linux系统之文本格式化工具awk

一、文本处理工具
grep、sed和awk都是文本处理工具，虽然都是文本处理工具但却都有各自的优缺点，一种文本处理命令是不能被另一个完全替换的，否则也不会出现三个文本处理命令了。只不过，相比较而言，sed和awk功能更强大而已，且已独立成一种语言来介绍。
grep：文本过滤器，如果仅仅是过滤文本，可使用grep，其效率要比其他的高很多；sed：Stream EDitor，流编辑器，默认只处理模式空间，不处理原数据，如果你处理的数据是针对行进行处理的，可以使用sed；
awk：报告生成器，格式化以后显示。如果对处理的数据需要生成报告之类的信息，或者你处理的数据是按列进行处理的，最好使用awk。
二、awk可以完成的一些功能
将文本文件看做由记录和字段组成的文本数据库

使用变量操作数据库

使用算术和字符串操作符

使用普通的程序设计结构，例如循环和条件

生帮格式化报告

定义函数

从脚本中执行unix命令

处理unix命令的结果

更加巧妙的处理命令行的参数

更容易地处理多个输入流

三、语法格式

# awk [options] 'script' file1 file2, ...
# awk [options] 'PATTERN { action }' file1 file2, ..

1、选项
-F fs or --field-separator fs：
指定输入文件折分隔符，fs是一个字符串或者是一个正则表达式，如-F:

#awk -F: '/root/{print $1,$NF}' /etc/passwd
#awk -F: '/root/{print $1$NF}' /etc/passwd
#awk -F: '/root/{print $1 $NF}' /etc/passwd
#awk -F: '/root/{print $1"#"$NF}' /etc/passwd

-v 选项定义的变量在脚本运行之前即存在，可以在脚本的 BEGIN 流程中被调用；



2、awk的输出：print和printf
⑴、print的使用格式：
print item1, item2, ...
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 $0, 因此，如果想输出空白行，则需要使用print ""；
注意，在AWK中，$表示字段，用户变量不需要加$，这是AWK与shell或者Perl不同之处！在shell中，变量定义时不加$，再次引用时则需要用$，而在Perl中，无论定义和引用时都需要加$ (Perl中$表示标量，另有@和%符号表示数组和Hash变量)。
实例



⑵、printf的使用格式
printf format, item1, item2, ...
format格式的指示符都以%开头，后跟一个字符,
%c
转换数字成ASCII,如printf "%c", 67结果为C。



%d, %i

打印十进制整数，如printf "%dn", 6.745结果为6。



%e, %E
转换数字为科学（指数）符号，如printf "%4.3en", 6745结果为6.745e+03。



%f
以浮点表示法打印数字，如 printf "%4.3f\n", 6745结果为6745.0000000



%s
打印字符串,如printf "%10s\n", 6745结果为十个空格加6745。



可更改的格式：
N$
位置指示符，可调整字符串的输出位置。printf "%s %s %s\n", "I", "lOVE","YOU"输出为：I LOVE YOU，我们调整一下位置，printf "%3$s %2$s %1$s\n", "YOU", "LOVE","I",输出结果为：I LOVE YOU




修饰符
N: 显示宽度；
-: 左对齐；+：右对齐（也可以显示数值符号正负之用）；


3、模式和操作

⑴、模式可以是以下任意一个：
/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：用运算符~(匹配)和~!(不匹配)。

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。

⑵、操作由一人或多个命令、函数、表达式组成，之间由换行符或分号隔开，并位于大括号内。主要有四部份：
变量或数组赋值

输出命令

内置函数

控制流命令

4、变量
⑴、awk内置变量之记录变量

FS: field separator	读取文件本时，所使用字段分隔符
RS: Record separator	输入文本信息所使用的换行符
OFS: Output Filed Separator	输出字段分隔符(默认值是一个空格)
ORS：Output Row Separator	输出记录分隔符(默认值是一个换行符)

注：
从$1,$2一直到$NF，整行用$0标，如果$0被赋予新值，所有的$1,$2...和NF都将被重新计算。同样，若$i被改变，$0将用OFS重新计算。
⑵、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	当前文件的相对记录数
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

NR用法



NF用法（默认以空格分隔）



FNR用法



ARGV用法



之二



FILENAME用法



ENVIRON用法



注：

ARGV数组由ARGV[0]....ARGV[ARGC-1]组成，第一个元素是0而不是1,这与AWK中的般数组不同
ENVIROND数组在shell与AWK的交互中非常有用，使用ENVIRON["PARA_NAME"]来获取环境变量$PARA_NAME的值，其中引号“”不可少！
5、标准输出与重定向
⑴、输出重定向
print items > output-fileprint items >> output-fileprint items | command⑵、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；实例：

# awk -F" " '{printf "%-15s %i\n",$1,$3 > "/dev/stderr" }' /etc/issue
# awk -F" " '{printf "%-15s %i\n",$1,$3 > "/dev/null" }' /etc/issue

6、awk的操作符：
⑴、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:
实例



⑵、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；⑶、 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；
⑷、布尔值awk中，任何非0值或非空字符串都为真，反之就为假；⑸、 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.⑺、表达式间的逻辑关系符：&&||
实例：




⑻、条件表达式：selector?if-true-exp:if-false-expif selector; then if-true-expelse if-false-expfi实例



⑼、函数调用：

function_name(para1,para2)7、控制语句

⑴、 if-else语法：
if (condition) {then-body} else {[ else-body ]}
实例：

#awk '{if ($3==0) {print $1, "Adminitrator";} else { print $1,"Common User"}}' /etc/passwd
#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

⑵、 while
语法：
while (condition){statement1; statment2; ...}
实例：

#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>=20000) print $i; i++}}' random.txt
#random.txt文件的内容为一堆随机数。

⑶、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)
实例：

#awk 'BEGIN{
sum=0;
i=0;
do{
sum+=i;
i++;
}while(i<=100)
print sum;}'

⑷、for
语法：for ( variable assignment; condition; iteration process) { statement1, statement2, ...}实例：

#awk -F: '{for(i=1;i<=3;i++) { if (length($i)>=8) {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, ...}
实例：

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

⑸、 case
语法：switch (expression) { case VALUE or /REGEXP/: statement1, statement2,... default: statement1, ...}⑹、 break 和 continue常用于循环或case语句中⑺、 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：实例：

# awk -F: '{if($3%2==0) next;print $1,$3}' /etc/passwd

9、awk中使用数组
⑴、 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：语法
for (var in array) { statement1, ... }
其中，var用于引用数组下标，而不是元素值；实例：

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

⑵、 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]10、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；实例：

# 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；

# tail -10 /etc/passwd |awk -F: '{print substr($1,1,6)}'

system(command)
功能：执行系统command并将结果返回至awk命令

# awk 'BEGIN{print system("ls -l")}'

systime()功能：systime函数返回从1970年1月1日开始到当前时间(不计闰年)的整秒数



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

# awk 'BEGIN{s="acl";print toupper(s)}'

================================完===================================================
PS:
awk简单应用到此结束！

本文出自 “和风细雨” 博客，请务必保留此出处http://essun.blog.51cto.com/721033/1391320