AWK使用详解

一、awk介绍：
AWK是一种优良的文本处理工具。它不仅是Linux中也是任何环境中现有的功能最强大的数据处理引擎之一。最简单的说，AWK是一种用于处理文本的编程语言工具。这种编程及数据操作语言（其名称得自于它的创始人Alfred Aho 、Peter Weinberger 和Brian Kernighan 姓氏的首个字母）的最大功能取决于一个人所拥有的知识。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。

相关阅读：

sed与awk常用功能 http://www.linuxidc.com/Linux/2013-06/86099.htm

Linux下shell编程常用grep\awk\sed语法 http://www.linuxidc.com/Linux/2013-07/87047.htm

Linux下Shell编程——awk编程 http://www.linuxidc.com/Linux/2013-06/85527.htm

文本处理工具awk详解 http://www.linuxidc.com/Linux/2013-05/84248.htm

Linux awk命令使用详解 http://www.linuxidc.com/Linux/2012-12/77082.htm

awk模式
1.BEGIN模式：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
2.END模式：让用户在最后一条输入记录被读取之后发生的动作
3.正则表达式：使用通配符的扩展集
4.关系表达式：可以用关系运算符进行操作，可以是字符

awk的输出print和printf
print的使用格式：print  item1,item2,…
使用格式介绍:
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 “”；

[root@localhost ~]# awk ‘BEGIN { print “line one\nline two\nline three”}’
line one
line two
line three
[root@localhost ~]# awk -F: ‘{print $1,$3}’ /etc/passwd
root 0
bin 1
daemon 2
adm 3
lp 4

printf的格式使用：prinf  format,item1,item2,…

格式说明：
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；
1234 [root@localhost ~]# awk -F: ‘{printf “%-15s %i\n”,$1,$3}’ /etc/passwd
root            0
bin            1
daemon        2aw

二、awk的变量类型

用户自定义变量

gawk允许用户自定义自己的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。

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}’

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 -vvar=”variable testing” ‘BEGIN{print var}’

内置变量表

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；

例子：
# awk -F: ‘{printf “%-15s %i\n”,$1,$3 > “/dev/stderr” }’ /etc/passwd

三、awk的操作符
算术操作符：
-x: 负值
+x: 转换为数值；
x^y: x的y次幂
x**y: 次方
x*y: 乘法
x/y：除法
x+y:加法
x-y:减法
x%y:取余

赋值操作符：
=
+=
-=
*=
/=
%=
^=
**=
++
—
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；
布尔值
awk中，任何非0值或非空字符串都为真，反之就为假；
比较操作符

x < y    True if x is less than y.
x <= y  True if x is less than or equal to y.
x > y      True if x is greater than y.
x >= y    True if x is greater than or equal to y.
x == y    True if x is equal to y.
x != y      True if x is not equal to y.
x ~ y      True if the string x matches the regexp denoted by y.
x !~ y      True if the string x does not match the regexp denoted by y.
subscript in array  True if the array array has an element with the subscript subscript.
表达式间的逻辑关系符
&&
||

条件表达式：

selector?if-true-exp:if-false-exp

if selector; then
 if-true-exp
else
 if-false-exp
fi

a=3
b=4
a>b?a is max:b ia max
函数调用：
function_name (para1,para2)

四、awk的控制语句：
if-else
语法：if (condition) {then-body} else {[ else-body ]}
# awk ‘{if ($3==0) {print $1, “Adminitrator”;} else { print $1,”Common User”}}’ /etc/passwd
例子：
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

while

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 $i}; i++ }}’ /etc/passwd
awk ‘{i=1;while (i<=NF) {if ($i>=100) print $i; i++}}’ hello.txt

hello.txt文件的内容为一堆随机数。

do-while 至少执行一次循环体，不管条件满足与否

语法： do {statement1, statement2, …} while (condition)
awk -F: ‘{i=1;do {print $i;i++}while(i<=3)}’ /etc/passwd
awk -F: ‘{i=4;do {print $i;i–}while(i>4)}’ /etc/passwd

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

BASH[/bin/bash]++
BASH[/sbin/nologin]

BASH[/bin/bash]=1
BASH[/sbin/nologin]=2
BASH[/bin/sync]=1

/bin/bash: 1
/sbin/nologin: 2
/bin/sync: 1

case
语法：switch (expression) { case VALUE or /REGEXP/: statement1, statement2,… default: statement1, …}

break 和 continue
常用于循环或case语句中

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

五、awk中使用数组

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；

例子：
netstat -ant | awk ‘/^tcp/ {++S[$NF]} END {for(a in S) print a, S[a]}’
每出现一被/^tcp/模式匹配到的行，数组S[$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(url in counts) print counts[url], url}’ /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

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]

六、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1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

# netstat -tan | awk ‘/:80\>/{split($5,clients,”:”);ip[clients[4]]++}END{for(a in ip) print ip[a],a}’ | sort -rn | head -50

# df -lh | awk ‘!/^File/{split($5,percent,”%”);if(percent[1]>=20){print $1}}’

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

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”。

Linux Web服务器网站故障分析常用的命令
系统连接状态篇：

1.查看TCP连接状态
netstat -nat |awk ‘{print $6}’|sort|uniq -c|sort -rn

netstat -n | awk ‘/^tcp/ {++S[$NF]};END {for(a in S) print a, S[a]}’ 或
netstat -n | awk ‘/^tcp/ {++state[$NF]}; END {for(key in state) print key,”\t”,state[key]}’
netstat -n | awk ‘/^tcp/ {++arr[$NF]};END {for(k in arr) print k,”t”,arr[k]}’

netstat -n |awk ‘/^tcp/ {print $NF}’|sort|uniq -c|sort -rn

netstat -ant | awk ‘{print $NF}’ | grep -v ‘[a-z]‘ | sort | uniq -c

2.查找请求数请20个IP（常用于查找攻来源）：

netstat -anlp|grep 80|grep tcp|awk ‘{print $5}’|awk -F: ‘{print $1}’|sort|uniq -c|sort -nr|head -n20

netstat -ant |awk ‘/:80/{split($5,ip,”:”);++A[ip[1]]}END{for(i in A) print A[i],i}’ |sort -rn|head -n20

3.用tcpdump嗅探80端口的访问看看谁最高

tcpdump -i eth0 -tnn dst port 80 -c 1000 | awk -F”.” ‘{print $1″.”$2″.”$3″.”$4}’ | sort | uniq -c | sort -nr |head -20

4.查找较多time_wait连接

netstat -n|grep TIME_WAIT|awk ‘{print $5}’|sort|uniq -c|sort -rn|head -n20

5.找查较多的SYN连接

netstat -an | grep SYN | awk ‘{print $5}’ | awk -F: ‘{print $1}’ | sort | uniq -c | sort -nr | more

6.根据端口列进程

netstat -ntlp | grep 80 | awk ‘{print $7}’ | cut -d/ -f1

网站日志分析篇1（Apache）：

1.获得访问前10位的ip地址

cat access.log|awk ‘{print $1}’|sort|uniq -c|sort -nr|head -10
cat access.log|awk ‘{counts[$(11)]+=1}; END {for(url in counts) print counts[url], url}’

2.访问次数最多的文件或页面,取前20

cat access.log|awk ‘{print $11}’|sort|uniq -c|sort -nr|head -20

3.列出传输最大的几个exe文件（分析下载站的时候常用）

cat access.log |awk ‘($7~/.exe/){print $10 ” ” $1 ” ” $4 ” ” $7}’|sort -nr|head -20

4.列出输出大于200000byte(约200kb)的exe文件以及对应文件发生次数

cat access.log |awk ‘($10 > 200000 && $7~/.exe/){print $7}’|sort -n|uniq -c|sort -nr|head -100

5.如果日志最后一列记录的是页面文件传输时间，则有列出到客户端最耗时的页面

cat access.log |awk ‘($7~/.php/){print $NF ” ” $1 ” ” $4 ” ” $7}’|sort -nr|head -100

6.列出最最耗时的页面(超过60秒的)的以及对应页面发生次数

cat access.log |awk ‘($NF > 60 && $7~/.php/){print $7}’|sort -n|uniq -c|sort -nr|head -100

7.列出传输时间超过 30 秒的文件

cat access.log |awk ‘($NF > 30){print $7}’|sort -n|uniq -c|sort -nr|head -20

8.统计网站流量（G)

cat access.log |awk ‘{sum+=$10} END {print sum/1024/1024/1024}’

9.统计404的连接

awk ‘($9 ~/404/)’ access.log | awk ‘{print $9,$7}’ | sort

10. 统计http status

cat access.log |awk ‘{counts[$(9)]+=1}; END {for(code in counts) print code, counts[code]}’
cat access.log |awk ‘{print $9}’|sort|uniq -c|sort -rn

10.蜘蛛分析，查看是哪些蜘蛛在抓取内容。

/usr/sbin/tcpdump -i eth0 -l -s 0 -w – dst port 80 | strings | grep -i user-agent | grep -i -E ‘bot|crawler|slurp|spider’

网站日分析2(Squid篇）按域统计流量

zcat squid_access.log.tar.gz| awk ‘{print $10,$7}’ |awk ‘BEGIN{FS=”[ /]”}{trfc[$4]+=$1}END{for(domain in trfc){printf “%st%dn”,domain,trfc[domain]}}’

数据库篇
1.查看数据库执行的sql

/usr/sbin/tcpdump -i eth0 -s 0 -l -w – dst port 3306 | strings | egrep -i ‘SELECT|UPDATE|DELETE|INSERT|SET|COMMIT|ROLLBACK|CREATE|DROP|ALTER|CALL’

系统Debug分析篇
1.调试命令
strace -p pid
2.跟踪指定进程的PID
gdb -p pid