awk命令--update20150120

简介

awk是一个强大的文本分析工具，把文件逐行读入，以空格为默认分隔符分割成field，切开的部分再进行各种分析处理。

模式和动作：

任何awk语句都是由模式和动作组成，模式部分决定动作语句何时触发及触发事件。动作即对数据进行的操作，如果省去模式部分，动作将时刻保持执行状态。

模式包含两个特殊字段BEGIN和END，使用BEGIN语句设置计数和打印头，BEGIN语句使用在任何文本浏览动作之前，之后文本浏览动作依据输入文件开始执行;END语句用来在awk完成文本浏览动作后打印输出文本总数和结尾状态标志，有动作必须使用{}括起来。

条件操作符  :   <、<=、==、!=、>=、~匹配正则表达式、!~不匹配正则表达式

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

                   等价于awk 'BEGIN{ FS=":" } $4 ~ "ASIMA"{ print $0}' temp

    精确匹配:       awk 'BEGIN{ FS=":";} $1=="root"{print $0}' /etc/passwd

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

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

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

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

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

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

awk内置字符串函数:

gsub(r,s)          在整个$0中用s替代r   :     awk'gsub(/name/,"xingming") {print $0}' temp
gsub(r,s,t)        在整个t中用s替代r
index(s,t)         返回s中字符串t的第一位置    :    awk 'BEGIN{print index("Sunny","ny")}'temp    返回4
length(s)          返回s的长度
match(s,r)         测试s是否包含匹配r的字符串     :     awk'$1=="J.Lulu" {print match($1,"u")}'temp   返回4
split(s,a,fs)      在fs上将s分成序列a    :    awk 'BEGIN{print split("12#345#6789",myarray,"#")"'
                                                             返回3,同时myarray[]="", myarray[]="",myarray[]=""
sprint(fmt,exp)    返回经fmt格式化后的exp
sub(r,s)            从$0中最左边最长的子串中用s代替r(只更换第一遇到的匹配字符串)
substr(s,p)        返回字符串s中从p开始的后缀部分
substr(s,p,n)      返回字符串s中从p开始长度为n的后缀部分

awk调用外部变量：

#.使用 ' 分隔
str=aa
echo | awk '{print "this is '$str'"}'
this is aa  

#.当变量中含有空格是用 ' 分隔会出错,和awk默认输出分隔符有关
str="aa bb"
echo | awk '{print "this is '$str'"}'
awk: cmd. line:: {print "this is aa
awk: cmd. line::        ^ unterminated string  

#解决2
awk -v str="aa bb" 'BEGIN{print str}'  
或者
str="aa bb"
awk -v s="$str" 'BEGIN{print s}

调用awk

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。
例子：
awk -f test.awk myfile.in
test.awk内容如下：
BEGIN { FS=":" } { print $1 }

入门实例

假设last -n 5的输出如下

[root@www ~]# last -n  <==仅取出前五行
root     pts/   192.168.1.100  Tue Feb  :   still logged in
root     pts/   192.168.1.100  Tue Feb  : - :  (:)
root     pts/   192.168.1.100  Mon Feb   : - :  (:)
dmtsai   pts/   192.168.1.100  Mon Feb   : - :  (:)
root     tty1                   Fri Sep   : - :  (:)

如果只是显示最近登录的5个帐号

#last -n  | awk  '{print $1}'
root
root
root
dmtsai
root

awk工作流程是这样的：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。

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

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

如果只是显示/etc/passwd的账户和账户对应的shell,而账户与shell之间以逗号分割,而且在所有行添加列名name,shell,在最后一行添加"blue,/bin/nosh"。

cat /etc/passwd |awk  -F ':'  'BEGIN {print "name,shell"}  {print $1","$7} END {print "blue,/bin/nosh"}'
name,shell
root,/bin/bash
daemon,/bin/sh
bin,/bin/sh
sys,/bin/sh
....
blue,/bin/nosh

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/etc/passwd有root关键字的所有行

#awk -F: '/root/' /etc/passwd
root:x:::root:/root:/bin/bash

这种是pattern的使用示例，匹配了pattern(这里是root)的行才会执行action(没有指定action，默认输出每行的内容)。

搜索支持正则，例如找root开头的: awk -F: '/^root/' /etc/passwd

搜索/etc/passwd有root关键字的所有行，并显示对应的shell

# awk -F: '/root/{print $7}' /etc/passwd
/bin/bash

这里指定了action{print $7}

awk内置变量

FS                     Field Separater,设置输入域分隔符，等价于命令行 -F选项
                         FS="\t+" 一个或多个TAB分隔
　　　　　         FS="[[:space:]+]" #一个或多个空白分隔，默认的
　　　　　　      FS="(foo|:)" #以 foo或：分隔

RS                     Record Separater , 控制记录分隔符

NF                     Number of Fields,浏览记录的域的个数,通常只读

$NF                  最后一个域的值
　　　　　　　　　　　
NR                     Number of Records,已读的记录数,当前AWK遍历过的行数，动态变化
                          (NR <=  ) || (NR >= ) { print "我们在前10行或第100行之后" }

OFS                     输出域分隔符,默认为” ”

ORS                    输出记录分隔符,记录输出分隔符，默认为”\n”

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

统计/etc/passwd:文件名，每行的行号，每行的列数，对应的完整行内容

 awk  -F ':'  '{printf("filename:%10s,linenumber:%s,columns:%s,linecontent:%s\n",FILENAME,NR,NF,$0)}' /etc/passwd

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。

 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:::root:/root:/bin/bash
......
user count is   

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
root:x:::root:/root:/bin/bash
...
[end]user count is  

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  

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

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
 root
 daemon
 bin
 sys
 sync
 games
......

循环数组

awk 'BEGIN {record="123#456#789";split(record，myarray，"#")} END { for (i in myarray) {print myarray[i]} }'