Linux基礎命令介紹八：文本分析awk
awk是一種模式掃描和處理語言，在對數據進行分析處理時，是十分強大的工具。
- awk [options] 'pattern {action}' file...
awk的工作過程是這樣的：按行讀取輸入(標準輸入或文件)，對于符合模式pattern的行，執行action。當pattern省略時表示匹配任何字符串;當action省略時表示執行'{print}';它們不可以同時省略。
每一行輸入，對awk來說都是一條記錄(record)，awk使用$0來引用當前記錄：
- [root@centos7 ~]# head -1 /etc/passwd | awk '{print $0}'
- root:x:0:0:root:/root:/bin/bash
例子中將命令head -1 /etc/passwd作為awk的輸入，awk省略了pattern，action為print $0，意為打印當前記錄。
對于每條記錄，awk使用分隔符將其分割成列，***列用$1表示，第二列用$2表示...***一列用$NF表示
選項-F表示指定分隔符
如輸出文件/etc/passwd***行***列(用戶名)和***一列(登錄shell)：
- [root@centos7 ~]# head -1 /etc/passwd | awk -F: '{print $1,$NF}'
- root /bin/bash
當沒有指定分隔符時，使用一到多個blank(空白字符，由空格鍵或TAB鍵產生)作為分隔符。輸出的分隔符默認為空格。
如輸出命令ls -l *的結果中，文件大小和文件名：
- [root@centos7 temp]# ls -l * | awk '{print $5,$NF}'
- 13 b.txt
- 58 c.txt
- 12 d.txt
- 0 e.txt
- 0 f.txt
- 24 test.sh
- [root@centos7 temp]#
還可以對任意列進行過濾：
- [root@centos7 temp]# ls -l *|awk '$5>20 && $NF ~ /txt$/'
- -rw-r--r-- 1 nobody nobody 58 11月 16 16:34 c.txt
其中$5>20表示第五列的值大于20;&&表示邏輯與;$NF ~ /txt$/中，~表示匹配，符號//內部是正則表達式。這里省略了action，整條awk語句表示打印文件大小大于20字節并且文件名以txt結尾的行。
awk用NR表示行號
- [root@centos7 temp]# awk '/^root/ || NR==2' /etc/passwd
- root:x:0:0:root:/root:/bin/bash
- bin:x:1:1:bin:/bin:/sbin/nologin
- [root@centos7 temp]#
例子中||表示邏輯或，語句表示：輸出文件/etc/passwd中以root開頭的行或者第二行。
在一些情況下，使用awk過濾甚至比使用grep更靈活
如獲得ifconfig的輸出中網卡名及其對應的mtu值
- [root@idc-v-71253 ~]# ifconfig|awk '/^\S/{print $1"\t"$NF}'
- ens32: 1500
- ens33: 1500
- lo: 65536
- [root@idc-v-71253 ~]#
- #這里的正則表示不以空白字符開頭的行，輸出內容中使用\t進行了格式化。
#這里的正則表示不以空白字符開頭的行，輸出內容中使用\t進行了格式化。
以上所說的NR、NF等都是awk的內建變量，下面列出部分常用內置變量
- $0 當前記錄（這個變量中存放著整個行的內容）
- $1~$n 當前記錄的第n個字段，字段間由FS分隔
- FS 輸入字段分隔符 默認是空格或Tab
- NF 當前記錄中的字段個數，就是有多少列
- NR 行號，從1開始，如果有多個文件話，這個值也不斷累加。
- FNR 輸入文件行號
- RS 輸入的記錄分隔符， 默認為換行符
- OFS 輸出字段分隔符， 默認也是空格
- ORS 輸出的記錄分隔符，默認為換行符
- FILENAME 當前輸入文件的名字
awk中還可以使用自定義變量，如將網卡名賦值給變量a，然后輸出網卡名及其對應的RX bytes的值(注意不同模式匹配及其action的寫法)：
- [root@idc-v-71253 ~]# ifconfig|awk '/^\S/{a=$1}/RX p/{print a,$5}'
- ens32: 999477100
- ens33: 1663197120
- lo: 0
awk中有兩個特殊的pattern：BEGIN和END;它們不會對輸入文本進行匹配，BEGIN對應的action部分組合成一個代碼塊，在任何輸入開始之前執行;END對應的action部分組合成一個代碼塊，在所有輸入處理完成之后執行。
- #注意類似于C語言的賦值及print函數用法
- [root@centos7 temp]# ls -l *|awk 'BEGIN{print "size name\n---------"}$5>20{x+=$5;print $5,$NF}END{print "---------\ntotal",x}'
- size name
- ---------
- 58 c.txt
- 24 test.sh
- ---------
- total 82
- [root@centos7 temp]#
awk還支持數組，數組的索引都被視為字符串(即關聯數組)，可以使用for循環遍歷數組元素
如輸出文件/etc/passwd中各種登錄shell及其總數量
- #注意數組賦值及for循環遍歷數組的寫法
- [root@centos7 temp]# awk -F ':' '{a[$NF]++}END{for(i in a) print i,a[i]}' /etc/passwd
- /bin/sync 1
- /bin/bash 2
- /sbin/nologin 19
- /sbin/halt 1
- /sbin/shutdown 1
- [root@centos7 temp]#
當然也有if分支語句
- #注意大括號是如何界定action塊的
- [root@centos7 temp]# netstat -antp|awk '{if($6=="LISTEN"){x++}else{y++}}END{print x,y}'
- 6 3
- [root@centos7 temp]#
pattern之間可以用逗號分隔，表示從匹配***個模式開始直到匹配第二個模式
- [root@centos7 ~]# awk '/^root/,/^adm/' /etc/passwd
- root:x:0:0:root:/root:/bin/bash
- bin:x:1:1:bin:/bin:/sbin/nologin
- daemon:x:2:2:daemon:/sbin:/sbin/nologin
- adm:x:3:4:adm:/var/adm:/sbin/nologin
還支持三目操作符pattern1 ? pattern2 : pattern3，表示判斷pattern1是否匹配，true則匹配pattern2，false則匹配pattern3，pattern也可以是類似C語言的表達式。
如判斷文件/etc/passwd中UID大于500的登錄shell是否為/bin/bash，是則輸出整行，否則輸出UID為0的行：
- #注意為避免混淆對目錄分隔符進行了轉義
- [root@centos7 ~]# awk -F: '$3>500?/\/bin\/bash$/:$3==0 {print $0}' /etc/passwd
- root:x:0:0:root:/root:/bin/bash
- learner:x:1000:1000::/home/learner:/bin/bash
- #三目運算符也可以嵌套，例子略
選項-f file表示從file中讀取awk指令
- #打印斐波那契數列前十項
- [root@centos7 temp]# cat test.awk
- BEGIN{
- $1=1
- $2=1
- OFS=","
- for(i=3;i<=10;i++)
- {
- $i=$(i-2)+$(i-1)
- }
- }
- [root@centos7 temp]# awk -f test.awk
- 1,1,2,3,5,8,13,21,34,55
- [root@centos7 temp]#
選項-F指定列分隔符
- #多個字符作為分隔符時
- [root@centos7 temp]# echo 1.2,3:4 5|awk -F '[., :]' '{print $2,$NF}'
- 2 5
- [root@centos7 temp]#
- #這里-F后單引號中的內容也是正則表達式
選項-v var=val設定變量
- #這里printf函數用法類似C語言同名函數
- [root@centos7 ~]# awk -v n=5 'BEGIN{for(i=0;i<n;i++) printf "%02d\n",i}'
- 00
- 01
- 02
- 03
- 04
- [root@centos7 ~]#
print等函數還支持使用重定向符>和>>將輸出保存至文件
- #如按***列(IP)分類拆分文件access.log，并保存至ip.txt文件中
- [root@centos7 temp]# awk '{print > $1".txt"}' access.log
- [root@centos7 temp]# ls -l 172.20.71.*
- -rw-r--r-- 1 root root 5297 11月 22 21:33 172.20.71.38.txt
- -rw-r--r-- 1 root root 1236 11月 22 21:33 172.20.71.39.txt
- -rw-r--r-- 1 root root 4533 11月 22 21:33 172.20.71.84.txt
- -rw-r--r-- 1 root root 2328 11月 22 21:33 172.20.71.85.txt
內建函數
length()獲得字符串長度
- [root@centos7 temp]# awk -F: '{if(length($1)>=16)print}' /etc/passwd
- systemd-bus-proxy:x:999:997:systemd Bus Proxy:/:/sbin/nologin
- [root@centos7 temp]#
split()將字符串按分隔符分隔，并保存至數組
- [root@centos7 temp]# head -1 /etc/passwd|awk '{split($0,arr,/:/);for(i=1;i<=length(arr);i++) print arr[i]}'
- root
- x
- 0
- 0
- root
- /root
- /bin/bash
- [root@centos7 temp]#
getline從輸入(可以是管道、另一個文件或當前文件的下一行)中獲得記錄，賦值給變量或重置某些環境變量
- #從shell命令date中通過管道獲得當前的小時數
- [root@centos7 temp]# awk 'BEGIN{"date"|getline;split($5,arr,/:/);print arr[1]}'
- 09
- #從文件中獲取，此時會覆蓋當前的$0。(注意逐行處理b.txt的同時也在逐行從c.txt中獲得記錄并覆蓋$0，當getline先遇到eof時<即c.txt文件行數較少>將輸出空行)
- [root@centos7 temp]# awk '{getline <"c.txt";print $4}' b.txt
- "https://segmentfault.com/blog/learnning"
- [root@centos7 temp]#
- #賦值給變量
- [root@centos7 temp]# awk '{getline blog <"c.txt";print $0"\n"blog}' b.txt
- aasdasdadsad
- BLOG ADDRESS IS "https://segmentfault.com/blog/learnning"
- [root@centos7 temp]#
- #讀取下一行(也會覆蓋當前$0)
- [root@centos7 temp]# cat file
- anny
- 100
- bob
- 150
- cindy
- 120
- [root@centos7 temp]# awk '{getline;total+=$0}END{print total}' file
- 370
- #此時表示只對偶數行進行處理
next作用和getline類似，也是讀取下一行并覆蓋$0，區別是next執行后，其后的命令不再執行，而是讀取下一行從頭再執行。
- #跳過以a-s開頭的行，統計行數，打印最終結果
- [root@centos7 temp]# awk '/^[a-s]/{next}{count++}END{print count}' /etc/passwd
- 2
- [root@centos7 temp]#
- #又如合并相同列的兩個文件
- [root@centos7 temp]# cat f.txt
- 學號 分值
- 00001 80
- 00002 75
- 00003 90
- [root@centos7 temp]# cat e.txt
- 姓名 學號
- 張三 00001
- 李四 00002
- 王五 00003
- [root@centos7 temp]# awk 'NR==FNR{a[$1]=$2;next}{print $0,a[$2]}' f.txt e.txt
- 姓名 學號 分值
- 張三 00001 80
- 李四 00002 75
- 王五 00003 90
- #這里當讀***個文件時NR==FNR成立，執行a[$1]=$2，然后next忽略后面的。讀取第二個文件時，NR==FNR不成立，執行后面的打印命令
sub(regex,substr,string)替換字符串string(省略時為$0)中***出現匹配正則regex的子串substr
- [root@centos7 temp]# echo 178278 world|awk 'sub(/[0-9]+/,"hello")'
- hello world
- [root@centos7 temp]#
gsub(regex,substr,string)與sub()類似，但不止替換***個，而是全局替換
- [root@centos7 temp]# head -n5 /etc/passwd|awk '{gsub(/[0-9]+/,"----");print $0}'
- root:x:----:----:root:/root:/bin/bash
- bin:x:----:----:bin:/bin:/sbin/nologin
- daemon:x:----:----:daemon:/sbin:/sbin/nologin
- adm:x:----:----:adm:/var/adm:/sbin/nologin
- lp:x:----:----:lp:/var/spool/lpd:/sbin/nologin
substr(str,n,m)切割字符串str，從第n個字符開始，切割m個。如果m省略，則到結尾
- [root@centos7 temp]# echo "hello,世界！"|awk '{print substr($0,8,1)}'
- 界
- [root@centos7 temp]#
tolower(str)和toupper(str)表示大小寫轉換
- [root@centos7 temp]# echo "hello,世界！"|awk '{A=toupper($0);print A}'
- HELLO,世界！
- [root@centos7 temp]#
system(cmd)執行shell命令cmd，返回執行結果，執行成功為0，失敗為非0
- #此處if語句判斷和C語言一致，0為false，非0為true
- [root@centos7 temp]# awk 'BEGIN{if(!system("date>/dev/null"))print "success"}'
- success
- [root@centos7 temp]#
match(str,regex)返回字符串str中匹配正則regex的位置
- [root@centos7 temp]# awk 'BEGIN{A=match("abc.f.11.12.1.98",/[0-9]{1,3}\./);print A}'
- 7
- [root@centos7 temp]#
awk作為一個編程語言可以處理各種各樣的問題，甚至于編寫應用軟件，但它更常用的地方是命令行下的文本分析，生成報表等，這些場景下awk工作的很好。工作中如經常有文本分析的需求，那么掌握這個命令的用法將為你節省大量的時間。
