linux awk命令使用实例

AWK是一个优良的文本处理工具，Linux及Unix环境中现有的功能最强大的数据处理引擎之一。这种编程及数据操作语言（其名称得自于它的创始人阿尔佛雷德·艾侯、彼得·温伯格和布莱恩·柯林汉姓氏的首个字母）的最大功能取决于一个人所拥有的知识。

使用方法

awk '{pattern + action}' {filenames}

尽管操作可能会很复杂，但语法总是这样，其中 pattern 表示 AWK 在数据中查找的内容，而 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。 pattern就是要表示的正则表达式，用斜杠括起来。

awk语言的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。

示例：

打印系统带有java字段的所有进程的第7列：

ps -ef | grep java | awk '{print $7}'

-bash-4.1$ ps -ef | grep java | awk '{print $7}'
02:14:53
00:00:00
00:53:49
00:56:24
00:39:20
01:00:56
05:19:08

打印系统带有java字段的所有进程的第三行，显示数值为当前行与上面所有行叠加的结果:

-bash-4.1$ ps -ef | grep java | awk '{print sum=sum+$3}'
1
20812
20813
20814
20815
20816
44796

打印系统带有java字段的所有进程的第三行的值的总和:

-bash-4.1$ ps -ef | grep java | awk '{sum=sum+$3};END {print sum}'
44796

显示/etc/passwd的账户 用:做分隔符

-bash-4.1$ cat /etc/passwd | awk -F ':' '{print $1}'
root
bin
daemon
adm
lp

BEGIN 和 END 连用示例:

-bash-4.1$ ps -ef | grep java | awk 'BEGIN {print "UID,PPID"} {print $1","$3};END {print "The End"}'
UID,PPID
root,1
qauser,20811
root,1
root,1
root,1
root,1
root,23980
The End

awk工作流程是这样的：先执行BEGING，然后读取文件，读入有/n换行符分割的一条记录，然后将记录按指定的域分隔符划分域，填充域，$0则表示所有域,$1表示第一个域,$n表示第n个域,随后开始执行模式所对应的动作action。接着开始读入第二条记录······直到所有的记录都读完，最后执行END操作。

搜索并显示包含关键字的信息：

-bash-4.1$ ps -ef | awk '/kth/'
root         2     0  0  2015 ?        00:00:00 [kthreadd]
root        88     2  0  2015 ?        00:00:00 [kthrotld/0]
root        89     2  0  2015 ?        00:00:00 [kthrotld/1]
root        90     2  0  2015 ?        00:00:00 [kthrotld/2]
root        91     2  0  2015 ?        00:00:00 [kthrotld/3]
qauser   21831 20811  0 17:26 pts/0    00:00:00 awk /kth/
-bash-4.1$

awk内置变量

awk有许多内置变量用来设置环境信息，这些变量可以被改变，下面给出了最常用的一些变量。

ARGC               命令行参数个数
ARGV               命令行参数排列
ENVIRON            支持队列中系统环境变量的使用
FILENAME           awk浏览的文件名
FNR                浏览文件的记录数
FS                 设置输入域分隔符，等价于命令行 -F选项
NF                 浏览记录的域的个数
NR                 已读的记录数
OFS                输出域分隔符
ORS                输出记录分隔符
RS                 控制记录分隔符

使用内置变量实例:
打印进程信息包含"java"的进程的列数 和 命令行参数个数:

-bash-4.1$ ps -ef | awk '/java/{print "NF:" NF " ARGC:" ARGC}'
NF:22 ARGC:1
NF:14 ARGC:1
NF:22 ARGC:1
NF:22 ARGC:1
NF:22 ARGC:1
NF:22 ARGC:1
NF:30 ARGC:1

print和printf

awk中同时提供了print和printf两种打印输出的函数。

其中print函数的参数可以是变量、数值或者字符串。字符串必须用双引号引用，参数用逗号分隔。如果没有逗号，参数就串联在一起而无法区分。这里，逗号的作用与输出文件的分隔符的作用是一样的，只是后者是空格而已。

printf函数，其用法和c语言中printf基本相似,可以格式化字符串,输出复杂时，printf更加好用，代码更易懂。
修改上面实例如下:

-bash-4.1$ ps -ef | awk '/java/{printf("NF: %s ARGC: %s\n",NF,ARGC)}'
NF: 22 ARGC: 1
NF: 12 ARGC: 1
NF: 22 ARGC: 1
NF: 22 ARGC: 1
NF: 22 ARGC: 1
NF: 22 ARGC: 1
NF: 30 ARGC: 1

关于awk编程因时间关系引用别人的一段博文简单介绍一下:

awk编程

变量和赋值

除了awk的内置变量，awk还可以自定义变量。

下面统计/etc/passwd的账户人数

awk '{count++;print $0;} END{print "user count is ", count}' /etc/passwd
root:x:0:0:root:/root:/bin/bash
......
user count is  40

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。

这里没有初始化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}' /etc/passwd
[start]user count is  0
root:x:0:0:root:/root:/bin/bash
...
[end]user count is  40

统计某个文件夹下的文件占用的字节数

ls -l |awk 'BEGIN {size=0;} {size=size+$5;} END{print "[end]size is ", size}'
[end]size is  8657198

如果以M为单位显示:

ls -l |awk 'BEGIN {size=0;} {size=size+$5;} END{print "[end]size is ", size/1024/1024,"M"}'
[end]size is  8.25889 M

注意，统计不包括文件夹的子目录。

条件语句

awk中的条件语句是从C语言中借鉴来的，见如下声明方式：

if (expression) {
statement;
statement;
... ...
}

if (expression) {
statement;
} else {
statement2;
}

if (expression) {
statement1;
} else if (expression1) {
statement2;
} else {
statement3;
}

统计某个文件夹下的文件占用的字节数,过滤4096大小的文件(一般都是文件夹):

ls -l |awk 'BEGIN {size=0;print "[start]size is ", size} {if($5!=4096){size=size+$5;}} END{print "[end]size is ", size/1024/1024,"M"}'
[end]size is  8.22339 M

循环语句

awk中的循环语句同样借鉴于C语言，支持while、do/while、for、break、continue，这些关键字的语义和C语言中的语义完全相同。

数组

因为awk中数组的下标可以是数字和字母，数组的下标通常被称为关键字(key)。值和关键字都存储在内部的一张针对key/value应用hash的表格里。由于hash不是顺序存储，因此在显示数组内容时会发现，它们并不是按照你预料的顺序显示出来的。数组和变量一样，都是在使用时自动创建的，awk也同样会自动判断其存储的是数字还是字符串。一般而言，awk中的数组用来从记录中收集信息，可以用于计算总和、统计单词以及跟踪模板被匹配的次数等等。

显示/etc/passwd的账户

awk -F ':' 'BEGIN {count=0;} {name[count] = $1;count++;}; END{for (i = 0; i < NR; i++) print i, name[i]}' /etc/passwd
0 root
1 daemon
2 bin
3 sys
4 sync
5 games
......

这里使用for循环遍历数组

awk编程的内容极多，这里只罗列简单常用的用法，更多请参考 http://www.gnu.org/software/gawk/manual/gawk.html