鸟哥的Linux私房菜 基础学习篇 第三版 第十二章 正则表达式与文件格式化处理 12.4.2 awk 好用的数据处理工具
2013-01-03 18:12
483 查看
awk比较倾向于将一行分成数个“字段”来处理。因此,awk相当适合处理小型的数据处理。awk通常运行的模式是:
lester@lester-ThinkPad-T410:~/study/awk$ awk '条件类型 1 { 动作 1} 条件类型2 {动作2} ...' filename
awk后面接两个单引号并加上大括号{}来设置想要对数据进行的处理动作。awk可以处理后续接的文件,也可以读取来自前个命令的standardoutput。但如前面说的,awk主要是处理每一行的字段内的数据,而默认的字段分隔符为空格键或[tab]键。举例来说,我们用last可以将登陆者的数据取出来,结果如下所示:
lester@lester-ThinkPad-T410:~/study/awk$ last -n 5 <==仅取出前5行
root pts/1 192.168.1.100 Tue Feb 10 11:21 still logged in
若想取出帐号与登陆者的IP,且帐号与IP之间以[tab]隔开,则会变成这样
lester@lester-ThinkPad-T410:~/study/awk$ last -n 5|awk '{print $1 "\t" $3}'
root 192.168.1.100
上面是awk最常使用的动作,通过print的功能将字段数据列出来!字段的分隔则以空格键或者[tab]按键来隔开。因为不论哪一行我都要处理,因此,不需要有条件类型的限制!我所想要的第一列及第三列,但是,第五行的内容很奇怪。这是因为数据格式的问题,所以使用awk的时候,请先确认一下你的数据,如果是连续性的数据,请不要有空格或[tab]在内,否则,就会像这个例子这样,会发生误判。
另外,由上面这个例子你也会知道,在每一行的每个字段都是有变量名称的,那就是$1,$2等变量名称。以上面的例子来说,root是$1,因为它是第一列嘛!至于192.168.1.100是第三列,所以它就是$3,后面以此类推。还有个变量,那就是$0,$0代表一整行数据的意思。以上面的例子来说,第一行的$0代表的就是"root.."那一行。由此可知,刚才上面五行当中,整个awk的处理流程是:
1、读入第一行,并将第一行的数据填入$0,$1,$2等变量当中;
2、依据条件类型的限制,判断是否需要进行后面的操作
3、做完所有的动作与条件类型
4、若还有后续的“行”的数据,则重复上面1~3的步骤,直到所有的数据都读完为止
故 awk以行 为一次处理的单位,而以字段为最小的处理单位
awk怎么知道我到底这个数据有几行和几列呢?
变量名称 代表意义
NF 每一行($0)拥有的字段总数
NR 目前awk所处理的是“第几行”数据
FS 目前的分隔字符,默认是空格键
我们继续以上面last -n 5 的例子来做说明,如果我想要:
列出每一行的帐号(就是$1)
列出目前处理的行数(就是awk内的NR变量)
并且说明,该行有多少个字段(就是awk内的NF变量)
则可以这样
注意:awk后续的所有动作的是以单引号" ' "扩住的
lester@lester-ThinkPad-T410:~/study/awk$ last -n 5|awk '{print $1 "\t lines:" NR "\t columes:" NF}'
root 192.168.1.100 lines:1 columes:10
root 192.168.1.100 lines:2 columes:11
root 192.168.1.100 lines:3 columes:9
awk逻辑运算符
> 大于
< 小于
>= 大于等于
<= 小于等于
== 等于
!= 不等于
lester@lester-ThinkPad-T410:~/study/awk$ cat /etc/passwd| awk ' $3<10 {print $1 "\t" $3}'
root:x:0:0:root:/root:/bin/bash
daemon:x:1:1:daemon:/usr/sbin:/bin/sh
bin:x:2:2:bin:/bin:/bin/sh
sys:x:3:3:sys:/dev:/bin/sh
sync:x:4:65534:sync:/bin:/bin/sync
games:x:5:60:games:/usr/games:/bin/sh
...
...
...
lester@lester-ThinkPad-T410:~/study/awk$ cat /etc/passwd| \
> awk '{FS=":"} $3<10 {print $1 "\t" $3}'
root:x:0:0:root:/root:/bin/bash
daemon 1
bin 2
sys 3
sync 4
games 5
man 6
lp 7
mail 8
news 9
第一行没有正确显示出来,因为我们读取第一行的时候,那些$1,$2...默认还是以空格键为分隔的,所以虽然我们定义了FS=“:”,但是却仅能在第二行后才开始生效。那怎么办呢?我们可以预先设置awk的变量,利用BEGIN这个关键字,这样做:
lester@lester-ThinkPad-T410:~/study/awk$ cat /etc/passwd | awk 'BEGIN {FS=":"} $3 < 10 {print $1 "\t" $3}'
root 0
daemon 1
bin 2
sys 3
sync 4
games 5
man 6
lp 7
mail 8
news 9
而除了BEGIN之外,还有END。使用awk来进行"计算功能"
假设我有一个薪资数据表文件名为pay.txt,内容是这样的:
lester@lester-ThinkPad-T410:~/study/awk$ cat pay.txt
Name 1st 2nd 3th
VBird 23000 24000 25000
DMTsai 21000 20000 23000
Bird2 43000 42000 41000
如何能计算每个人的总额,并且格式化输出呢?可以这样考虑:
第一行总是说明,所以第一行不要进行加总(NR==1时处理)
第二行以后就会有加总的情况出现(NR>=2以后处理)
lester@lester-ThinkPad-T410:~/study/awk$ cat pay.txt | awk 'NR==1 {printf " %10s %10s %10s %10s %10s\n",$1,$2,$3,$4,"Total"};
NR>=2{total=$2+$3+$4; printf "%10s %10d %10d %10d %10.2f\n",$1,$2,$3,$4,total}'
Name 1st 2nd 3th Total
VBird 23000 24000 25000 72000.00
DMTsai 21000 20000 23000 64000.00
Bird2 43000 42000 41000 126000.00
上面的例子有几个重要事项应该要说明的:
所有awk的动作,即在{}内的动作,如果有需要多个命令辅助时,可利用“;”间隔,或者直接以[Enter]按键来隔开每个命令,例如上面的范例中,鸟哥共按了三次[Enter]
注意:在命令中的分隔符
逻辑运算当中,如果是“等于”的情况,则务必使用两个等号“==”!
格式化输出时,在printf的格式设置当中,务必加上\n,才能进行分行!
与bash、shell的变量不同,在awk当中,变量可以直接使用,不需加上$符号
awk的动作内{}也是支持if(条件)的。举例来说,上面的命令可以修改成为这样:
lester@lester-ThinkPad-T410:~/study/awk$ cat pay.txt| awk '{ if (NR==1) printf "%10s %10s %10s %10s %10s \n",$1,$2,$3,$4,"Total"};NR>=2 {total = $2+$3+$4 ;printf "%10s %10d %10d %10d %10.2f\n",$1,$2,$3,$4,total}'
Name 1st 2nd 3th Total
VBird 23000 24000 25000 72000.00
DMTsai 21000 20000 23000 64000.00
Bird2 43000 42000 41000 126000.00
lester@lester-ThinkPad-T410:~/study/awk$ awk '条件类型 1 { 动作 1} 条件类型2 {动作2} ...' filename
awk后面接两个单引号并加上大括号{}来设置想要对数据进行的处理动作。awk可以处理后续接的文件,也可以读取来自前个命令的standardoutput。但如前面说的,awk主要是处理每一行的字段内的数据,而默认的字段分隔符为空格键或[tab]键。举例来说,我们用last可以将登陆者的数据取出来,结果如下所示:
lester@lester-ThinkPad-T410:~/study/awk$ last -n 5 <==仅取出前5行
root pts/1 192.168.1.100 Tue Feb 10 11:21 still logged in
若想取出帐号与登陆者的IP,且帐号与IP之间以[tab]隔开,则会变成这样
lester@lester-ThinkPad-T410:~/study/awk$ last -n 5|awk '{print $1 "\t" $3}'
root 192.168.1.100
上面是awk最常使用的动作,通过print的功能将字段数据列出来!字段的分隔则以空格键或者[tab]按键来隔开。因为不论哪一行我都要处理,因此,不需要有条件类型的限制!我所想要的第一列及第三列,但是,第五行的内容很奇怪。这是因为数据格式的问题,所以使用awk的时候,请先确认一下你的数据,如果是连续性的数据,请不要有空格或[tab]在内,否则,就会像这个例子这样,会发生误判。
另外,由上面这个例子你也会知道,在每一行的每个字段都是有变量名称的,那就是$1,$2等变量名称。以上面的例子来说,root是$1,因为它是第一列嘛!至于192.168.1.100是第三列,所以它就是$3,后面以此类推。还有个变量,那就是$0,$0代表一整行数据的意思。以上面的例子来说,第一行的$0代表的就是"root.."那一行。由此可知,刚才上面五行当中,整个awk的处理流程是:
1、读入第一行,并将第一行的数据填入$0,$1,$2等变量当中;
2、依据条件类型的限制,判断是否需要进行后面的操作
3、做完所有的动作与条件类型
4、若还有后续的“行”的数据,则重复上面1~3的步骤,直到所有的数据都读完为止
故 awk以行 为一次处理的单位,而以字段为最小的处理单位
awk怎么知道我到底这个数据有几行和几列呢?
变量名称 代表意义
NF 每一行($0)拥有的字段总数
NR 目前awk所处理的是“第几行”数据
FS 目前的分隔字符,默认是空格键
我们继续以上面last -n 5 的例子来做说明,如果我想要:
列出每一行的帐号(就是$1)
列出目前处理的行数(就是awk内的NR变量)
并且说明,该行有多少个字段(就是awk内的NF变量)
则可以这样
注意:awk后续的所有动作的是以单引号" ' "扩住的
lester@lester-ThinkPad-T410:~/study/awk$ last -n 5|awk '{print $1 "\t lines:" NR "\t columes:" NF}'
root 192.168.1.100 lines:1 columes:10
root 192.168.1.100 lines:2 columes:11
root 192.168.1.100 lines:3 columes:9
awk逻辑运算符
> 大于
< 小于
>= 大于等于
<= 小于等于
== 等于
!= 不等于
lester@lester-ThinkPad-T410:~/study/awk$ cat /etc/passwd| awk ' $3<10 {print $1 "\t" $3}'
root:x:0:0:root:/root:/bin/bash
daemon:x:1:1:daemon:/usr/sbin:/bin/sh
bin:x:2:2:bin:/bin:/bin/sh
sys:x:3:3:sys:/dev:/bin/sh
sync:x:4:65534:sync:/bin:/bin/sync
games:x:5:60:games:/usr/games:/bin/sh
...
...
...
lester@lester-ThinkPad-T410:~/study/awk$ cat /etc/passwd| \
> awk '{FS=":"} $3<10 {print $1 "\t" $3}'
root:x:0:0:root:/root:/bin/bash
daemon 1
bin 2
sys 3
sync 4
games 5
man 6
lp 7
mail 8
news 9
第一行没有正确显示出来,因为我们读取第一行的时候,那些$1,$2...默认还是以空格键为分隔的,所以虽然我们定义了FS=“:”,但是却仅能在第二行后才开始生效。那怎么办呢?我们可以预先设置awk的变量,利用BEGIN这个关键字,这样做:
lester@lester-ThinkPad-T410:~/study/awk$ cat /etc/passwd | awk 'BEGIN {FS=":"} $3 < 10 {print $1 "\t" $3}'
root 0
daemon 1
bin 2
sys 3
sync 4
games 5
man 6
lp 7
mail 8
news 9
而除了BEGIN之外,还有END。使用awk来进行"计算功能"
假设我有一个薪资数据表文件名为pay.txt,内容是这样的:
lester@lester-ThinkPad-T410:~/study/awk$ cat pay.txt
Name 1st 2nd 3th
VBird 23000 24000 25000
DMTsai 21000 20000 23000
Bird2 43000 42000 41000
如何能计算每个人的总额,并且格式化输出呢?可以这样考虑:
第一行总是说明,所以第一行不要进行加总(NR==1时处理)
第二行以后就会有加总的情况出现(NR>=2以后处理)
lester@lester-ThinkPad-T410:~/study/awk$ cat pay.txt | awk 'NR==1 {printf " %10s %10s %10s %10s %10s\n",$1,$2,$3,$4,"Total"};
NR>=2{total=$2+$3+$4; printf "%10s %10d %10d %10d %10.2f\n",$1,$2,$3,$4,total}'
Name 1st 2nd 3th Total
VBird 23000 24000 25000 72000.00
DMTsai 21000 20000 23000 64000.00
Bird2 43000 42000 41000 126000.00
上面的例子有几个重要事项应该要说明的:
所有awk的动作,即在{}内的动作,如果有需要多个命令辅助时,可利用“;”间隔,或者直接以[Enter]按键来隔开每个命令,例如上面的范例中,鸟哥共按了三次[Enter]
注意:在命令中的分隔符
逻辑运算当中,如果是“等于”的情况,则务必使用两个等号“==”!
格式化输出时,在printf的格式设置当中,务必加上\n,才能进行分行!
与bash、shell的变量不同,在awk当中,变量可以直接使用,不需加上$符号
awk的动作内{}也是支持if(条件)的。举例来说,上面的命令可以修改成为这样:
lester@lester-ThinkPad-T410:~/study/awk$ cat pay.txt| awk '{ if (NR==1) printf "%10s %10s %10s %10s %10s \n",$1,$2,$3,$4,"Total"};NR>=2 {total = $2+$3+$4 ;printf "%10s %10d %10d %10d %10.2f\n",$1,$2,$3,$4,total}'
Name 1st 2nd 3th Total
VBird 23000 24000 25000 72000.00
DMTsai 21000 20000 23000 64000.00
Bird2 43000 42000 41000 126000.00
相关文章推荐
- 鸟哥的linux私房菜_正则表达式与文件格式化处理
- 鸟哥的Linux私房菜(基础篇)- 第十二章、正规表示法与文件格式化处理
- 鸟哥的Linux私房菜基础学习篇(第三版)之第十二章:正则表示法与文件格式化处理
- LINUX 正则表达式与文件格式化处理(sed / awk / diff )
- Linux中正则表达式与文件格式化处理命令(awk/grep/sed)
- 鸟哥私房菜 第十二章 正则表达式与文件格式化处理
- Linux中正则表达式与文件格式化处理命令(awk/grep/sed)
- 第十二章 正则表达式与文件格式化处理
- 鸟哥的Linux私房菜10.18 正规表示法与文件格式化处理
- U12正则表达式和文件格式化处理
- 鸟哥的linux私房菜——第12章 正则表达式与文件格式化处理
- 4.正则表达式和文件格式化处理
- 读书笔记 鸟哥的Linux私房菜 基础学习篇 第三版 第11章 认识与学习bash 11.6.2 sort
- 正则表达式与文件格式化处理
- Linux基本操作 10----- 正则表达式与文件格式化处理
- linux备忘录-正则表达式与文件格式化处理
- 三个支持正则表达式的行处理的工具: grep/sed/awk
- 【学习笔记——Linux】Linux正则表达式和文件格式化处理
- 【鸟哥的linux私房菜-学习笔记】文件的格式化与相关处理
- linux 正则表达式与文件格式化处理