shell学习（4）- awk

简介

awk是一个强大的文本分析工具，相对于grep的查找，sed的编辑，awk在其对数据分析并生成报告时，显得尤为强大。简单来说awk就是把文件逐行的读入，以空格为默认分隔符将每行切片，切开的部分再进行各种分析处理。

awk有3个不同版本: awk、nawk和gawk，未作特别说明，一般指gawk，gawk 是 AWK 的 GNU 版本。

awk其名称得自于它的创始人 Alfred Aho 、Peter Weinberger 和 Brian Kernighan 姓氏的首个字母。实际上 AWK 的确拥有自己的语言： AWK 程序设计语言 ， 三位创建者已将它正式定义为“样式扫描和处理语言”。它允许您创建简短的程序，这些程序读取输入文件、为数据排序、处理数据、对输入执行计算以及生成报 表，还有无数其他的功能

使用方法

awk'{pattern + action}' {filenames}

awk ：对于文件中一行行的独处来执行操作

调用方法

1.命令行方式

awk [-F  field-separator]  'commands'  input-file(s)

其中，commands 是真正awk命令，[-F域分隔符]是可选的。 input-file(s) 是待处理的文件。

在awk中，文件的每一行中，由域分隔符分开的每一项称为一个域。通常，在不指名-F域分隔符的情况下，默认的域分隔符是空格。

2.shell脚本方式

将所有的awk命令插入一个文件，并使awk程序可执行，然后awk命令解释器作为脚本的首行，一遍通过键入脚本名称来调用。

相当于shell脚本首行的：#!/bin/sh

可以换成：#!/bin/awk

3.将所有的awk命令插入一个单独文件，然后调用：

awk -f awk-script-file input-file(s)

其中，-f选项加载awk-script-file中的awk脚本，input-file(s)跟上面的是一样的。

工作流程

awk的工作流程师这样的，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。 默认域分隔符是"空白键" 或 "[tab]键",所以$1表示登录用户，$3表示登录用户ip,以此类推

1.基本用法

只显示最近登录的5个账号

[root@www ~]$ last -n  | awk'{print $1}'
root
root
root
dmtsai
root

只显示／etc/passwd的账户

[root@www ~]$ cat /etc/passwd |awk  -F ':''{print $1}'
root
daemon
bin
sys

如果只是显示/etc/passwd的账户和账户对应的shell,而账户与shell之间以tab键分割

[root@www ~]$ cat /etc/passwd |awk  -F ':''{print $1"\t"$7}'
root    /bin/bash
daemon  /bin/sh
bin     /bin/sh
sys     /bin/sh

搜索/etc/passwd有root关键字的所有行

[root@www ~]$ cat /etc/passwd | awk -F':' '/root/'
root:x:::root:/root:/bin/bash
operator:x:::operator:/root:/sbin/nologin

找／etc/passwd 以root开头的

[yangjiao@www ~]$ cat /etc/passwd | awk -F':' '/^root/'
root:x:::root:/root:/bin/bash

2.内置变量

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

打印每一行的行数

[root@www ~]$ ls -l | awk '{print NR " " $1}'
 total
 drwx------
 drwx------+
 drwx------+
 drwx------+
 drwx------@
 drwx------+
 drwx------+
 drwx------+
 drwxr-xr-x+

再理解如下应该比较简单了

[root@www ~]$awk  -F ':'  '{printf("filename:%s,linenumber:%s,columns:%s,linecontent:%s\n",FILENAME,NR,NF,$0)}' /etc/passwd
filename:/etc/passwd,linenumber:,columns:,linecontent:root:x:::root:/root:/bin/bash
filename:/etc/passwd,linenumber:,columns:,linecontent:daemon:x:::daemon:/usr/sbin:/usr/sbin/nologin
filename:/etc/passwd,linenumber:,columns:,linecontent:bin:x:::bin:/bin:/usr/sbin/nologin
filename:/etc/passwd,linenumber:,columns:,linecontent:sys:x:::sys:/dev:/usr/sbin/nologin
filename:/etc/passwd,linenumber:,columns:,linecontent:sync:x:::sync:/bin:/bin/sync
filename:/etc/passwd,linenumber:,columns:,linecontent:games:x:::games:/usr/games:/usr/sbin/nologin

3.数组和计算

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。

[root@www ~]$ awk -F ':''BEGIN {count=0;} {name[count] = $1;count++;}; END{for (i = 0; i < NR; i++) print i, name[i]}' /etc/passwd
0 root
 daemon
 bin
 sys
4 sync5 games

准备测试文件

[root@www ~]$ cat test.txt

8888

[root@www ~]awk '{name[x++]=$1};END{for(i=0;i<NR;i++) print i, name[i]}' test.txt
0 5555
1 4444
2 2222
3 3333
4 7777
5 8888

求和

[root@www ~]$awk '{sum+=$1} END {print "sum=",sum}' test.txt
sum= 

求平均值

[root@www ~]$ awk '{sum+=$1} END {print "avg=",sum/NR}' test.txt
avg= 5369.83

求最大值

[root@www ~]$ awk 'BEGIN {max=0} {if($1>max) max=$1 fi} END {print "MAX=",max}' test.txt
MAX= 

[root@www ~]$ awk 'BEGIN{max=0;print "max="max} {max=($1>max)?$1:max; print $1, "Now max is" max}' test.txt
max=
 Now max is5555
 Now max is5555
 Now max is5555
 Now max is5555
 Now max is7777
 Now max is8888

求最小值

[root@www ~]$ awk 'BEGIN{min=9999999}{if($1<min) min=$1} END {print "MIN=",min}' test.txt
MIN= 

统计某个文件夹下的文件占用的字节数

[root@www ~]$ls -l | awk 'BEGIN{size=0;} {size=size+$5} END {print "size is", size}'
size is 

4.条件操作符

<、<=、==、!=、>=、~匹配正则表达式、!~不匹配正则表达式

匹配:awk '{if ($4~/ASIMA/) print $0}' temp 表示如果第四个域包含ASIMA，就打印整条

精确匹配:awk '$3=="48" {print $0}' temp    只打印第3域等于"48"的记录

不匹配:  awk '$0 !~ /ASIMA/' temp      打印整条不包含ASIMA的记录

不等于:  awk '$1 != "asima"' temp

小于:    awk '{if ($1<$2) print $1 "is smaller"}' temp

设置大小写: awk '/[Gg]reen/' temp      打印整条包含Green，或者green的记录

任意字符: awk '$1 ~/^...a/' temp    打印第1域中第四个字符是a的记录，符号’^’代表行首，符合’.’代表任意字符

或关系匹配: awk '$0~/(abc)|(efg)/' temp   使用|时，语句需要括起来

AND与关系:  awk '{if ( $1=="a" && $2=="b" ) print $0}' temp

OR或关系:   awk '{if ($1=="a" || $1=="b") print $0}' temp

awk有三种循环: while循环；for循环；special for循环。

$ awk '{ i = 1; while ( i <= NF ) { print NF,$i; i++}}' test。变量的初始值为1，若i小于可等于NF(记录中域的个数),则执行打印语句，且i增加1。直到i的值大于NF.

$ awk '{for (i = 1; i<NF; i++) print NF,$i}' test。作用同上。

bread continue 语句。break用于在满足条件的情况下跳出循环；continue用于在满足条件的情况下忽略后面的语句，直接返回循环的顶端。如：

{for ( x=; x<=NF; x++)
            if ($x<){print "Bottomed out!"; break}}
{for ( x=; x<=NF; x++)
            if ($x==){print "Get next item"; continue}}

next 语句从输入文件中读取一行，然后从头开始执行awk脚本。如：

{if ($ ~/test/){next}
    else {print}
}

exit 语句用于结束awk程序，但不会略过END块。退出状态为0代表成功，非零值表示出错。

if 语句
格式：
        {if (expression){
                   statement; statement; ...
                     }
        }
$ awk '{if ($1 <$2) print $2 "too high"}' test。如果第一个域小于第二个域则打印。

$ awk '{if ($1 < $2) {count++; print "ok"}}' test.如果第一个域小于第二个域，则count加一，并打印ok。

if/else语句，用于双重判断

格式：
        {if (expression){
                   statement; statement; ...
                       }
        else{
                   statement; statement; ...
                       }
        }

$ awk '{if ($1 > 100) print $1 "bad" ; else print "ok"}' test。如果$1大于100则打印$1 bad,否则打印ok。

$ awk '{if ($1 > 100){ count++; print $1} else {count--; print $2}' test。如果$1大于100，则count加一，并打印$1，否则count减一，并打印$1。

[root@www ~]$awk 'BEGIN {BASE="7000"} {if($1<BASE) print $0}' test.txt

[root@www ~]$ awk '{total+=$1};END{print total}' test.txt

5.BEGIN和END模块

BEGIN模块后紧跟着动作块，这个动作块在awk处理任何输入文件之前执行。所以它可以在没有任何输入的情况下进行测试。它通常用来改变内建变量的值，如OFS,RS和FS等，以及打印标题

END不匹配任何的输入文件，但是执行动作块中的所有动作，它在整个输入文件处理完成后被执行。如$ awk 'END{print "The number of records is" NR}' test，上式将打印所有被处理的记录数。

6.举个例子

有a.txt如下

"北京" =>
"上海" =>
"天津"=>
"重庆"=>
"河北省"=>
"山西省"=>
"内蒙古"=>
"辽宁省"=>
"吉林省"=>
"黑龙江省"=>

　现把key和value互换并去掉空格，用如下命令，或者先去掉空格，用下边第二条命令

cat a.txt | awk -F'=>'  '{printf("%s=>%s\n",$2,$1)}' | sed 's/\s\+//g' > b.txt

cat a.txt | sed 's/\s\+//g' | awk -F'=>' '{printf("%s => %s\n",$2,$1)}' > b.txt

　修改完后的b.txt如下

=>"北京"
=>"上海"
=>"天津"
=>"重庆"
=>"河北省"
=>"山西省"
=>"内蒙古"
=>"辽宁省"
=>"吉林省"
=>"黑龙江省"

　　

7.常用例子

cat www.slow.log. | grep -E  "08-May-2019 [^]]+" -o | awk -F "\t" '{a[$1]++}END{for (i in a) print i,a[i]}'

cat www.slow.log  | grep -E "09-May-2019 [0-9]+:[0-9]+:[0-9]+" -o

cat forbidword.txt | awk '{a[$1]++}END{for (i in a) {if(a[i]>1)print i,a[i]}}'

cat access.log.minute. |grep mtoutiao/ads |  grep -E "ls=[^&]+" -o | awk '{a[$1]++}END{for(i in a) print i,a[i]}'

参考文档：https://www.cnblogs.com/losbyday/p/5854707.html

https://www.cnblogs.com/losbyday/p/5854725.html

https://www.cnblogs.com/bugingcode/p/8287914.html

https://www.cnblogs.com/emanlee/p/3327576.html