Linux awk命令詳解

標籤：

簡介

awk是一個強大的文本分析工具，相對於grep的尋找，sed的編輯，awk在其對資料分析並產生報告時，顯得尤為強大。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切片，切開的部分再進行各種分析處理。

awk有3個不同版本: awk、nawk和gawk，未作特別說明，一般指gawk，gawk 是 AWK 的 GNU 版本。

awk其名稱得自於它的創始人 Alfred Aho 、Peter Weinberger 和 Brian Kernighan 姓氏的首個字母。實際上 AWK 的確擁有自己的語言： AWK 程式設計語言 ， 三位建立者已將它正式定義為“樣式掃描和處理語言”。它允許您建立簡短的程式，這些程式讀取輸入檔案、為資料排序、處理資料、對輸入執行計算以及產生報 表，還有無數其他的功能。

 

使用方法

awk ‘{pattern + action}‘ {filenames}

儘管操作可能會很複雜，但文法總是這樣，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。

awk語言的最準系統是在檔案或者字串中基於指定規則瀏覽和抽取資訊，awk抽取資訊後，才能進行其他文本操作。完整的awk指令碼通常用來格式化文字檔中的資訊。

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。

 

調用awk

有三種方式調用awk

1.命令列方式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。2.shell指令碼方式將所有的awk命令插入一個檔案，並使awk程式可執行，然後awk命令直譯器作為指令碼的首行，一遍通過鍵入指令碼名稱來調用。相當於shell指令碼首行的：#!/bin/sh可以換成：#!/bin/awk3.將所有的awk命令插入一個單獨檔案，然後調用：awk -f awk-script-file input-file(s)其中，-f選項載入awk-script-file中的awk指令碼，input-file(s)跟上面的是一樣的。

 本章重點介紹命令列方式。

 

入門執行個體

假設last -n 5的輸出如下

[[email protected] ~]# last -n 5 <==僅取出前五行root     pts/1   192.168.1.100  Tue Feb 10 11:21   still logged inroot     pts/1   192.168.1.100  Tue Feb 10 00:46 - 02:28  (01:41)root     pts/1   192.168.1.100  Mon Feb  9 11:41 - 18:30  (06:48)dmtsai   pts/1   192.168.1.100  Mon Feb  9 11:41 - 11:41  (00:00)root     tty1                   Fri Sep  5 14:09 - 14:10  (00:01)

如果只是顯示最近登入的5個帳號

#last -n 5 | awk  ‘{print $1}‘
root
root
root
dmtsai
root

awk工作流程是這樣的：讀入有‘\n‘分行符號分割的一條記錄，然後將記錄按指定的域分隔字元劃分域，填充域，$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表示登入使用者，$3表示登入使用者ip,以此類推。

 

如果只是顯示/etc/passwd的賬戶

#cat /etc/passwd |awk  -F ‘:‘  ‘{print $1}‘  rootdaemonbinsys

這種是awk+action的樣本，每行都會執行action{print $1}。

-F指定域分隔字元為‘:‘。

 

如果只是顯示/etc/passwd的賬戶和賬戶對應的shell,而賬戶與shell之間以tab鍵分割

#cat /etc/passwd |awk  -F ‘:‘  ‘{print $1"\t"$7}‘root    /bin/bashdaemon  /bin/shbin     /bin/shsys     /bin/sh

 

如果只是顯示/etc/passwd的賬戶和賬戶對應的shell,而賬戶與shell之間以逗號分割,而且在所有行添加列名name,shell,在最後一行添加"blue,/bin/nosh"。

cat /etc/passwd |awk  -F ‘:‘  ‘BEGIN {print "name,shell"}  {print $1","$7} END {print "blue,/bin/nosh"}‘name,shellroot,/bin/bashdaemon,/bin/shbin,/bin/shsys,/bin/sh....blue,/bin/nosh

awk工作流程是這樣的：先執行BEGING，然後讀取檔案，讀入有/n分行符號分割的一條記錄，然後將記錄按指定的域分隔字元劃分域，填充域，$0則表示所有域,$1表示第一個域,$n表示第n個域,隨後開始執行模式所對應的動作action。接著開始讀入第二條記錄······直到所有的記錄都讀完，最後執行END操作。

 

搜尋/etc/passwd有root關鍵字的所有行

#awk -F: ‘/root/‘ /etc/passwdroot: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)。

搜尋支援正則，例如找root開頭的: awk -F: ‘/^root/‘ /etc/passwd

 

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內建變數

awk有許多內建變數用來設定環境資訊，這些變數可以被改變，下面給出了最常用的一些變數。

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

 此外,$0變數是指整條記錄。$1表示當前行的第一個域,$2表示當前行的第二個域,......以此類推。

 

統計/etc/passwd:檔案名稱，每行的行號，每行的列數，對應的完整行內容:

#awk  -F ‘:‘  ‘{print "filename:" FILENAME ",linenumber:" NR ",columns:" NF ",linecontent:"$0}‘ /etc/passwdfilename:/etc/passwd,linenumber:1,columns:7,linecontent:root:x:0:0:root:/root:/bin/bashfilename:/etc/passwd,linenumber:2,columns:7,linecontent:daemon:x:1:1:daemon:/usr/sbin:/bin/shfilename:/etc/passwd,linenumber:3,columns:7,linecontent:bin:x:2:2:bin:/bin:/bin/shfilename:/etc/passwd,linenumber:4,columns:7,linecontent:sys:x:3:3:sys:/dev:/bin/sh

 

使用printf替代print,可以讓代碼更加簡潔，易讀

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

 

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/passwdroot:x:0:0:root:/root:/bin/bash......user count is  40

count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  0root: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/passwd0 root1 daemon2 bin3 sys4 sync5 games......

這裡使用for迴圈遍曆數組

 

awk編程的內容極多，這裡只羅列簡單常用的用法，更多請參考 http://www.gnu.org/software/gawk/manual/gawk.html

Linux awk命令詳解