awk 参考
2016-05-12 20:54
239 查看
〇、前言 意见反馈,请mailto:datouwang...at...gmail.com。 一、AWK简介 AWK名字来源于三位创造者Aho、Weinberger和Kernighan统称。 AWK擅长处理文本数据。 二、AWK的调用方式 awk [-Ffs] [-v var=value] [program | -f progfile ...] [file ...] 1、命令行方式 例如: awk '{print $1}' file ps -ef|grep program|awk '{print $2}' 2、文件方式 例如: awk -f progfile file 3、文件解释器方式 AWK脚本文件开头需要注明调用方式,典型写法为: #!/bin/awk -f 注意-f后面有空格。 脚本文件需要有执行权限,如果没有需要使用chmod +x progfile赋权。 例如: progfile file 三、AWK参数 -F 指定域分隔符,例如:-F "|",即以|作为域分隔符,默认分隔符为一个或多个空格或TAB,即"[[:space:]][[:space:]]*"。 -v 定义变量,从shell给awk传递变量,如-vDATE=$DATE,即将shell中$DATE变量值传递给awk变量DATE。 -f 指定脚本文件,例如-f progfile。 四、AWK内置变量 FS 域分隔符 NF 域个数 NR 行数 FNR 同上 FILENAME 处理的文件名,当输入为管道时,FILENAME为空。 RS 行分隔符 OFS 输出域分隔符 ORS 输出行分隔符 OFMT 数字输出格式 CONVFMT 数字内部转换格式 SUBSEP 多维数组索引分隔符 ARGC 输入参数个数 ARGV 输入参数数组 ENVIRON 环境变量数组 RSTART match()函数正则匹配到字符串开始位置 RLENGTH match()函数正则匹配到字符串的长度 五、AWK内置函数 blength[([s])] 计算字符串长度(byte为单位) length[([s])] 计算字符串长度(character为单位) rand() 生成随机数 srand([expr]) 设置rand() seed int(x) 字符串转换为整型 substr(s, m [, n]) 取子字符串 index(s, t) 在字符串s中定位t字符串首次出现的位置 match(s, ere) 在字符串s中匹配正则ere,match修改RSTART、RLENGTH变量。 split(s, a[, fs]) 将字符串分割到数组中 sub(ere, repl [, in]) 字符串替换 gsub 同上 sprintf(fmt, expr, ...) 拼字符串 system(cmd) 在shell中执行cmd。 toupper(s) 字符串转换为大写 tolower(s) 字符串转换为小写 六、AWK流程控制 if(expression) statement [ else statement ] while(expression) statement for(expression;expression;expression) statement for(var in array) statement do statement while(expression) break continue {[statement ...]} expression # commonly var = expression print [expression-list] [ > expression] printf format [, expression-list] [ > expression] return [expression] next # skip remaining patterns on this input line. delete array [expression] # delete an array element. exit [expression] # exit immediately; status is expression. 七、AWK简单应用范例 AWK脚本分为三部分BEGIN段,处理段,END段。其中BEGIN段在第一行读取之前执行,END段在最后一行处理后执行。 1、内容过滤,同"grep tag file"。 #前两个语句为正则匹配 awk '/tag/ {print}' file awk '{if($0 ~/tag/) print}' file awk '{if(index($0, "tag") > 0) print}' file 2、取特定列,同"cut –f1 –f3 –f5 file"。 #输出文件第1、3、5列 awk '{print $1, $3, $5}' file 3、对文件内容进行剔重,类似"sort -u file",但未排序。 #如果当前行未存在于rec HASH表中,则记录此行数据,并输出 awk '{if(!($0 in rec)) {rec[$0]=1; print $0;}}' file AWK中数组有两种用法普通数组和HASH数组,此处为HASH数组。 4、仅输出数据 #输出100行数据 awk ‘BEGIN {for(i = 0; i < 100; i++) printf("this is %d\n", i);}’ 可见,如果脚本中只有BEGIN段,可以没有输入。 5、统计数据 #对第一列和第二列数据进行汇总,最终输出 awk ‘{a+=$1; b+=$2}END{printf("a=%d\n,b=%d\n", a, b);}’ file 八、AWK高级应用范例 1、 分组功能,类似Group by功能 #使用第一列作为分组列,第二列为聚合列,即select col1, sum(col2) from file group by col1 awk ‘{tot[$1] += $2}END{for(i in tot) printf("%s %d\n", i, tot[i]);}’ file #比上个例子增加一个类似having的用法 awk ‘{tot[$1] += $2}END{for(i in tot) if(tot[i] > 10) printf("%s %d\n", i, tot[i]);}’ file #使用第一列作为分组列,第二列、第三列为聚合列 awk ‘{tot1[$1] += $2; tot2[$1] += $3;}END{for(i in tot1) printf("%s %d %d\n", i, tot1[i], tot2[i]);}’ file #多维数组例子,可将多个字段作为分组列,AWK使用一维数组模拟多维数组,使用\034作为分隔符 awk ‘{tot1[$1, $2] += $3; tot2[$1, $2] += $4;}END{for(i in tot1) printf("%s %d %d\n", i, tot1[i], tot2[i]);}’ file 2、 文件操作 #将两个文件根据filename1的第一列和filename2的第二列进行关联 BEGIN { #读取filename1文件内容 while((getline < "filename1") != NULL) { rel[$1] = 1; rec1[$1] = $2; } while((getline < "filename2") != NULL) { rel[$2] = 1; rec2[$2] = $3; } for(i in rel) { printf("%s %s %s\n", i, rec1[i], rec2[i]); } } #将文件按照字段进行拆分 { print $0 >> "split/" substr($1,1,7); } 3、 从SHELL向AWK传递变量 awk -vAWK_DATE=$DATE 'BEGIN {print AWK_DATE}' 4、 在AWK内部读取shell命令输出 #读取ls命令输出,在AWK中打印输出 BEGIN { while("ls"|getline) { print $0; } } #读取date输出 BEGIN { "date" | getline; print $0; "date +%Y" | getline v_year; print v_year; } 5、 将AWK输出通过管道传递给SHELL命令 #将打印信息输出给sort进行排序 BEGIN { for(i = 0; i < 100; i++) { printf("%03d\n", 100 - i) | "sort"; } } 6、 正则表达式简单例子 #演示正则表达式的使用方法 BEGIN { str1 = "abc.123@gmail.com"; str2 = "123123abcd@gmail.com"; str3 = "&^%76123@gmail.com"; str4 = "zxcvb@sohu.com.cn.1231231"; match(str1, "[a-zA-Z][a-zA-Z0-9.]*@[a-zA-Z0-9][a-zA-Z0-9.]*.[a-zA-Z]*[a-zA-Z]"); if(RSTART > 0) printf("%s\n", substr(str1, RSTART, RLENGTH)); else printf("[%s] not match\n", str1); match(str2, "[a-zA-Z][a-zA-Z0-9.]*@[a-zA-Z0-9][a-zA-Z0-9.]*.[a-zA-Z]*[a-zA-Z]"); if(RSTART > 0) printf("%s\n", substr(str2, RSTART, RLENGTH)); else printf("[%s] not match\n", str2); match(str3, "[a-zA-Z][a-zA-Z0-9.]*@[a-zA-Z0-9][a-zA-Z0-9.]*.[a-zA-Z]*[a-zA-Z]"); if(RSTART > 0) printf("%s\n", substr(str3, RSTART, RLENGTH)); else printf("[%s] not match\n", str3); match(str4, "[a-zA-Z][a-zA-Z0-9.]*@[a-zA-Z0-9][a-zA-Z0-9.]*.[a-zA-Z]*[a-zA-Z]"); if(RSTART > 0) printf("%s\n", substr(str4, RSTART, RLENGTH)); else printf("[%s] not match\n", str4); } 7、自定义函数 function my_plus(a, b) { return a + b; } BEGIN { printf("%d\n", my_plus(123, 321)); } 九、一些应用范例 1、验证话单正确性的一个脚本 /^vc/ { #取话单中各个变量 call_type = substr($0,3,2); call_duration = int(substr($0,95,6)); roam_type = substr($0,210,1); fee_type = substr($0,211,1); dial_type = substr($0,212,3); chat_type = substr($0,215,3); cfee = int(substr($0,218,9)); lfee = int(substr($0,236,9)); #如果为国际漫游,不分析,跳过 if(roam_type > 4) { next; } if(call_type == "01") { if(substr(dial_type,1,1) != "0") { if(lfee > 0) { printf("%s:LFEE_01\n", $0); } next; } if(roam_type != "0") { if(fee_type == "0" || fee_type == "2" || fee_type == "3") { if(lfee > 0) { printf("%s:LFEE_ERR02\n", $0) } } else { if(cfee > 0) { printf("%s:CFEE_ERR01\n", $0); } } } else { if(fee_type != "0") { if(cfee > 0) { printf("%s:CFEE_ERR02\n", $0); } } } } if(call_type == "02") { if(lfee > 0) { printf("%s:LFEE_ERR03\n", $0); } } } 2、一个模拟求取批价标批费率计划的例子 function my_match(str, pat) { #for debug #printf("str==>|%s|,pat==>|%s|\n", str, pat); if(pat == "*") return 1; n = split(pat, arr, ","); for(z = 1; z <= n; z++) { gsub("\?", "[a-zA-Z0-9]", arr[z]); #for debug #printf("str==|%s|,arr==>|%s|\n", str, arr[z]); match(str, arr[z]); if(RSTART > 0) { return 1; } } return 0; } BEGIN { dial_cnt = 0; while((getline < "dial.lst") != NULL) { dial[dial_cnt] = $1; dial_cnt++; } chat_cnt = 0; while((getline < "chat.lst") != NULL) { chat[chat_cnt] = $1; chat_cnt++; } cfg_cnt = 0; while((getline < "plan.lst") != NULL) { cfg_dial[cfg_cnt] = $1; cfg_chat[cfg_cnt] = $2; cfg_item[cfg_cnt] = $3; cfg_plan[cfg_cnt] = $4; cfg_cnt++; } for(d = 0; d < dial_cnt; d++) { for(c = 0; c < chat_cnt; c++) { printf("%s %s|", dial[d], chat[c]); out_cnt = 0; for(i = 0; i < cfg_cnt; i++) { #for debug #printf("\n<%d,%d,%d>test match==>|<%s, %s>; <%s, %s>|\n", d, c, i, dial[d], cfg_dial[i], chat[c], cfg_chat[i]); if(my_match(dial[d], cfg_dial[i]) == 1 && my_match(chat[c], cfg_chat[i]) == 1) { if(out_cnt == 0) { printf("%s %s %s %s\n", cfg_item[i], cfg_plan[i], cfg_dial[i], cfg_chat[i]); } else { printf("%s %s|%s %s %s %s\n", dial[d], chat[c], cfg_item[i], cfg_plan[i], cfg_dial[i], cfg_chat[i]); } out_cnt++; } } if(out_cnt == 0) { printf("NULL\n"); } } } } 参考 http://blog.csdn.net/blackbillow/article/details/3847425 |
相关文章推荐
- 三种方法遍历ArrayList
- 启动hive报错:[ERROR] Terminal initialization failed; falling back to unsupported
- JAVA编写简单的http服务器
- sql中的行转列和列转行的问题
- SNF微信公众号客户端演示-微信开发客户端能干什么
- 斜率优化dp专题学习
- 亿级用户下的新浪微博平台架构
- 鸡兔同笼
- 排列组合问题
- 蓝桥杯 车票找零
- 【Objective-C】OC中键值编码(KVC)的概念和使用方法
- POJ 3061 - Subsequence
- 安卓之窗口机制初涉(一)
- 238. Product of Array Except Self
- 八大排序之插入排序
- 利用Runtime实现对Json数据的ORM框架
- Android的单位和尺寸
- java--IO流基本
- 蓝桥杯 第39级台阶
- java command 编译 打包