分隔符

3. print 和 $0

print 是awk打印指定内容的主要命令:

awk '{print}'  /etc/passwd           # awk '{print $0}'  /etc/passwd  
awk '{print " "}' /etc/passwd        # 不输出passwd的内容,而是输出相同个数的空行,进一步解释了awk是一行一行处理文本
awk -F":" '{print $1}'  /etc/passwd 
awk -F: '{print $1; print $2}'  /etc/passwd      # 将每一行的前二个字段,分行输出
awk  -F: '{print $1,$3,$6}' OFS="\t" /etc/passwd     # 输出字段1,3,6,输入分隔符为“:”;输出分隔符:"\t"

4. -F 指定分隔符

$1 为指定分隔符后,第一个字段,$3第三个字段, \t是制表符
一个或多个连续的空格或制表符看做一个定界符,即多个空格看做一个空格。

awk -F":" '{print $1}'  /etc/passwd
awk -F":" '{print $1 $3}'  /etc/passwd             # $1与$3相连输出,不分隔
awk -F":" '{print $1,$3}'  /etc/passwd             # 多了一个逗号,$1与$3使用空格分隔
awk -F":" '{print $1 " " $3}'  /etc/passwd         # $1与$3之间手动添加空格分隔
awk -F":" '{print "Username:" $1 "\t\t Uid:" $3 }' /etc/passwd    # 自定义输出  
awk -F: '{print NF}' /etc/passwd                   # 显示每行有多少字段
awk -F: '{print $NF}' /etc/passwd                  # 将每行第NF个字段的值打印出来
awk -F: 'NF==4 {print }' /etc/passwd               # 显示只有4个字段的行
awk -F: 'NF>2{print $0}' /etc/passwd               # 显示每行字段数量大于2的行
awk '{print NR,$0}' /etc/passwd                    # 输出每行的行号
awk -F: '{print NR,NF,$NF,"\t",$0}' /etc/passwd    # 依次打印行号,字段数,最后字段值,制表符,每行内容
awk -F: 'NR==5{print}'  /etc/passwd                # 显示第5行
awk -F: 'NR==5 || NR==6{print}'  /etc/passwd       # 显示第5行和第6行
route -n|awk 'NR!=1{print}'                        # 不显示第一行

5. 输出分隔符OFS

awk '$6 ~ /FIN/ || NR==1 {print NR,$4,$5,$6}' OFS="\t" netstat.txt
awk '$6 ~ /WAIT/ || NR==1 {print NR,$4,$5,$6}' OFS="\t" netstat.txt      
# 输出字段6匹配WAIT的行,其中输出每行行号,字段4,5,6,并使用制表符分割字段

6. -f 指定脚本文件

awk -f script.awk  filename BEGIN{FS=":"} {print $1}        # 效果与awk -F":" '{print $1}'相同,只是分隔符使用FS在代码自身中指定

awk 'BEGIN{X=0} /^$/{ X+=1 } END{print "I find",X,"blank lines."}' filename 
# I find 4 blank lines.

ls -l | awk 'BEGIN{sum=0} !/^d/{sum+=$5} END{print "total size is",sum}'   #计算文件大小
# total size is 17487

7. // 匹配代码块

//纯字符匹配;!//纯字符不匹配;
~//字段值匹配;!~//字段值不匹配;
~/a1|a2/字段值匹配a1a2

awk '/mysql/' /etc/passwd # grep "mysql" /etc/passwd 
awk '/mysql/{print }' /etc/passwd
awk '/mysql/{print $0}' /etc/passwd         # 三条指令结果一样

awk '!/mysql/{print $0}' /etc/passwd        # grep -v "mysql" /etc/passwd     # 输出不匹配mysql的行
awk '/mysql|mail/{print}' /etc/passwd       # grep -w  "mail\|mysql" /etc/passwd #grep -e "mysql" -e "mail"  /etc/passwd
awk '!/mysql|mail/{print}' /etc/passwd      # grep -v  "mail\|mysql" /etc/passwd 

awk -F: '/mail/,/mysql/{print}' /etc/passwd    # 区间匹配
awk '/[2][7][7]*/{print $0}' /etc/passwd       # 匹配包含27为数字开头的行,如27,277,2777...
awk -F: '$1~/mail/{print $1}' /etc/passwd      # $1匹配指定内容才显示
awk -F: '{if($1~/mail/) print $1}' /etc/passwd  # 与上面相同
awk -F: '$1!~/mail/{print $1}' /etc/passwd      # 不匹配
awk -F: '$1!~/mail|mysql/{print $1}' /etc/passwd        

8. 条件表达式

== != > >=

awk -F":" '$1=="mysql"{print $3}' /etc/passwd  
awk -F":" '{if($1=="mysql") print $3}' /etc/passwd         # 与上面相同 
awk -F":" '$1!="mysql"{print $3}' /etc/passwd              # 不等于
awk -F":" '$3>1000{print $3}' /etc/passwd                  # 大于
awk -F":" '$3>=100{print $3}' /etc/passwd                  # 大于等于
awk -F":" '$3<1{print $3}' /etc/passwd                     # 小于
awk -F":" '$3<=1{print $3}' /etc/passwd                    # 小于等于

9. 逻辑运算符

&& ||

awk -F: '$1~/mail/ && $3>8 {print }' /etc/passwd         # 逻辑与,$1匹配mail,并且$3>8
awk -F: '{if($1~/mail/ && $3>8) print }' /etc/passwd
awk -F: '$1~/mail/ || $3>1000 {print }' /etc/passwd      # 逻辑或
awk -F: '{if($1~/mail/ || $3>1000) print }' /etc/passwd 

10. 数值运算

awk -F: '$3 > 100' /etc/passwd    
awk -F: '$3 > 100 || $3 < 5' /etc/passwd  
awk -F: '$3+$4 > 200' /etc/passwd
awk -F: '/mysql|mail/{print $3+10}' /etc/passwd     # 第三个字段加10打印 
awk -F: '/mysql/{print $3-$4}' /etc/passwd          # 减法
awk -F: '/mysql/{print $3*$4}' /etc/passwd        # 求乘积
awk '/MemFree/{print $2/1024}' /proc/meminfo      # 除法
awk '/MemFree/{print int($2/1024)}' /proc/meminfo   # 取整

ls -l | awk '{print int($5/1024/1024/1024)}' | paste -s -d + |bc

11. if 语句

必须用在{}中,且比较内容用()扩起来。

awk -F: '{if($1~/mail/) print $1}' /etc/passwd     # 简写
awk -F: '{if($1~/mail/) {print $1}}'  /etc/passwd  # 全写
awk -F: '{if($1~/mail/) {print $1} else {print $2}}' /etc/passwd     # if...else...

awk -F: '{if($3>100) print "large"; else print "small"}' /etc/passwd
awk -F: 'BEGIN{A=0;B=0} {if($3>100) {A++; print "large"} else {B++; print "small"}} END{print A,"\t",B}' /etc/passwd # ID大于100,A加1,否则B加1
awk -F: '{if($3<100) next; else print}' /etc/passwd           # 小于100跳过,否则显示
awk -F: 'BEGIN{i=1} {if(i<NF) print NR,NF,i++ }' /etc/passwd   
awk -F: 'BEGIN{i=1} {if(i<NF) {print NR,NF} i++ }' /etc/passwd
# 另一种形式
awk -F: '{print ($3>100 ? "yes":"no")}'  /etc/passwd 
awk -F: '{print ($3>100 ? $3":\tyes":$3":\tno")}'  /etc/passwd

12. while语句

awk -F: 'BEGIN{i=1} {while(i<NF) print NF,$i,i++}' /etc/passwd 

13. 格式化输出

语法:

printf  FORMAT, item1,item2,……

格式符:
%s:显示字符串
%c:显示字符对应的ASCII码
%d,%i:显示十进制整数
%e,%E:显示科学计数法数值
%f:显示浮点数
%g,%G:以科学计数法或者浮点形式显示数值
%u:显示无符号整数
%%:显示%

# 打印每行前三个字段,指定第一个字段输出字符串类型(长度为8),第二个字段输出字符串类型(长度为8),第三个字段输出字符串类型(长度为10)
# printf 表示格式输出
# % 格式化输出分隔符
# -8 长度为8个字符
# s 表示字符串类型
netstat -anp|awk '{printf "%-8s %-8s %-10s\n",$1,$2,$3}' 
netstat -anp|awk '$6=="LISTEN" || NR==1 {printf "%-10s %-10s %-10s \n",$1,$2,$3}'
netstat -anp|awk '$6=="LISTEN" || NR==1 {printf "%-3s %-10s %-10s %-10s \n",NR,$1,$2,$3}'

14. 输出处理结果到文件

route -n|awk 'NR!=1{print > "./fs"}'    # ①在命令代码块中直接输出    
route -n|awk 'NR!=1{print}'  > ./fs     # ②使用重定向进行输出           

15. 数组

在 awk 中数组叫做关联数组(associative arrays),由于下标既能够是数也能够是串。awk 中的数组不必提前声明,也不必声明大小。数组元素用 0 或空串来初始化,这依据上下文而定。

(1)定义方法

# 1 用数值作数组索引(下标) ;2 用字符串作数组索引(下标) 。
Tarray[1]="cheng mo"
Tarray[2]="800927"
Tarray["first"]="cheng" 
Tarray["last"]="mo" 
Tarray["birth"]="800927" 

使用中 print Tarray[1] 将得到"cheng mo";而 print Tarray[2] 和 print[“birth”] 都将得到"800927" 。

(2) 数组相关函数

awk --version
awk 'BEGIN{info="it is a test";lens=split(info,tA," ");print length(tA),lens;}'      # length返回字符串以及数组长度,split进行切割字符串为数组,也会返回切割得到数组长度。  
awk 'BEGIN{info="it is a test";split(info,tA," ");print asort(tA);}'     # asort对数组进行排序,返回数组长度。
awk 'BEGIN{info="it is a test";split(info,tA," ");for(k in tA){print k,tA[k];}}'     # for…in 输出,由于数组是关联数组,默认是无序的。
awk 'BEGIN{info="it is a test";tlen=split(info,tA," ");for(k=1;k<=tlen;k++){print k,tA[k];}}'     # 有序数组,须要通过下标获得

注意:数组下标是从1开始。

awk 'BEGIN{tB["a"]="a1";tB["b"]="b1";if(tB["c"]!="1"){print "no found";};for(k in tB){print k,tB[k];}}'      #仅仅要通过数组引用它的key,就会自己主动创建该序列. 
awk 'BEGIN{tB["a"]="a1";tB["b"]="b1";if( "c" in tB){print "ok";};for(k in tB){print k,tB[k];}}'     #if(key in array) 通过这个方法推断数组中是否包括”key”键值。
awk 'BEGIN{tB["a"]="a1";tB["b"]="b1";delete tB["a"];for(k in tB){print k,tB[k];}}'     # delete array[key]能够删除,相应数组key的,序列值

(3) 二维数组使用(多维数组使用)

awk的多维数组在本质上是一维数组,更确切一点,awk在存储上并不支持多维数组。awk提供了逻辑上模拟二维数组的访问方式。例 如,array[2,4] = 1这种訪问是同意的。
awk使用一个特殊的字符串SUBSEP (\034)作为切割字段,在上面的样例中,关联数组array存储的键值实际上是2\0344。
相似一维数组的成员測试,多维数组能够使用 if ( (i,j) in array)这种语法,可是下标必须放置在圆括号里。 相似一维数组的循环訪问,多维数组使用for ( item in array )这种语法遍历数组。
与一维数组不同的是,多维数组必须使用split()函数来訪问单独的下标分量。split ( item, subscr, SUBSEP)

awk 'BEGIN{ for(i=1;i<=9;i++) { for(j=1;j<=9;j++) { tarr[i,j]=i*j; print i,"*",j,"=",tarr[i,j]; } } }'
awk 'BEGIN{ for(i=1;i<=9;i++) { for(j=1;j<=9;j++) { tarr[i,j]=i*j; } } for(m in tarr) { split(m,tarr2,SUBSEP); print tarr2[1],"*",tarr2[2],"=",tarr[m]; } }'

netstat -anp|awk 'NR!=1{a[$6]++} END{for (i in a) print i,"\t",a[i]}'
netstat -anp|awk 'NR!=1{a[$6]++} END{for (i in a) printf "%-20s %-10s %-5s \n", i,"\t",a[i]}'

16. 应用

awk -F: '{print NF}' helloworld.sh #输出文件每行有多少字段
awk -F: '{print $1,$2,$3,$4,$5}' helloworld.sh # 输出前5个字段
awk -F: '{print $1,$2,$3,$4,$5}' OFS='\t' helloworld.sh # 输出前5个字段并使用制表符分隔输出
awk -F: '{print NR,$1,$2,$3,$4,$5}' OFS='\t' helloworld.sh # 制表符分隔输出前5个字段,并打印行号

awk -F'[:#]' '{print NF}' helloworld.sh # 指定多个分隔符: #,输出每行多少字段
awk -F'[:#]' '{print $1,$2,$3,$4,$5,$6,$7}' OFS='\t' helloworld.sh # 制表符分隔输出多字段

# 计算/home目录下,普通文件的大小,使用KB作为单位
ls -l|awk 'BEGIN{sum=0} !/^d/{sum+=$5} END{print "total size is:",sum/1024,"KB"}'
ls -l|awk 'BEGIN{sum=0} !/^d/{sum+=$5} END{print "total size is:",int(sum/1024),"KB"}' # int是取整的意思

# 统计netstat -anp 状态为LISTEN和CONNECT的连接数量分别是多少
netstat -anp|awk '$6~/LISTEN|CONNECTED/{sum[$6]++} END{for (i in sum) printf "%-10s %-6s %-3s \n", i," ",sum[i]}'

# 统计/home目录下不同用户的普通文件的总数是多少?
ls -l|awk 'NR!=1 && !/^d/{sum[$3]++} END{for (i in sum) printf "%-6s %-5s %-3s \n",i," ",sum[i]}'   

17. 总结

(1) 输出命令:print

要点1:各字段之间用逗号分隔'{print $1,$2}',若不用逗号'{print $1$2}' 则awk会默认连接两个字段的内容。
要点2:print输出的字段可以是数值,$n,变量,或awk表达式。要想引用$n的值,不能把其放入""内。
要点3:若省略字段,则默认输出$0

(2) 变量:分为内置变量和自定义变量

内置变量:

  • FS:input field seperator。输入字段分隔符。没有指定输入分隔符(FS),默认以空格来分隔。可以使用-v来指定分隔符,如-v FS=":",也可以直接使用-F直接指名,如 -F ","
  • OFS:outpu field seperator。输出字段分隔符。可以使用-v来指定分隔符,如 -v OFS=","
  • RS:input record seperator 。输入时的换行符
  • ORS:output record seperator。输出时的换行符
  • NF:number of field。每一行的字段数量。$NF代表的是输出文件的每一行的最后一个字段。
  • NR:numbe of record 。显示文件的行数。每处理一行就会输出一次行数。

自定义变量:

-v variable=value或在program中直接定义。

(3) 格式化输出 printf

要点一:FORMAT必须给出;
要点二:printf输出是不会自动换行,若需要换行可以使用换行控制符 \n;
要点三:FORMAT中给出的格式符需要与各字段一一对应;
要点四:在printf中可以加入提示性字符串;
#[.#]:第一个#用来控制字符宽度,第二个用来控制小数位数。
-:左对齐。注意默认为右对齐。
+:显示数值的符号。

(4) 操作符:

算数运算:+ - * / % ^ -x +x
比较运算:> >= = < <= != ==
赋值运算:++,–,+=,-=,*=,%=
字符串操作:默认为字符串拼接
逻辑操作符:&&与、|| 或、! 非

(5) 模式匹配:

~:是否匹配:左侧字符是否被右侧模式匹配;
!~:是否不匹配,:左侧字符是否不被右侧模式匹配;
/pattern1/,/pattern2/:处理 pattern1 到 pattern2 之间(不包含pattern2)。从pattern1匹配的行开始,到pattern2匹配的行结束。

(6) BEGIN和END模式

是给程序赋予初始状态和在程序结束之后执行一些扫尾的工作。
BEGIN{}:任何在BEGIN之后列出的操作(在{}内)将在awk开始扫描输入之前执行一次。
END{}:END之后列出的操作将在扫描完全部的输入之后执行一次。

参考阅读:
https://www.cnblogs.com/wxxjianchi/p/9143936.html
https://www.jianshu.com/p/ea22c809ae9f
https://blog.51cto.com/radish/1736900

Logo

更多推荐