awk是linux中非常強大的文本分析工具。簡單來說,awk就是把檔案逐行的讀入,以空格為預設分隔符號將每行分割,分割的部分再進行各種分析處理。
awk的基本用法
awk使用的基本形式如下
awk '{pattern + action}' {filenames}
其中 pattern 表示 AWK 在資料中尋找的內容,而 action 是在找到匹配內容時所執行的一系列命令。花括弧({})不需要在程式中始終出現,但它們用於根據特定的模式對一系列指令進行分組。 pattern就是要表示的Regex,用斜杠括起來。
在使用中,我們一般會採用如下用法
awk [-F field-separator] 'commands' input-file(s)
其中,commands 是真正awk命令,[-F域分隔字元]是可選的。 input-file(s) 是待處理的檔案。在awk中,檔案的每一行中,由域分隔字元分開的每一項稱為一個域。通常,在不指名-F域分隔字元的情況下,預設的域分隔字元是空格。
通常,awk是以檔案的一行為處理單位的。awk每接收檔案的一行,然後執行相應的命令,來處理文本。
awk的使用樣本
以/etc/passwd檔案為例進行講解,當執行cat /etc/passwd命令時,會得到如下內容,這裡只取前4行
# cat /etc/passwd
root:x:0:0:root:/root:/bin/bash
daemon:x:1:1:daemon:/usr/sbin:/bin/sh
bin:x:2:2:bin:/bin:/bin/sh
sys:x:3:3:sys:/dev:/bin/sh
1、awk+action用法
我們利用awk命令取出賬戶名,得到如下輸出
#cat /etc/passwd |awk -F ':' '{print $1}'
root
daemon
bin
sys
解釋上述awk命令的含義:讀入有’\n’分行符號分割的一條記錄(逐行讀入),然後將記錄按指定的域分隔字元劃分域(-F指定域分隔字元為’:'),執行命令(print $1),$0則表示所有域,$1表示第一個域,$n表示第n個域。預設域分隔字元是”空白鍵” 或 “[tab]鍵”,所以$1表示使用者名稱,後面的以此類推。
因此如果要同時列印/etc/passwd的賬戶和賬戶對應的shell,並用逗號分割,可以使用如下命令
# cat /etc/passwd |awk -F ':' '{print $1","$7}'
root,/bin/bash
daemon,/bin/sh
bin,/bin/sh
sys,/bin/sh
2、awk+pattern用法
搜尋/etc/passwd有root關鍵字的所有行
#awk -F: '/root/' /etc/passwd
root:x:0:0:root:/root:/bin/bash
這種是pattern的使用樣本,匹配了pattern(這裡是root)的行才會執行action(沒有指定action,預設輸出每行的內容)。
匹配模式一般在寫法是/pattern/,即
awk '/pattern/'
搜尋支援正則,例如找root開頭的: awk -F: ‘/^root/’ /etc/passwd
3、awk+pattern+action用法
搜尋/etc/passwd有root關鍵字的所有行,並顯示對應的shell
# awk -F: '/root/{print $7}' /etc/passwd
/bin/bash
這裡指定了action{print $7}
awk的的擴充用法
1、awk內建變數
ARGC 命令列參數個數
ARGV 命令列參數排列
ENVIRON 支援隊列中系統內容變數的使用
FILENAME awk瀏覽的檔案名稱
FNR 瀏覽檔案的記錄數
FS 設定輸入欄位分隔字元,等價於命令列 -F選項
NF 瀏覽記錄的域的個數
NR 已讀的記錄數
OFS 輸出域分隔字元
ORS 輸出記錄分隔字元
RS 控制記錄分隔字元
下面介紹一些簡單的用法:
1、輸出檔案第二行
awk 'NR==2'
2、輸出檔案第二行到第四行
awk 'NR==2,NR==4'
3、刪除所有的空行
awk NF
4、輸出檔案的最後一行
awk 'END { print }'
2、print和printf
awk中同時提供了print和printf兩種列印輸出的函數。
其中print函數的參數可以是變數、數值或者字串。字串必須用雙引號引用,參數用逗號分隔。如果沒有逗號,參數就串聯在一起而無法區分。這裡,逗號的作用與輸出檔案的分隔字元的作用是一樣的,只是後者是空格而已。
printf函數,其用法和c語言中printf基本相似,可以格式化字串,輸出複雜時,printf更加好用,代碼更易懂。
awk編程
變數和賦值
除了awk的內建變數,awk還可以自訂變數。
下面統計/etc/passwd的賬戶人數
awk '{count++;print $0;} END{print "user count is ", count}' /etc/passwd
root:x:0:0:root:/root:/bin/bash
......
user count is 40count是自訂變數。之前的action{}裡都是只有一個print,其實print只是一個語句,而action{}可以有多個語句,以;號隔開。
這裡沒有初始化count,雖然預設是0,但是妥當的做法還是初始化為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 0
root:x:0:0:root:/root:/bin/bash
...
[end]user count is 40
統計某個檔案夾下的檔案佔用的位元組數
ls -l |awk 'BEGIN {size=0;} {size=size+$5;} END{print "[end]size is ", size}'[end]size is 8657198
如果以M為單位顯示:
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,統計不包括檔案夾的子目錄。
條件陳述式
awk中的條件陳述式是從C語言中借鑒來的,見如下聲明方式:
if (expression) {
statement;
statement;
... ...
}
if (expression) {
statement;
} else {
statement2;
}
if (expression) {
statement1;
} else if (expression1) {
statement2;
} else {
statement3;
}
統計某個檔案夾下的檔案佔用的位元組數,過濾4096大小的檔案(一般都是檔案夾):
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
迴圈語句
awk中的迴圈語句同樣借鑒於C語言,支援while、do/while、for、break、continue,這些關鍵字的語義和C語言中的語義完全相同。
數組
因為awk中數組的下標可以是數字和字母,數組的下標通常被稱為關鍵字(key)。值和關鍵字都儲存在內部的一張針對key/value應用hash的表格裡。由於hash不是順序儲存,因此在顯示數組內容時會發現,它們並不是按照你預料的順序顯示出來的。數組和變數一樣,都是在使用時自動建立的,awk也同樣會自動判斷其儲存的是數字還是字串。一般而言,awk中的數組用來從屬記錄中收集資訊,可以用於計算總和、統計單詞以及跟蹤模板被匹配的次數等等。
顯示/etc/passwd的賬戶
awk -F ':' 'BEGIN {count=0;} {name[count] = $1;count++;}; END{for (i = 0; i < NR; i++) print i, name[i]}' /etc/passwd
0 root
1 daemon
2 bin
3 sys
4 sync
5 games
......這裡使用for迴圈遍曆數組