awk用法总结

简介

awk的命名来自于他的三位创始人Alfred Aho 、Peter Weinberger 和 Brian Kernighan 的姓氏的首字母。

有多种版本：New awk（nawk），GNU awk（ gawk） 一般在linux中awk就指gawk，gawk 是 AWK 的 GNU 版本

值得说的是，gawk被他的创始人定义为模式扫描和处理语言而不是文本处理工具，事实上gawk可以说就是一个文本分析工具。之所以awk被他的创始人定义为一门语言我想其寓意可能有两点，首先作为一门语言，awk会有自己比较丰富程序设计语言。其次也是awk功能强大的一种体现。

本文将会较为详细的介绍关于awk的各种用法，同时附带大量的示例实际操作，有助于大家理解。

基本用法：

awk [options] ‘program’ var=value file…

awk [options] -f programfile var=value file…

awk [options] 'BEGIN{ action;… } pattern{ action;… } END{ action;… }' file ...

awk 程序通常由：BEGIN语句块、能够使用模式匹配的通用语句块 、END语句块，共3部分组成

program通常是被单引号或双引号中建议使用单引号

选项：

-F 指明输入时用到的字段分隔符

-v var=value: 自定义变量

一、语法

基本格式：

awk [options] 'program' file…

program:pattern{action statements;..}

pattern和action：

• pattern部分决定动作语句何时触发及触发事件

BEGIN,END

• action statements对数据进行处理，放在{}内指明

print, printf

分割符、域和记录:

awk执行时，由分隔符分隔的字段（域）标记$1,$2..$n称 为域标识。

$0为所有域，注意：和shell中变量$符含义不同

文件的每一行称为记录

省略action，则默认执行 print $0 的操作

二、awk工作原理

第一步：执行BEGIN{action;… }语句块中的语句

第二步：从文件或标准输入(stdin)读取一行，然后执行pattern{ action;… }语句块，它逐行扫描文件，从第一行到最后一行重复这 个过程，直到文件全部被读取完毕。

第三步：当读至输入流末尾时，执行END{action;…}语句块

BEGIN语句块在awk开始从输入流中读取行之前被执行，这是一个 可选的语句块，比如变量初始化、打印输出表格的表头等语句通常 可以写在BEGIN语句块中

END语句块在awk从输入流中读取完所有的行之后即被执行，比如 打印所有行的分析结果这类信息汇总都是在END语句块中完成，它也是一个可选语句块

pattern语句块中的通用命令是最重要的部分，也是可选的。如果 没有提供pattern语句块，则默认执行{ print $0 }，即打印每一个读取到的行，awk读取的每一行都会执行该语句块

三、变量

awk中的变量有两种，内置变量和自定义变量

awk中的内置变量

1. FS：输入字段分隔符，默认为空白字符
   
   awk -v FS=':' '{print $1,FS,$3}’ /etc/passwd
   
   awk –F: '{print $1,$3,$7}’ /etc/passwd

[root@CentOS6 ~]#awk -v FS=':' '{print $1,FS,$3}' /etc/passwd		#变量直接引用，awk同样可以引用bash中定义的变量
root : 0
bin : 1
daemon : 2
[root@CentOS6 ~]#s=':';awk -v FS="$s" '{print $1,$3}' /etc/passwd		#引用bash中定义的变量
root 0
bin 1

1. OFS：输出字段分隔符，默认为空白字符
   
   awk -v FS=‘:’ -v OFS=‘:’ '{print $1,$3,$7}’ /etc/passwd
2. RS：输入记录分隔符，指定输入时的换行符，原换行符仍有效
   
   awk -v RS=' ' ‘{print }’ /etc/passwd
3. ORS：输出记录分隔符，输出时用指定符号代替换行符
   
   awk -v RS=' ' -v ORS='###'‘{print }’ /etc/passwd
4. NF：字段数量
   
   awk -F： ‘{print NF}’ /etc/fstab,引用内置变量不用$

[root@CentOS6 ~]#awk -F: '{print NF}' /etc/passwd
7		#统计行字段数，指定分隔符为:

awk -F: '{print $(NF-1)}' /etc/passwd

[root@CentOS6 ~]#awk -F: '{print $(NF-1)}' /etc/passwd
/root		#打印倒数第二个字段，分隔符为:
/bin
/sbin

1. NR：行号
   
   awk '{print NR}' /etc/fstab ;
   
   awk END'{print NR}' /etc/fstab

[root@CentOS6 ~]#awk 'END{print NR}' /etc/fstab
16		#统计行号

1. FNR：各文件分别计数,行号
   
   awk '{print FNR}' /etc/fstab /etc/inittab
   
   FILENAME：当前文件名
   
   awk '{print FILENAME}’ /etc/fstab
2. ARGC：命令行参数的个数
   
   awk '{print ARGC}’ /etc/fstab /etc/inittab
   
   awk ‘BEGIN {print ARGC}’ /etc/fstab /etc/inittab

[root@CentOS6 ~]#awk 'END{print ARGC}' /etc/fstab /etc/passwd
3		#一般认为命令之后的项目都是参数，但awk认为awk自身也是一个参数

1. ARGV：数组，保存的是命令行所给定的各参数
   
   awk ‘BEGIN {print ARGV[0]}’ /etc/fstab /etc/inittab
   
   awk ‘BEGIN {print ARGV[1]}’ /etc/fstab /etc/inittab

awk自定义变量

awk中的自定义变量区分大小写

两种定义方式：

（1） -v var=value

（2） 在program中直接定义

示例：

在program之外定义变量并引用
[root@CentOS6 ~]#awk -v test='hello,gawk' 'BEGIN{print test}' /etc/fstab
hello,gawk
直接在program中定义以及引用变量
[root@CentOS6 ~]#awk -F: '{sex="male";print $1,sex,age;age=18}' /etc/passwd
root male 		#打印第一行时变量age还没有值所以第一行age不打印
bin male 18

四、操作符

算术操作符：

x+y, x-y, x*y, x/y, x^y, x%y

-x: 转换为负数

+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：

=, +=, -=, *=, /=, %=, ^=

[root@CentOS6 ~]#awk 'BEGIN{print i++,i}'
0 1		#赋值打印先后问题
[root@CentOS6 ~]#awk 'BEGIN{print ++i,i}'
1 1

[root@CentOS6 ~]#awk  '{n=100;print sum+=n }' /etc/fstab
100		#sum+=n就等于sum=sum+n
200
300

++, --

比较操作符：

==, !=, >, >=, <, <=

模式匹配符：

~：左边是否和右边匹配包含

!~：是否不匹配

[root@CentOS6 ~]#awk -F: '$0~/^root/{print $0}' /etc/passwd
#打印行首为root的行
root:x:0:0:root:/root:/bin/bash

逻辑操作符：与&&，或||，非!

awk中的逻辑操作符与或非值表示逻辑关系，不像bash中有短路效果

[root@CentOS6 ~]#awk -F: '!($3>=500){print $3}' etc/passwd
0		#打印小于500的UID
81
499

函数调用

function_name(argu1, argu2, ...)

条件表达式（三目表达式）

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

[root@CentOS6 ~]#awk -F: '{$3>=500?usertype="Common User":usertype="Sysadmin or SysUser";printf "%15-s:%-s\n",$1,usertype}' /etc/passwd
# 如果$3UID大于500定义变量，usertype用户类型是普通用户，否则定义变量usertype为系统管理员或者系统用户
#printf指定打印格式，$1用户名左对齐指定宽度15个字符，引用变量usertype左对齐，加换行符
root           :Sysadmin or SysUser
bin            :Sysadmin or SysUser
huxiaoqi       :Common User
gentoo         :Common User

五、awk PATTERN

PATTERN:根据pattern条件，过滤匹配的行，再做处理

(1)如果未指定：空模式，匹配每一行

(2) /regular expression/：仅处理能够模式匹配到的行，需要用/ /括起来

awk '/^UUID/{print $1}' /etc/fstab #打印行首为UUID行的第一条属性

awk '!/^UUID/{print $1}' /etc/fstab #打印行首不是UUID的第一条属性

(3) relational expression: 关系表达式，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

[root@CentOS6 ~]#awk -F: 'i=!i{print NR,$0,i}' /etc/passwd
#打印奇数行加行号和当时的i的值
#首次循环中，i的初始值为空，那么!i不为空，所以打印后续动作
#第二轮循环，i值初始值不为空，!i为空，跳过后续动作
1 root:x:0:0:root:/root:/bin/bash 1
3 daemon:x:2:2:daemon:/sbin:/sbin/nologin 1
5 lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin 1

（4）line ranges：行范围

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

格式

awk -F: ‘/^root>/,/nobody>/{print $1}' /etc/passwd

awk -F: ‘(NR>=10&&NR<=20){print NR,$1}' /etc/passwd

[root@CentOS6 ~]#awk -F: '(NR>=10&&NR<=13){print NR,$1}' /etc/passwd
10 uucp		#打印行号大于等于10并且小于等于13的用户名加行号
11 operator
12 games
13 gopher

(5) BEGIN/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：

[root@CentOS6 ~]#awk -F: 'BEGIN{print "USER UID \n---------------"}{print $1,$3}END{print "===================="}' /etc/passwd
USER UID
---------------
root 0
...
baobaotian 508
====================

六、awk action

action statements对数据进行处理，放在{}内指明

awk [options] 'program:pattern{action statements;..} ' file…

常用的action分类

(1) Expressions:算术，比较表达式等

(2) Control statements：if, while等

(3) Compound statements：组合语句

(4) input statements:输入项目

(5) output statements：print等

print格式

要点：

(1) 逗号分隔符

(2) 输出的各item可以字符串，也可以是数值；当前记录的字段、 变量或awk的表达式

(3) 如省略item，相当于print $0

示例：

awk '{print "hello,awk"}'

[root@CentOS6 ~]#awk '{print "hello,world"}'
haha		#每次从标准输入读入行都会打印“hello,world”
hello,world

awk –F: '{print}' /etc/passwd

awk –F: ‘{print “wang”}’ /etc/passwd

awk –F: ‘{print $1}’ /etc/passwd

awk –F: ‘{print $0}’ /etc/passwd

awk –F: ‘{print $1”\t”$3}’ /etc/passwd

[root@CentOS6 ~]#awk -F : '{print $1"\t"$3}' /etc/passwd
root	0	#-F: 指定:为分隔符
bin	1		#打印用户名和UID
daemon	2

tail –3 /etc/fstab |awk ‘{print $2,$4}’ #awk自动理解文件的分隔符

printf

格式化输出：printf “FORMAT”, item1, item2, ...

(1) 必须指定FORMAT

(2) 不会自动换行，需要显式给出换行控制符，\n

(3) FORMAT中需要分别为后面每个item指定格式符

格式符：与item一一对应

%c: 显示字符的ASCII码

%d, %i: 显示十进制整数

%e, %E:显示科学计数法数值

%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

修饰符：

#[.#]：第一个数字控制显示的宽度；第二个#表示小数点后精度，%3.1f

-: 左对齐（默认右对齐） %-15s

+：显示数值的正负符号 %+d

[root@CentOS6 ~]#awk -F: '{printf "%-20s %10d\n",$1,$3}' /etc/passwd
#指定$1是字符串，左对齐指定宽度20个字符，$3为十进制字符，默认右对齐宽度10个字符
#指定换行符\n
root                          0
bin                           1
daemon                        2

七、awk控制语句

主要的控制语句：

{ statements;… } 组合语句

if(condition) {statements;…} 条件判断语句

if(condition) {statements;…} else {statements;…}

while(conditon) {statments;…} 循环语句

do {statements;…} while(condition)

for(expr1;expr2;expr3) {statements;…}

break

continue

delete array[index]

delete array

exit

if-else语句：

语法：

if(condition){statement;…}[else statement]

if(condition1){statement1}else if(condition2){statement2} else{statement3}使用场景：对awk取得的整行或某个字段做条件判断

示例：

[root@CentOS6 ~]#awk -F: '{if($3>=500){printf "Common user:%s\n",$1}else{printf"root or Sysuser: %s\n",$1}}' /etc/passwd		#条件判断语句后的多条statement要用大括号括起来
root or Sysuser: root	#如果UID大于等于500就打印用户名加"root or Sysuser:"
root or Sysuser: bin	#否则打印用户名加"Common user:"
Common user:huxiaoqi
Common user:gentoo

[root@CentOS6 ~]#df -h|awk -F% '/^\/dev\/sd/{print $1}'|awk '$NF>=10{print $1,$NF}'
/dev/sda2 11	#第一次awk过滤以取出/dev/sd开头的行，-F%指定分隔符打印$1目的是去掉%号让第二次可以对$NF直接进行数字比较

[root@CentOS6 ~]#awk 'BEGIN{test=87;if(test>90){print"Very good"}else if(test>60){print "good"}else{print "no pass"}}'
good	#先变量赋值，再使用条件判断语句判断变量，如果变量值大于90打印"Very good",如果变量值大于60打印"good",否则打印"no pass"

while循环

语法：

while(condition){statement;…}

条件“真”，进入循环；条件“假”，退出循环

使用场景：

对一行内的多个字段逐一类似处理时使用

对数组中的各元素逐一处理时使用

[root@CentOS7 ~]#awk '/^[[:space:]]*linux16/{i=1;while(i<=NF){if(length($i)>=10){print $i,length($i)};i++}}' /etc/grub2.cfg
#/^[[:space:]]*linux16/ 匹配行首有任意数量空格跟linux16的行
#设定i初始值为1进入循环并且每次循环自增，（i<=NF）循环次数和字段数NF相等
#循环内置条件判断，判断length（$i）shell内置函数字段长度大于等于10，那么就打印该字段以及字段长度
/vmlinuz-3.10.0-514.el7.x86_64 30
root=UUID=851ee323-783c-44fe-93f5-333b9fe02b34 46
crashkernel=auto 16
LANG=en_US.UTF-8 16
net.ifnames=0 13
/vmlinuz-0-rescue-a8324cea4b7748b7a2b0c26dd1a9fa55 50
root=UUID=851ee323-783c-44fe-93f5-333b9fe02b34 46
crashkernel=auto 16

[root@CentOS6 ~]#cat f1.txt
1 2 3 4 5 6 7 8 9 10
10 11 12 13 14 15 16 17 18 19 20
[root@CentOS6 ~]#awk '{i=1;sum=0；while(i<=NF){sum+=$i;i++};print sum,i}' f1.txt
55 11	#将一条记录的所有字段加总
165 12	#每条记录进入循环以后sum清零
#内置循环，循环次数等于字段个数
#如果不清零每条记录的sum值那么将统计文本内所有字段的总和

[root@CentOS6 ~]#awk 'BEGIN{i=1;sum=0;while(i<=100){sum+=i;i++};print sum}'
5050		#设定初始值i=1；sum=0，i小于100进入循环每次自增1循环100次，计算1到100之间的数字之和

do-while循环

语法：do {statement;…}while(condition)

意义：无论真假，至少执行一次循环体

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}

[root@CentOS6 ~]#time awk 'BEGIN{for(i=0;i<=1000000;i++){sum+=i}print sum}'
500000500000
real	0m0.120s
user	0m0.119s
sys	0m0.001s

bash awk性能比较

分别用shell，awk，bc计算1到1000000之间所有数字之和比较消耗时间

awk表现：

[root@CentOS6 ~]#time awk 'BEGIN{i=1;sum=0;while(i<=1000000){sum=sum+i;i++}print sum}'
500000500000
real	0m0.216s
user	0m0.212s
sys	0m0.004s

shell表现：

[root@CentOS6 ~]#time (sum=0;for (( i=0; i<=1000000 ;i++ ));do let sum+=i;done;echo $sum)
500000500000
real	0m16.710s
user	0m15.939s
sys	0m0.767s

bc表现：

[root@CentOS6 ~]#time(seq -s "+" 1000000|bc)
500000500000	#seq -s "+" 指定seq分隔符为"+"
real	0m1.383s
user	0m1.320s
sys	0m0.085s

awk性能最佳

swich语句

swich语句作用类似bash中的case语句

语法：switch(expression) {case VALUE1 or /REGEXP/: statement1; case VALUE2 or /REGEXP2/: statement2; ...; default: statementn}

break和continue

[root@CentOS6 ~]#awk 'BEGIN{sum=0;for(i=1;i<=100;i++) {if(i%2==0)continue;sum+=i}print sum}'
2500
#利用continue语句计算1到100之间所有奇数之和
#循环内置条件判断if(i%2==0)continue对i取模如果i为偶数实行continue跳过本次循环

与bash类似awk语句中break和continue同样支持指定跳过第几层循环

break [n]

continue [n]

next: 提前结束对本行处理而直接进入下一行处理（awk自身循环）

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

[root@CentOS6 ~]#awk -F: '{if(NR%2!=0)next;print NR,$0}' /etc/passwd
#awk本身每条记录自带循环
#对行号取模如果结果非0也就是奇数行执行next，跳过该条记录，结果只打印偶数行
2 bin:x:1:1:bin:/bin:/sbin/nologin
4 adm:x:3:4:adm:/var/adm:/sbin/nologin
6 sync:x:5:0:sync:/sbin:/bin/sync

八、awk数组

关联数组：array[index-expression]

index-expression: 数组索引、下标

(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

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

[root@CentOS6 ~]#awk -F: '{line[$7]++}END{for (i in line)print i,line[i]}' /etc/passwd
#利用数组总结各个shell类型出现个次数
#-F：指定文本的字段分隔符为":"，$7就是shell类型
#$7shell类型作为关联数组line的下标索引，{line[$7]++}awk每条记录的每次循环都会给line[$7]重新付一次值，每次加一
#{for (i in line)print i,line[i]} for循环，把列表line也就是数组的下标赋值给变量i
/sbin/shutdown 1
/bin/csh 1
/bin/bash 10
/sbin/nologin 29
/sbin/halt 1
/bin/sync 1

[root@CentOS6 ~]#awk '{line[$1]++}END{for (i in line)print i,line[i]}' access_log |sort -nr -k2
#利用awk中的数组取出访问日志中各个ip地址访问的次数，排序之后将异常的ip取出
#sort -nr 从大到小排序，-k2 指定排序的参考项默认分隔符为空格
172.18.125.70 155364
172.18.22.188 9367
...

利用数组去重：

[root@CentOS6 ~]#awk -F: '!line[$7]++' /etc/passwd
root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
sync:x:5:0:sync:/sbin:/bin/sync
shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown
halt:x:7:0:halt:/sbin:/sbin/halt
gentoo:x:501:501:Gentoo Distribution:/home/gentoo:/bin/csh
#-F:指定字段分隔符为":"，$7为shell类型
#awk每条记录的循环会给line[$7]赋一次值，不同shell类型为索引的数组首次循环都为空串数组，!line[$7]++所以首次结果为真默认执行打印$0
#首次以后关联数组被赋值!line[$7]++的结果都为假，不执行打印动作

统计连接状态：

[root@CentOS6 ~]#netstat -nat |awk '/^tcp/{stat[$NF]++}END{for(i in stat)print i,stat[i]}'
ESTABLISHED 2
LISTEN 10

统计ip访问连接量

[root@CentOS6 ~]#netstat -nt
Active Internet connections (w/o servers)
Proto Recv-Q Send-Q Local Address   Foreign Address State
tcp 0 64 172.18.45.6:22  172.18.45.107:2585  ESTABLISHED
tcp 0  0 172.18.45.6:22  172.18.45.107:4262  ESTABLISHED
#命令原始状态
[root@CentOS6 ~]#netstat -nt | awk -F'[[:space:]:]+' '/^tcp/{ip[$6]++}END{for (i in ip)print i,ip[i]}'
172.18.45.107 2
#-F'[[:sapce:]:]+' 指定空格和":"都作为字段分隔符$6就是ip地址

求男女平均分：

数组写法

[root@CentOS6 bin]#cat score.txt
mage 100 male
wang 90 male
zhang 80 female
li 100 female
[root@CentOS6 bin]#awk '{total[$3]+=$2;num[$3]++}END{for(name in total){print name,total[name],total[name]/num[name]}}' score.txt
female 180 90
male 190 95
#total[$3]+=$2 分别加总男女总分
#num[$3]++ 分别加总男女个数
#for(name in total)将total数组下标赋值给变量name
#print name为打印性别
#print total[name]为打印男女各自总分
#print total[name]/num[name]为打印平均分

变量写法：

[root@CentOS6 bin]#awk '{if($3 == "male"){msum+=$2;mnum++}else{fsum+=$2;fnum++}}END{printf "msum=%d  mavg=%.2f\nfsum=%d favg=%.2f\n",msum,msum/mnum,fsum,fsum/fnum}'  score.txt
msum=190  mavg=95.00
fsum=180 favg=90.00

九、awk函数

内置函数

数值处理：

rand()：返回0和1之间一个随机数

[root@CentOS6 ~]#awk 'BEGIN{srand(); print rand() }'
0.70397
[root@CentOS6 ~]#awk 'BEGIN{srand(); print int(rand()*100) }'
62
#int(rand()*100) 原始命令生成的是小数乘以100就是生成100以内的随机数，int命令取整

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 配的内容替换为s

echo "2008:08:08 08:08:08" | awk 'sub(/