文本处理工具三剑客之awk

文本处理工具：grep，sed，awk

awk：报告生成器，格式化文本输出

AWK： Aho ，Weinberger，Kernighan

gawk：GNU awk

gawk – pattren  scanning  and  processing  language

基本语法：gawk  [options ] ‘program’ FILE….

    program：PATTERN{ACTION STATEMENTS}

        语句之间用分号分隔

选项：

    -F:指明输入时用到的字段分隔符

    -v：var=value：自定义变量

        

1. print

print item1,item2,…..

要点：

    1.以逗号作为分隔符

    2.输出的各item可以是字符串，也可以是数字。也可以是当前记录的字段，变量或者awk的表达式

    3.如果省略item，相当于print $0

实例：

 注意print里面的字符要用引号 引起来  

        

如果是变量就不要用引号了

        

省略item相当于print $0,而print “”相当于空，而print “　”表现是空格

        

2.变量

    ａ，内建变量（分隔符）

       　FS：inuput field seperator，默认为空白字符  

          OFS： output field seperator，默认为空白字符

          RS：inuput record seperator，输入的换行符

          ORS：output record seperator，输出的换行符

        

      　　　　  

因为此处只定义了输入时换行符为“”，并没有定义输出换行符，所有默认，在输出的时候空格时要换行

，原默认要换行的时候也会换行

           

        

      　 NF:number of field,字段数量

               {print  NF} 显示字段数 {print 1}

               ,{print  $NF}显示最后一个字段，类似于{print $1}

        　 

          NR: number of field,行数 （如果两个文件一起显示，会直接连在一起，不会分开计数）

                {print  NR} 显示行数

       　   

          FNR：file number of field, 各文件分开计数行数

              

          FILENAME:当前文件名

       　  

          ARGC:命令行参数的个数

          ARGV：数组，保存的是命令行所给定的各参数

       　　

    b.自定义变量

        １.－v　var＝value

            变量名区分大小写

        

        ２.在program中直接定义

        

3.printf命令

    格式化输出:printf FORMAT ，item1,item2,….

        1.FORMAT是必须要给出的

        2.不会自动换行，需要显示给出换行控制符，\n

        3.FORMAT需要分别为后面的每个item指定一个格式化符号

    格式符：

        %c:显示字符的ASCII码

        %d，%i：显示十进制整数

        %e，%E：科学计数法数值显示

        %f：显示为浮点数

        %g，%G：以科学计数法或浮点形式显示数值

        %s：显示字符串

        %u：无符号整数

        %%：显示%自身

  换行符记得加上，不然看起来就很蠢了！！

           

每个item都要有一个FORMAT，否则item就不成立了，不显示了

            

    

    修饰符：

        #[.#]格式符:

            例如%3.1f==>第一个数字控制显示宽度，第二个数字表示小数点后的精度

        -：表示左对齐，默认为右对齐

        +：表示数值的符号 

        表示左对齐           

                

        默认为右对齐

        

4.操作符

    算术运算操作符

        +，-，*，/，^，% 依次为加减乘除 次方取模

        -x：负值

        +x：转换为数值

    字符串操作符：没有符号的操作符，字符串连接

    赋值操作符

        =，+=，-=，*=，/=，^=，%=

    比较操作符：

        >,>=,<,<=,!=,==

 

模式匹配:

    ~:是否匹配

    ！～：是否不匹配

逻辑操作符：

    &&: 与

    ||：或

     ！：非

显示/etc/passwd文件中uid=0或者大于1000的行显示第1，3列，分隔符为”：“

显示/etc/passwd文件中uid大于等于0小于等于1000的行显示第1，3列，分隔符为”：“

显示/etc/passwd文件中uid不等于0的行显示第1，3列，分隔符为”：“

函数调用：

     function_name(argu1,argu2，…..)  

条件表达式：

      selector ？ if-true-expression：if-false-expression

      如果为真执行true，否则执行false

实例：

如果uid大于1000，则usertype为common，否则为system，，输出每行第一列及变量usertype

awk -F: '{$3>=1000?usertype="common":usertype="system";printf "%15s:%-s\n",$1,usertype}' /etc/passwd

5.PATTERN

    1.empty：空模式，匹配每一行；

    2./regular expression/：仅处理被此处的模式匹配的行

     ！/regular expression/：仅处理被此模式匹配的行之外的行

    例：显示以UUID开头的行，显示第一列，可个为分隔符

       显示不以UUID开头的行，显示第一列，可个为分隔符

    

    3.relational expression：关系表达式，结果有”真“有”假“，结果为”真“才会被处理

        真：结果为非0值，非空字符串

        假：结果为空字符串或0值

    示例：

    

    

    

    4.line ranges：行范围

        startline，endline： /pat1/，/pat2/不支持直接给出数字格式

    显示从以root开头的行开始，到以nobody开头的行结束，显示第一列，以”：“为分隔符

    

    显示行号小于10或者大于40的行，取出第一列，分隔符为”：“

    

    5.NEGIN/END模式

        BEGIN{}:仅在开始处理文件中的文本之前执行一次

        END{}：仅在文本处理完成之后执行一次 

    示例：

    

         

  

     结果为真处理,为假不处理

    

    显示偶数行和奇数行

   

    此例来解释为何上面是奇数和偶数

    说明:i初始值为0,第一行i=!i,则i=1,结果为真,处理,所以上面第一行显示

    第二行时,i初始值为1,i=!i,则i=0,结果为假,不处理,所有上面第二行没显示,

    下面就是循环赋值了,每到技奇数行i=1,偶数行i=0,所以才有上面的效果

    (注意1为真,0为假,非1的结果就是假了,而非0的结果就是真了)

   

    如果我们使得i的初始值为真,那么结果就和上面的相反了,显示的是偶数行

   

    6.常用的action

          1.表达式Expressions

          2.控制语句Control statements  ：if  while等

          3.组合语句Compound statements ：组合语句

          4.输入语句input  statements

          5.输出语句outut  statements ：print等

    7.控制语句

        if （condition） { statements } 

          if （condition） { statements }  else  { statements }

          while （condition） { statements }

          do  { statements } while （condition）

          for (expr1;expr2;expr3) { statements }

          break

          continue

          delete  array[index]

          delete array

          exit

          { statements  }

awk控制语句if-else

    语法：if(condition)  statements   [ else  statements]

        if(condition1) {statement1}else if(condition2) {statement2} esle{statement3}

    使用场景：对awk取得的整行或某个字段做条件判断

    示例：

    如果uid大于1000就显示此行中的第1，3列，分隔符为”：“

    

    如果uid大于1000则显示为conmmon user，否则显示system user，并显示第1，3列，分隔符为”：“

    

    说明 90分以下为very good 60-90为good，60分以下为不及格 

    以/dev开头的行，分隔符为%，取第一列，然后显示的行中默认可个为分隔符，最后一行如果大于20，则显示第1行和最后一行

    

awk控制语句=====while循环

语法：while（condition）{statement}

条件为”真“，进入循环；条件为”假“，退出循环

使用场景：

    对一行内的多个字段注意类似处理时使用

    对数组中那个的各元素逐一处理时使用

示例：

    说明：文件为/etc/grub.cfg，匹配以任意数量的空格开头后面跟Linux16的行，做while循环，初始值i=1，判断题条件为i<NF(每行字段数)，

      i++自增，打印内容为每行的每个字段，以及此字符个数。默认分隔符为" "

    说明：在上面的基础上加了一个判断条件，字段中字符分个数大于等于10，打印内容为每行的每个字段，以及此字符个数。默认分隔符为" "

awk控制语句=====do-while循环

语法：do {statement;…}while(condition)

意义：无论真假，至少执行一次循环

示例：

    

    说明不同：

    后面的i没有争议，那么i++和++i的却别就在于，先后顺序，

    第一个是先显示i，然后才自增赋值的，所以值为

    第二个是先自增赋值，然后才显示i的，所以值为1

    

awk控制语句===for循环

语法：for（expr1；expr2；expr3）{statement;…}

常见用法：

    for(variable assignment;condition;iteration process){for-body}

特殊用法：能够遍历数组中的元素；

    语法： ：for(var in array) {for-body}

示例：

awk '/^[[:space:]]*linux16/{for(i=1;i<=NF;i++) {print $i,length($i)}}' /etc/grub2.cfg

性能比较：

time (awk 'BEGIN{total=0;for(i=0;i<=10000;i++){total+=i;};print total;}')

time(total=0;for i in {1..1000000};do total=$(($total+i));done;echo $total)

time(for ((i=0;i<=1000000;i++));do let total+=i;done;echo $total)

结果很显然是awk运算最快，想想也知道了，这章博客主要内容就是awk，做这个比较肯定想体现akw是有多牛逼咯

awk控制语句====>switch语句

语法：swicth（expression）{case VALUE1 or /REGEXP/:statement;case VALUE2 or /REGEXP2/:statement;…；default：statement}

break和continue

示例：

break表示当i=66的时候中断此循环，所以结果是1加到65

continue表示当i为偶数的时候终止了本轮循环，所以结果为奇数相加

break[n]

continue[n]

next：

提前结束对本行处理而直接进入下一轮处理（awk自身循环）

说明:当uid为奇数时，提前结束本行，跳过本行要处理的，

awk数值：array[index-expression]

index-expression：

    1.可使用任意字符串；字符串要使用双引号括起来

    2.如果某数组元素事先不存在，在引用时，awk会自动创建此元素，并将其值初始化为“空串”

若要判断数组中是否存在某元素，要使用“index in array”格式进行遍历

示例:

 awk ‘!a[$0]++’ dupfile

若要遍历数组中的每个元素，要使用for循环

for(var in array) {for-body}

注意：var会遍历array的每个索引

示例：

说明：统计tcp开头的单词中最后一字段出现次数

说明：统计第一段ip出现的次数

awk函数：

    rand（）：返回0和1之一个随机数

[root@localhost ~]# awk 'BEGIN{srand(); for (i=1;i<=10;i++)print int(rand()*100) }'

字符串处理：

length（[s]）：返回指定字符串的长度

sub（r,s,[t]）:对t字符串进行搜索r表示的模式匹配的内容，并将第一个匹配的内容替换成s

    echo "2008:08:08 08:08:08" | awk 'sub(/:/,“-",$1)'

gsub（r,s,[t]）:对t字符串进行搜索r表示的模式匹配的内容，并全部替换为s所表示的内容

    echo "2008:08:08 08:08:08" | awk ‘gsub(/:/,"",$1)'

split（s，array ,[r]):以r为分隔符，切割字符s，并将切割后的结果保存至array所表示的数组中，第一个索引值为1

第二个索引值为2…

自定义函数

格式

    function name （parameter，parameter，….）{

            statements

            return exprossion

    }

示例：

#！/bin/bash
function max(v1,v2) {
v1>v2?var=v1:var=v2
return var
}
BEGIN{a=3;b=2;print max(a,b)}

  1 #!/bin/bash
  2 function max(v1,v2) {
  3 v1>v2?var=v1:var=v2
  4 return var
  5 }
  6 BEGIN{print max(a,b)}

awk中调用shell命令

system命令

空格是awk中的字符串连接符，如果system中需要使用awk中的变量可以使用空格分隔，或者说除了awk

的变量外其他的一律用“”引用起来

awk脚本

将awk程序写成脚本，直接调用或执行

示例：

向awk脚本传递参数

格式：

    awkfile var=value var2=value2… Inputfile

[root@localhost bin]# cat test.awk 
#!/bin/awk -f
{if($3<=min||$3>=max)print $1,$3}
[root@localhost bin]# test.awk -F: min=10 max=1000 /etc/passwd

练习

1 、 统计/etc/fstab文件中每个文件系统类型出现 的次数

awk '/^UUID/{fs[$3]++}END{for(i in fs) {print i,fs[i]}}' /etc/fstab

2、 、 统计/etc/fstab 文件中每个单词出现的次数

[root@localhost bin]# awk '{for(i=1;i<=NF;i++){count[$i]++}}END{for(i in count) {print i,count[i]}}' /etc/fstab
man 1
and/or 1
/mnt 1
maintained 1
xfs 4
14:09:19 1
UUID=b39702a5-31f8-4fca-96cc-3389a0a58059 1
Accessible 1
# 7
are 1
defaults 5
blkid(8) 1
/ 1
0 13
See 1
3 1
Mon 1
Created 1
on 1
usrquota,grpquota 1
mount(8) 1
ext4 2
acl 1
anaconda 1
fstab(5), 1
/boot 1
/testdir 1
/usr 1
UUID=bd915a87-493a-415b-8d2f-8cedaab84792 1
findfs(8), 1
2016 1
/home 1
'/dev/disk' 1
UUID=5bc0405e-cf7a-4d60-8c0c-a6daa1dd71d2 1
by 2
/etc/fstab 1
UUID=12294f2d-4b7d-4f64-a8b7-1522fe51d0b2 1
pages 1
UUID=d8150c22-3804-4d3e-bd18-8f44e93bb978 1
more 1
25 1
info 1
UUID=8d687919-88d4-4c2a-9e0b-473cd13bb785 1
swap 2
Jul 1
UUID=14efdeb1-9880-49dc-aaa0-321c4eb4816a 1
filesystems, 1
reference, 1
for 1
under 1