Linux命令之——awk

其他文章：

• linux 常用命令杂记
• Linux命令之——wc
• Linux命令之——sort、uniq

awk 命令

awk 名称得自于它的创始人 Alfred Aho 、Peter Weinberger 和 Brian Kernighan 姓氏的首个字母。

awk 是一种很棒的语言，最基本功能是在文件或者字符串中基于指定规则浏览和抽取信息，awk 抽取信息后，才能进行其他文本操作。
完整的 awk 脚本通常用来格式化文本文件中的信息。

通常，awk 是以文件的一行为处理单位的。awk 每接收文件的一行，然后执行相应的命令，来处理文本。

基本用法：

# 行匹配语句 awk '' 只能用单引号
awk '{[pattern] action}' {filenames}

尽管操作可能会很复杂，但语法总是这样。

• pattern：表示 AWK 在数据中查找的内容(正则表达式，用斜杠括起来)。
• action：是在找到匹配内容时所执行的一系列命令。
• {}：花括号 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。

==awk 会对输入文件中的每一行都执行一次脚本代码。==

简单分隔

# 打印每一行
awk '{ print $0 }' /etc/passwd
# 以 : 分隔，打印每行第一列
awk -F: '{ print $1 }' /etc/passwd
awk -F":" '{ print $1 }' /etc/passwd
# 以 : 分隔，打印每行第一列第三列
awk -F":" '{ print $1 $3 }' /etc/passwd
# 以 : 分隔，打印每行第一列（空格）第三列
awk -F":" '{ print $1 " " $3 }' /etc/passwd
# 以 : 分隔，打印每行第一列第三列（拼接字符串）
awk -F":" '{ print "username: " $1 "\t\tuid:" $3 }' 
/etc/passwd
# 以 : 分隔，打印每行第一列第三列，格式化输出（printf 不换行，故末尾加个\n）
awk -F":" '{printf "username: %-20s \t uid: %-5s\n",$1,$3}' /etc/passwd

-F参数：指定分隔符，可指定一个或多个，是一个字符串或者是一个正则表达式。
print后面做字符串的拼接。

只查看文件第5~10行的内容

# NR 就是行号，从 1 开始
awk '{if(NR>=5 && NR<=10) print $0}' /etc/passwd

过滤字符串

echo "I am Sherlock,my lastname is Holmes" > awk_01.txt
# 过滤出 名 和 姓，此处 -F 后指定了分隔符 正则表达式
awk -F '[ ,]+' '{print $3, $7}' awk_01.txt

BEGIN 和 END 模块

有时候可能需要在 awk 开始处理输入文件中的文本之前执行初始化代码。对于这种情况， awk 允许您定义一个 BEGIN 块，awk 在开始处理输入文件之前会执行 BEGIN 块，因此它是初始化 FS（字段分隔符）变量、打印页眉或初始化其它在程序中以后会引用的全局变量的极佳位置。
awk 还提供了 END 块，在处理了输入文件中的所有行之后执行这个块。通常， END 块用于执行最终计算或打印应该出现在输出流结尾的摘要信息。

统计/etc/passwd的账户人数

## 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。
## count，虽然默认是0，但是妥当的做法还是初始化为0:
awk 'BEGIN {count=0;print "[start] user count is ",count} {count=count+1;print $0} END{print "[end] user count is ",count}' passwd

统计某个文件夹下的文件占用的字节数

# 表示文件大小的正是第5列，所以是 $5
ll | awk 'BEGIN {size=0;} {size=size+$5;} END{print "[end]size is ",size}'

# 结果以M为单位显示
ll |awk 'BEGIN{size=0;} {size=size+$5;} END{print "[end]size is ",size/1024/1024,"M"}'  

awk 运算符

赋值运算符
a+5; 等价于 a=a+5; 其他同类。

awk 'BEGIN{a=5;a+=5;print a}'

逻辑运算符

# 判断表达式 a>2&&b>1为真还是为假，后面的表达式同理，输出：0 1
awk 'BEGIN{a=1;b=2;print (a>2&&b>1,a=1||b>1)}'

正则运算符

# 输出：ok
awk 'BEGIN{a="100testaa";if(a~/100/) {print "ok"}}'
# 输出：ok
echo|awk 'BEGIN{a="100testaaa"}a~/test/{print "ok"}'

算术运算符
算术运算符操作时，操作数自动转为数值，所有非数值都变为0。

# 输出：0， 2
awk 'BEGIN{a="b";print a++,++a}'
# 输出：20， 22
awk 'BEGIN{a="20b4";print a++,++a}'

关系运算法
> <可以作为字符串比较，也可以用作数值比较，关键看操作数如果是字符串就会转换为字符串比较。
两个都为数字 才转为数值比较。
字符串比较：按照ascii码顺序比较。

# 无输出
awk 'BEGIN{a="11";if(a>=9){print "ok"}}'
# 输出：ok
awk 'BEGIN{a=11;if(a>=9){print "ok"}}' 
# 输出：ok
awk 'BEGIN{a;if(a>=b){print "ok"}}'

# 过滤第4列大于1，并且第1列等于第5列的行
awk -F: '$4>1 && $1==$5 {print $1,$3,$4,$6}' /etc/passwd

三目运算符

# 输出：ok
awk 'BEGIN{a="b";print a=="b"?"ok":"err"}'
# 输出：err
awk 'BEGIN{a="b";print a=="c"?"ok":"err"}'

常用 awk 内置变量

内置变量概览

awk -F":" 'BEGIN{printf "%10s %8s %8s %6s %10s %4s %10s %10s %10s\n","FILENAME","ARGC","FNR","FS","NF","NR","OFS","ORS","RS";printf "文件名         参数个数 分计行号 分隔符 字段数目 行号 输出分隔符 输出分隔符  记录分隔符 \n";printf "------------------------------------------------------------------------------------------\n"} {printf "%5s %8s %8s %6s %8s %4s %10s %10s %10s\n",FILENAME,ARGC,FNR,FS,NF,NR,OFS,ORS,RS}'  /etc/passwd

字段分隔符 FS

FS="\t+"一个或多个 Tab 分隔

awk 'BEGIN{FS="\t+"}{print $1,$2,$3}' tab.txt

FS="[[:space:]+]"一个或多个空白空格（默认的）

echo 'we are  studing awk now!' > space.txt
awk -F [[:space:]+] '{print $1,$2,$3,$4,$5}' space.txt
awk -F [[:space:]+] '{print $1,$2}' space.txt

FS="[" ":]+"以一个或多个空格或 : 分隔

awk -F [" ":]+ '{print $1,$2,$3}' /etc/passwd

字段数量 NF

awk -F ":" 'NF==7{print $0}' /etc/passwd

记录数量 NR

获取网卡 ip 地址（取第2行）

ifconfig eth0|awk -F [" ":]+ 'NR==2{print $3}'

RS 记录分隔符变量

将 FS 设置成"\n"告诉 awk 每个字段都占据一行。
通过将 RS 设置成 ""，还会告诉 awk 每个地址记录都由空白行分隔。

echo 'Jimmy the Weasel
100 Pleasant Drive
San Francisco,CA 123456

Big Tony
200 Incognito Ave.
Suburbia,WA 64890' > recode.txt

echo '#!/bin/awk
BEGIN {
        FS="\n"
        RS=""
}
{
        print $1 " | " $2 " | " $3
}' > awk.txt

# Jimmy the Weasel,100 Pleasant Drive,San Francisco,CA 123456
# Big Tony,200 Incognito Ave.,Suburbia,WA 64890
awk -f awk.txt recode.txt

OFS 输出字段分隔符

awk 'BEGIN{FS=":"}{print $1 "," $2 "," $3}' /etc/passwd
awk 'BEGIN{FS=":";OFS="#"}{print $1,$2,$3}' /etc/passwd

ORS 输出记录分隔符

echo '#!/bin/awk
BEGIN {
        FS="\n"
        RS=""
        ORS="\n\n"
}
{
        print $1 "|" $2 "|" $3
}' > awk.txt
awk -f awk.txt recode.txt

awk 正则

规则表达式

awk '/REG/{action}' file
/REG/为正则表达式，可以将$0中满足条件的记录送入到action进行处理。

# 匹配所有包含root的行
awk '/root/{print $0}' /etc/passwd
# 以冒号作为分隔符，匹配第5个字段是 root 的行
awk -F: '$5~/root/{print $0}' /etc/passwd
# 获取网卡 ip 地址（取第2行）
ifconfig eth0|awk 'BEGIN{FS="[[:space:]:]+"} NR==2{print $3}'

列字符串匹配

# 输出第二列包含 "th"，并打印第二列与第四列
$ awk '$2 ~ /th/ {print $2,$4}' log.txt

~ 表示模式开始。// 中是模式。

忽略大小写

awk 'BEGIN{IGNORECASE=1} /this/' log.txt

模式取反
匹配不以th开头的行

awk '$2 !~ /th/ {print $2,$4}' log.txt
# 或者
awk '!/th/ {print $2,$4}' log.txt

布尔表达式

awk '布尔表达式{action}' file
仅当对前面的布尔表达式求值为真时， awk 才执行代码块。

# 以冒号作为分隔符，第1个字段（第一列）是 root 的行
awk -F: '$1=="root"{print $0}' /etc/passwd
# 以冒号作为分隔符，第1、5个字段（第一、五列）是 root 的行 
awk -F: '($1=="root")&&($5=="root") {print $0}' /etc/passwd

其他用法

• awk 的 if、循环和数组
• AWK 数组
• AWK 用户自定义函数

一些实例

计算文件大小

ls -l *.txt | awk '{sum+=$6} END {print sum}'

从文件中找出长度大于80的行

awk 'length>80' log.txt

打印九九乘法表

seq 9 | sed 'H;g' | awk -v RS='' '{for(i=1;i<=NF;i++)printf("%dx%d=%d%s", i, NR, i*NR, i==NR?"\n":"\t")}'