Linux中的awk使用

2015-11-10

awk简介

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。这种编程及数据操作语言的最大功能取决于一个人所拥有的知识。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，用命令可以查看正在应用的awk的来源（ls -l /bin/awk ）。

AWK 提供了极其强大的功能：可以进行样式装入、流控制、数学运算符、进程控制语句甚至于内置的变量和函数。它具备了一个完整的语言所应具有的几乎所有精美特性。实际上 AWK 的确拥有自己的语言：AWK 程序设计语言，三位创建者已将它正式定义为“样式扫描和处理语言”。它允许您创建简短的程序，这些程序读取输入文件、为数据排序、处理数据、对输入执行计算以及生成报表，还有无数其他的功能(更多详细资料可以查看weki的词条)。

awk一般使用方法

1	awk 'pattern + {action}' {filenames}

上面是一个总体的格式，操作可以写的很复杂。

pattern 表示 AWK 在数据中查找的内容，而 action 是在找到匹配内容时所执行的一系列命令。大括号{}不需要在程序中始终出现，但它们用于根据特定的模式对一系列指令进行分组。 pattern就是要表示的正则表达式，用\括起来。

filenames是待处理的文件。

执行awk命令

运行awk命令大致有以下三种方法：

1. 命令行方式：

1	awk [-F field-separator] 'commands' filenames

[-F field-separator]域分隔符是可选项，表示以field-separator为分隔符将域分开。

在awk命令中，读文件时以\n分隔符将文件按行读入，对于读入的每一行，由域分隔符分开的每一项称为一个域。通常，在不指名-F域分隔符的情况下，默认的域分隔符是空格。

2. shell脚本方式：

将要执行的awk命令写进一个shell脚本，并使shell脚本可执行，然后awk命令解释器作为脚本的首行，相当于shell脚本首行的：#!/bin/sh
可以换成：#!/bin/awk

通过运行脚本即可运行其中的awk命令。

3. 将awk命令插入一个单独文件，然后调用：

1	awk -f awk-script-file filenames

其中，-f选项加载awk-script-file中的awk脚本。

几个简单的例子

下文中，我们主要以命令行的方式使用awk命令。

awk工作流程是这样的：读入有’\n’换行符分割的一条记录，然后将记录按指定的域分隔符划分域，填充域，$0则表示所有域,$1表示第一个域,$n表示第n个域。默认域分隔符是”空白键“ 或 “[tab]键“。

ex1

Linux下，显示/etc/passwd账户的第一列数据，即账户名。

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

或

1	cat /etc/passwd \| awk -F ':' '{print $1}'

显示结果大致如下：

root
daemon
bin
sys

这种是awk+action的示例，每行都会执行action{print $1}。

-F指定域分隔符为’:’。

ex2

如果只是显示/etc/passwd的账户和账户对应的shell,而账户与shell之间以tab键分割

1	awk -F ':' '{print $1"\t"$7}' /etc/passwd

显示结果：

root    /bin/bash
daemon  /bin/sh
bin     /bin/sh
sys     /bin/sh

ex3

如果只是显示/etc/passwd的账户和账户对应的shell,而账户与shell之间以逗号分割,而且在所有行添加列名name,shell,在最后一行添加”blue,/bin/nosh”。

1	awk -F ':' 'BEGIN {print "name,shell"} {print $1","$7} END {print "blue,/bin/nosh"}' /etc/passwd

显示结果：

name,shell
root,/bin/bash
daemon,/bin/sh
bin,/bin/sh
sys,/bin/sh
....
blue,/bin/nosh

awk工作流程是这样的：先执行BEGING，然后读取文件，读入有/n换行符分割的一条记录，然后将记录按指定的域分隔符划分域，填充域，$0则表示所有域,$1表示第一个域,$n表示第n个域,随后开始执行模式所对应的动作action。接着开始读入第二条记录······直到所有的记录都读完，最后执行END操作。

ex4

搜索/etc/passwd有root关键字的所有行。

1	awk -F ':' '/root/' /etc/passwd

显示结果：

1	root:x:0:0:root:/root:/bin/bash

这种是pattern的使用示例，匹配了pattern(这里是root)的行才会执行action(没有指定action，默认输出每行的内容)。

搜索支持正则，例如找root开头的: awk -F: ‘/^root/‘ /etc/passwd

awk内置变量

awk有许多内置变量用来设置环境信息，它们可以被改变，以下是一些常用的变量：

ARGC               命令行参数个数
ARGV               命令行参数排列
ENVIRON            支持队列中系统环境变量的使用
FILENAME           awk浏览的文件名
FNR                浏览文件的记录数
FS                 设置输入域分隔符，等价于命令行 -F选项
NF                 浏览记录的域的个数
NR                 已读的记录数
OFS                输出域分隔符
ORS                输出记录分隔符
RS                 控制记录分隔符

统计/etc/passwd:文件名，每行的行号，每行的列数，对应的完整行内容:

1	awk -F ':' '{print "filename:" FILENAME ",linenumber:" NR ",columns:" NF ",linecontent:"$0}' /etc/passwd

显示结果:

filename:/etc/passwd,linenumber:1,columns:7,linecontent:root:x:0:0:root:/root:/bin/bash
filename:/etc/passwd,linenumber:2,columns:7,linecontent:daemon:x:1:1:daemon:/usr/sbin:/bin/sh
filename:/etc/passwd,linenumber:3,columns:7,linecontent:bin:x:2:2:bin:/bin:/bin/sh
filename:/etc/passwd,linenumber:4,columns:7,linecontent:sys:x:3:3:sys:/dev:/bin/sh

使用printf替代print,可以让代码更加简洁，易读。

awk中同时提供了print和printf两种打印输出的函数。

其中print函数的参数可以是变量、数值或者字符串。字符串必须用双引号引用，参数用逗号分隔。如果没有逗号，参数就串联在一起而无法区分。这里，逗号的作用与输出文件的分隔符的作用是一样的，只是后者是空格而已。

printf函数，其用法和c语言中printf基本相似,可以格式化字符串,输出复杂时，printf更加好用，代码更易懂。

1	awk -F ':' '{printf("filename:%s,linenumber:%s,columns:%s,linecontent:%s\n",FILENAME,NR,NF,$0)}' /etc/passwd

显示结果同上。

awk编程

自定义变量和赋值

除了awk的内置变量，awk还可以自定义变量。

统计用户名中含sys字段的账户总数

1	awk -F ':' 'BEGIN{count = 0} /sys/ {count = count + 1} END{print"The number of Username included sys is "count}' /etc/passwd

显示结果：

1	The number of Username included sys is 7

count是自定义变量。之前的action{}里都是只有一个print,其实print只是一个语句，而action{}可以有多个语句，以;号隔开。

统计某个文件夹下的文件占用的字节数,以MB为单位

1	ls -l \|awk 'BEGIN {size=0;} {size=size+$5;} END{print "size is ", size/1024/1024,"MB"}'

显示结果：

1	size is 0.61254 MB

注：该统计不包括文件夹的子目录。

条件语句

awk中的条件语句是从C语言中借鉴来的，见如下声明方式：

if (expression) {
    statement;
    statement;
    ... ...
}
if (expression) {
    statement;
} else {
    statement2;
}
if (expression) {
    statement1;
} else if (expression1) {
    statement2;
} else {
    statement3;
}

统计某个文件夹下的文件占用的字节数,过滤4096大小的文件(一般都是文件夹目录):

1	ls -l \|awk 'BEGIN {size=0;print "[start]size is ", size} {if($5!=4096){size=size+$5;}} END{print "size is ", size/1024/1024,"MB"}'

显示结果：

1	size is 0.59875 MB

循环语句

awk中的循环语句同样借鉴于C语言，支持while、do/while、for、break、continue，这些关键字的语义和C语言中的语义完全相同。

对于每行数据，依次输出它的前4列数据。

1	awk -F ':' '{i = 1} {while(i <= 4){printf("%s "，$i); i = i+1};printf("\n")}'

显示结果：

root x 0 0
daemon x 1 1
bin x 2 2
sys x 3 3

数组

因为awk中数组的下标可以是数字和字母，数组的下标通常被称为关键字(key)。值和关键字都存储在内部的一张针对key/value应用hash的表格里。由于hash不是顺序存储，因此在显示数组内容时会发现，它们并不是按照你预料的顺序显示出来的。数组和变量一样，都是在使用时自动创建的，awk也同样会自动判断其存储的是数字还是字符串。一般而言，awk中的数组用来从记录中收集信息，可以用于计算总和、统计单词以及跟踪模板被匹配的次数等等

显示/etc/passwd的账户（for循环遍历数组）

1	awk -F ':' 'BEGIN {count=0;} {name[count] = $1;count++;}; END{for (i = 0; i < NR; i++) print i, name[i]}' /etc/passwd

显示结果：

0 root
1 daemon
2 bin
3 sys
4 sync
5 games

更多关于awk编程的内容，可以参考官方Guide。