感谢支持
我们一直在努力

文本处理工具AWK详解

awk简介

awk: 中文意思是报告生成器 能够根据我们输入的信息,将信息格式化以后显示,将定义好的信息以比较美观(直观)的方式显示出来出现比较早,继而出现了new awk(nawk)在windows上实现,gawk, awk实现在linux上。awk是一种编程语言,用于在linux/unix下对文本和数据进行处理。数据可以来自标准输入、一个或多个文件,或其它命令的输出。它支持用户自定义函数和动态正则表达式等先进功能,是linux/unix下的一个强大编程工具。它在命令行中使用,但更多是作为脚本来使用。awk的处理文本和数据的方式是这样的,它逐行扫描文件,从第一行到最后一行,寻找匹配的特定模式的行,并在这些行上进行你想要的操作。如果没有指定处理动作,则把匹配的行显示到标准输出(屏幕),如果没有指定模式,则所有被操作所指定的行都被处理。awk分别代表其作者姓氏的第一个字母,分别是Alfred Aho、Brian Kernighan、Peter Weinberger。gawk是awk的GNU版本,它提供

了Bell实验室和GNU的一些扩展。下面就对awk进行介绍。

awk使用的基本格式:

# awk [options] ‘script’ file1 file2, …
# awk [options] ‘PATTERN { action }’ file1 file2, …细化了上面的组合
常用的命令:print(输出), printf(打印)

awk工作过程

根据我们所定义的模式,一次从文件中读取一行文本,awk会对取出的文本做相应的切片,将每一行按照分隔符进行切割,假如我们有一行文本: this is a test.它会使用空白字符当做分隔符,将它们各个分开,切割成了四个片,分别为: this is a test.这四个片,可以使用变量,分别对应为$1,$2,$3,$4代表四个切割片,下面就做一个演示,看如何实现awk的强大功能

一、awk的输出:print

print的使用格式:
print item1, item2, …

输出要点:

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 “”;

实例分析:

显示整个文本(注意,这里只是测试,所以只有一行)
#  awk ‘{print $N}’ test.txt
this is a test.
# awk ‘{print $0}’ test.txt
this is a test.
显示文本的一行中的第一个参数
# awk ‘{print $1}’ test.txt
this
显示文本的一行中的第二个参数
# awk ‘{print $2}’ test.txt
is
显示文本的一行中的第四个参数
# awk ‘{print $4}’ test.txt
test.
显示文本的一行中的第一与第二个个参数
# awk ‘{print $1,$2}’ test.txt
this is
显示文本的一行中的第一个与第二个参数,中间可以加#号
# awk ‘BEGIN{OFS=”#”}{print $1,$2}’ test.txt
this#is
显示文本中的各个参数,还可以加修饰符
# awk ‘BEGIN{OFS=”:”}{print $1,$2,$3,$4}’ test.txt
this:is:a:test.
显示文本中的参数,还可以加修饰符,还可以加字符串
#  awk ‘BEGIN{OFS=”:”}{print $1,”hello”,$2}’ test.txt
this:hello:is
输出三行,注意换行需要加\n
# awk ‘BEGIN { print “line one\nline two\nline three” }’
line one
line two
line three

二、awk变量

2.1 awk内置变量之记录变量:

FS: field separator,读取文本时所使用的字段分隔符

RS: Record separator,读取文本信息所使用的换行符

OFS: Output Filed Separator: 输出文本时使用的字段分隔符

ORS:Output Row Separator:输出文本时使用的行分隔符

2.2 awk内置变量之数据变量:

NR: The number of input records,awk命令所处理的记录数;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,当前记录的field个数;

FNR: 与NR不同的是,FNR用于记录正处理的行是当前这一文件中被总共处理的行数;

实例分析:

显示文本的行数

# awk ‘{print NR}’ test.txt

显示一行总共有几个参数

# awk ‘{print NF}’ test.txt

显示文本的最后一个参数

# awk ‘{print $NF}’ test.txt

test.

同时查看多个文本

# awk ‘{print FNR}’ test.txt /etc/fstab

1  显示的是第一个文本的行数

1  显示的是第二个文本的第一行数,一此类推

2  显示的是第二个文本的第二行数

3  显示的是第二个文本的第三行数

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命令的参数的个数;

FILENAME: awk命令所处理的文件的名称;

ENVIRON:当前shell环境变量及其值的关联数组;

查看环境变量

# awk ‘BEGIN{print ENVIRON[“PATH”]}’

/usr/kerberos/sbin:/usr/kerberos/bin:/usr/local/sbin:/usr/local/bin:/sbin:/

bin:/usr/sbin:/usr/bin:/usr/local/apache/bin:/usr/local/mysql/bin:/root/bin

2.3 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。

2.3.1 在脚本中赋值变量

在gawk中给变量赋值使用赋值语句进行

2.3.2 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。

实例分析:

输出一个变量,并赋值

# awk ‘BEGIN{var=”variable testing”;print var}’

variable testing

# awk -v var=”variable testing” ‘BEGIN{print var}’

variable testing

三、awk打印工具:printf

printf命令的使用格式:

printf format, item1, item2, …

printf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;需要添加\n
format格式的指示符都以%开头,后跟一个字符;如下:
%c: 显示第一个参数的第一个字符
%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;

举例分析:

# awk ‘{printf “%c\n”,$1}’ test.txt

t 显示第一个参数的第一个字母

# awk ‘{printf “%s\n”,$1}’ test.txt

this  显示第一个参数

# awk ‘{printf “%10s\n”,$1}’ test.txt

      this 显示时用了10个字符串,默认是右对齐

# awk ‘{printf “%-10s\n”,$1}’ test.txt

this  显示时左对齐,后面有6个空字符串

# awk ‘{printf “%-10s,%-10s\n”,$1,$2}’ test.txt

this      ,is

# awk ‘{printf “%-10s%-10s\n”,$1,$2}’ test.txt

this      is

# awk -F: ‘{printf “%5d”,$3}’ /etc/passwd

    0    1    2    3    4    5    6    7    8    9  10  11  12  13  14  99  81  28  69  77  38  70  32  47  51  74  16  68  100  2965534  43  42  500  501  502  503 2002 2003 2004 4004 2033 2034 4005 4006 4007 4011 4017 4018 4019 4026 4027 4028  48  25  101

# awk -F: ‘{printf “%-5d\n”,$3}’ /etc/passwd  左对齐

# awk -F: ‘{printf “%+5d\n”,$3}’ /etc/passwd  右对齐

# awk -F: ‘{printf “%-15s %i\n”,$1,$3}’ test.txt

this is a test. 0

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;
例子:
# awk -F: ‘{printf “%-15s %i\n”,$1,$3 > “/dev/stderr” }’ /etc/passwd
root            0
bin            1
daemon          2
adm            3
lp              4
sync            5
shutdown        6
halt            7

五、awk的操作符:

5.1 算术操作符:

-x: 负值

+x: 转换为数值;

x^y:

x**y: 次方

x*y: 乘法

x/y:除法

x+y:

x-y:

x%y:

5.2 字符串操作符:

只有一个,而且不用写出来,用于实现字符串连接;

5.3 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;

5.4 布尔值

awk中,任何非0值或非空字符串都为真,反之就为假;

5.5 比较操作符:

x < y      x小于y为真,反之为假

x <= y    x小于等于y为真,反之为假

x > y      x大于y为真,反之为假

x >= y    x大于等于y为真,反之为假

x == y    x恒等于y为真,反之为假

x != y    x不等于y为真,反之为假

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.

5.5 表达式间的逻辑关系符:

&&: 逻辑与

|| :逻辑或

5.6 条件表达式:相当于if语句

举例:若a大于b,则取a is max,反之取b is max

a=3

b=4

a>b?a is max:b is max

5.7 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 }

6.1 常见的模式类型:

1、Regexp: 正则表达式,格式为/regular expression/

例如:显示以r开头的行

# awk -F: ‘/^r/{print $1}’ /etc/passwd

root

rpc

rpcuser

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 == “magedu”,用运算符~(匹配)和~!(不匹配)。

例题:

显示id号小于等于2的用户和id号

# awk -F: ‘$3-1<5{print $1,$3}’ /etc/passwd

root 0

bin 1

daemon 2

# awk -F: ‘$3<=5{print $1,$3}’ /etc/passwd

root 0

bin 1

daemon 2

取出默认shell为bash的用户

# awk -F: ‘$7~”bash$”{print $1,$7}’ /etc/passwd

root /bin/bash

student /bin/bash

visitor /bin/bash

myuseradd /bin/bash

显示默认shell不是bash的用户

# awk -F: ‘$7!~”bash”{print $1,$7}’ /etc/passwd

bin /sbin/nologin

daemon /sbin/nologin

adm /sbin/nologin

lp /sbin/nologin

3、Ranges: 指定的匹配范围,格式为pat1,pat2

显示id号为0或者shell为/sbin/nologin的用户

# awk -F: ‘$3==0,$7~”nologin”{print $1,$3,$7}’ /etc/passwd

root 0 /bin/bash

bin 1 /sbin/nologin

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

# awk -F: ‘$3==0,$7~”nologin”{printf “%-10s%-20s\n”,$1,$7}’ /etc/passwd

root      /bin/bash         

bin      /sbin/nologin

可以在显示时显示表头

# awk -F: ‘BEGIN{print “Username shell”}{printf “%-10s%-20s\n”,$1,$7}’ /etc/passwd

Username      shell

root      /bin/bash         

bin      /sbin/nologin     

daemon    /sbin/nologin     

adm      /sbin/nologin

显示表头和表尾

#  awk -F: ‘BEGIN{print “Username  shell”} {printf “%-10s%-20s\n”,$1,$7}END

{print “END OF report”}’ /etc/passwd

Username      shell

root      /bin/bash         

bin      /sbin/nologin     

daemon    /sbin/nologin     

adm      /sbin/nologin 

END OF report

5、Empty(空模式):匹配任意输入行,对文件中的每一行做匹配

# awk -F:  ‘{printf “%-10s%-20s\n”,$1,$7}’ /etc/passwd

root      /bin/bash         

bin      /sbin/nologin     

daemon    /sbin/nologin     

adm      /sbin/nologin

6.2 常见的Action(动作)

1、Expressions:表达式

2、Control statements:控制语句(if、while…do、for….等待)

3、Compound statements:复合语句

4、Input statements:输入语句

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:

7.1 if-else

语法:if (condition) {then-body} else {[ else-body ]}

实例分析:

若用户是root则显示“admin”否则显示为“Common user”

# awk -F: ‘{if ($1==”root”) print $1,”admin”; else print $1, “Common user”}’ /etc/passwd

root admin

bin Common user

daemon Common user

adm Common user

lp Common user

这是对上面的语法格式化了,看起来更美观

# awk -F: ‘{if ($1==”root”) printf “%-15s: %s\n”, $1,”Admin”; else printf “%-15s: %s\n”, $1, “Common User”}’ /etc/passwd

root          : Admin

bin            : Common User

daemon        : Common User

adm            : Common User

lp            : Common User

统计id号大于等于500的用户个数

# awk -F: -v sum=0 ‘{if ($3>=500) sum++}END{print sum}’ /etc/passwd

21

7.2 while

语法: while (condition){statement1; statment2; …}

实例分析:

显示字符串大于等于8的(每一个字符串都要做一下判断)

# awk -F: ‘{i=1;while (i<=NF) {if (length($i)>=8) {print $i}; i++ }}’ /etc/passwd

/bin/bash

/sbin/nologin

/sbin/nologin

/var/adm

/sbin/nologin

/var/spool/lpd

显示字符串大于等于4的

# awk -F: ‘{i=1;while (i<=NF){if (length($i)>=4) {print $i}; i++}}’ /etc/passwd

root

root

/root

/bin/bash

/bin

/sbin/nologin

daemon

daemon

7.3 do-while

语法: do {statement1, statement2, …} while (condition)

显示字符串小于等于4的(注意使用do语句时,先执行的是条件)

# awk -F: ‘{i=1;do {print $i;i++}while(i<=3)}’ /etc/passwd

root

x

0

bin

7.4 for

语法: for ( variable assignment; condition; iteration process) { statement1, statement2, …}

例题:

1、显示字符串大于等于4的

# awk -F: ‘{for(i=1;i<=NF;i++) {if (length($i)>=4) {print $i}}}’ /etc/passwd

root

root

/root

/bin/bash

2、显示字符串小于等于4的

# awk -F: ‘{for(i=1;i<=3;i++) print $i}’ /etc/passwd

root

x

0

bin

for循环还可以用来遍历数组元素:

语法: for (i in array) {statement1, statement2

例如:显示

# awk -F: ‘$NF!~/^$/{BASH[$NF]++}END{for(A in BASH){printf “%-15s:%i\n”,A,BASH[A]}}’ /etc/passwd

/bin/sync      :1

/bin/bash      :20

/sbin/nologin  :31

/sbin/halt    :1

/etc/tcsh      :1

/sbin/shutdown :1

7.5 case

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

statement1, …}

7.6 break 和 continue

常用于循环或case语句中

7.7 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

bin 1

adm 3

sync 5

halt 7

news 9

operator 11

八、awk中使用数组

8.1 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, … }

显示各个shell的个数和

# awk -F: ‘{shell[$NF]++}END{for(A in shell) {print A,shell[A]}}’ /etc/passwd

 1

/bin/sync 1

/bin/bash 20

/sbin/nologin 31

/sbin/halt 1

/etc/tcsh 1

/sbin/shutdown 1

其中,var用于引用数组下标,而不是元素值;

统计tcp连接状态的个数($6也是最后一个字段,可以使用$NF)

# netstat -ant | awk ‘/^tcp/ {STATE[$NF]++} END {for(a in STATE) print a, STATE[a]}’

LISTEN 11

ESTABLISHED 2

每出现一次被/^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;

统计访问本地的IP及个数

# awk ‘{count[$1]++}END{for(ip in count) {printf “%-20s:%d\n”,ip,count[ip]}}’

/var/log/httpd/access_log

192.168.10.1      :1

172.16.50.5      :10

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

8.2 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”。

赞(0) 打赏
转载请注明出处:服务器评测 » 文本处理工具AWK详解
分享到: 更多 (0)

听说打赏我的人,都进福布斯排行榜啦!

支付宝扫一扫打赏

微信扫一扫打赏