看示例学 awk

awk是一个强大的文本分析工具。

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。

语法结构

awk option scrips file

option

• -F 指定分隔符，而不以默认的空白（空格符或者制表符）

• -v 指定变量

• -f 指定脚本的文件名，即将脚本放入一个文件当中，避免 awk 书写太长，影响视觉，和重复编写

关键字

• BEGIN 关键字会执行一次指定的脚本段

• END 关键字定义的脚本段，在所有操作完成之后

处理数据的脚本段在第二个程序中定义

测试文件内容

代码里井号开头部分的代表输出内容（输出不包含井号），下同

cat mi_info
# mi6-1 5.15" 835 6G 64G 3350mAh 2499
# mi6-2 5.15" 835 6G 128G 3350mAh 2899
# minote3-1 5.5" 660 6G 64G 3500mAh 2499
# minote3-2 5.5" 660 6G 128G 3500mAh 2899
# mix2-1 5.99" 835 6G 64G 3400mAh 3299
# mix2-2 5.99" 835 6G 128G 3400mAh 3599
# mix2-3 5.99" 835 6G 256G 3400mAh 3999

初级示例

# 默认的模式匹配中就已经包含了 if 的意思了


awk '/2499/' mi_info
# mi6-1 5.15" 835 6G 64G 3350mAh 2499
# minote3-1 5.5" 660 6G 64G 3500mAh 2499


awk '$5=="256G"' mi_info
# mix2-3 5.99" 835 6G 256G 3400mAh 3999


awk '$1 ~ "note"{print}' mi_info      
# minote3-1 5.5" 660 6G 64G 3500mAh 2499
# minote3-2 5.5" 660 6G 128G 3500mAh 2899


awk '$0 ~ /note/{print $1, "MEMSIZE->", $3, "Price->", $NF}' mi_info
# minote3-1 MEMSIZE-> 6G Price-> 2499
# minote3-2 MEMSIZE-> 6G Price-> 2899


## -f 示例


# cat awkfile
/note/{
        test="price is"
        print $1, test, $NF
}


awk -f awkfile mi_info
# minote3-1 price is 2499
# minote3-2 price is 2899


## -v 示例
awk -v test="price is" '/note/{ print $1, test, $NF}' mi_info
# minote3-1 price is 2499
# minote3-2 price is 2899

运算符(优先级由大到小排列)

• ++ -- 增加与减少(前置或后置)

• ^ ** 指数(右结合性)

• ! + - 非、一元加号、一元减号

• * / % 乘、除、余数

• + - 加、减

• < <= == != > >= 比较

• && 逻辑AND( 简写)

• || 逻辑OR( 简写)

• ?: 三元条件式

• = += -= *= /= %= ^= **= 赋值( 右结合性)

内置变量

• $ 后面跟数字，表示获取指定列的域，0 代表取整条记录

• ARGC 命令行参数个数

• ARGV 命令行参数构成胡数组

• FILENAME 当前输入文件的文件名

• FS 设置输入域分隔符，等价于命令行 -F选项

• OFS 输出域分隔符

• RS 控制记录分隔符

• ORS 输出记录分隔符

• NF 浏览记录的域的个数

• NR 已读的记录数

• FNR 与NR功用类似，不同的是awk每打开一个新文件，FNR便从0重新累计

• IGNORECASE 是否忽略大小写

记录 默认指的是每行，因为记录分隔符（RS）是换行符
域 默认指的是每个单词，因为域分隔符（FS）是空格

awk 通过内建变量 ARGC ( 参数计数 ) 与 ARGV ( 参数向量，或参数值 ) ，让命令行参数可用。

高级示例

cat showargs.awk


BEGIN {
    print "ARGC= ", ARGC
    for (k=0; k<ARGC; k++) {
        print "ARGV["k"]=["ARGV[k]"]"
        }
}


awk -f showargs.awk mi_info
# ARGC=  2# ARGV[0]=[awk]
# ARGV[1]=[mi_info]
## 求和
awk '{sum+=$NF} END {print "Sum = ", sum}' mi_info
# Sum =  21693


## 求平均
awk '{sum+=$NF} END {print "Average = ", sum/NR}' mi_info
# Average =  3099


## 求最大值
awk 'BEGIN {max = 0} {if ($NF>max) max=$NF fi} END {print "Max=", max}' mi_info 
# Max= 3999


## 求最小值（min的初始值设置一个超大数即可）
awk 'BEGIN {min = 1999999} {if ($NF<min) min=$NF fi} END {print "Min=", min}' mi_info
# Min= 2499


# 求访问次数的Top 10 Resource，可以根据此进行优化
cat logs/`date +%u`.log | grep -v '172.16' |grep -v '127.0.0.1' \
    | awk '{ if(index($1,"219.141.246")!=0) print $2; else print $1 }' \
    | sort | uniq -c | sort -n | tail -n 10


# awk的范围模式也是封闭范围。
# 在所有记录中他们会顺序进行多次匹配，第一次匹配完后还可以进行下面接下来的第二次、第三次可能的匹配范围。
# 如果开头匹配到了，但是没有结尾的话，会把整个文件记录的末尾当作是这次匹配的结尾作为范围
awk '/mi6/,/note/ {print NR, $1, $NF}' mi_info 
# 1 mi6-1 2499
# 2 mi6-2 2899
# 3 minote3-1 2499

# 忽略大小写
awk '{IGNORECASE=1}; $1~"MI" {print NR,$0}' mi_info
# "所有信息"


# 每 5 行合并为 1 行
BEGIN {
    a = 0;
    s = "";
}
{
    a += 1;
    s = s" | "$0
    if (a % 5 == 0) {
        print s;
        s = "";
    }
}
END {
    print s
}


awk 'BEGIN{a="100"; b="10test10"; print (a+b+0);}'
# 110
# 只需要将变量通过 "+" 连接运算。自动强制将字符串转为整型。
# 非数字变成 0，发现第一个非数字字符，后面自动忽略。


awk 'BEGIN{a=100;b=100;c=(a""b);print c}'
# 100100
# 只需要将变量与 "" 符号连接起来运算即可。


awk 'BEGIN{a="a";b="b";c=(a+b);print c}'
# 0
# 字符串连接操作通"二"，"+"号操作符。模式强制将左右2边的值转为 数字类型。然后进行操作。

数组

## 数组示例
awk 'BEGIN{x=0;i=0;} \
    {name[x++]=$1;} \
    END { for(;i<NR;i++){ print "name["i"] is",name[i]} }' mi_info


# name[0] is mi6-1
# name[1] is mi6-2
# name[2] is minote3-1
# name[3] is minote3-2
# name[4] is mix2-1
# name[5] is mix2-2
# name[6] is mix2-3

正则表达式元字符

• ^ 行首定位符

• $ 行尾定位符

• . 匹配除换行之外的单个字符

• \* 匹配0个或者多个前导字符(这里是前导字符0或者多个，任意一个或多个字符，使用 .* )

• + 匹配一个或者多个前导字符

• ? 匹配0个或者1个前导字符

• [] 指定字符中的任意一个字符，比如[Ll] [a-z]

• [^] 上面一样，不匹配的字符

• AA|BB 匹配AA或者BB

• (AB)+ 匹配一个或者多个AB组合，比如AB,ABAB,ABABAB...

• \* 匹配*本身

• & 保存查找匹配到的串，可以用在后面的替换中 s/love/**&**/

内置函数

• sub(/reg/,替换串[,目标串])

• gsub(/reg/,替换串[,目标串])

• index(str,sub_str)返回sub_str第一次在str中出现的位置(偏移量从1开始)

• length(str) 返回字符串的字符个数

• substr(str,start_pos[,length])返回子串，如果没有length，就到串的末尾

• match(str,/reg/) 返回正则匹配在字符串中的位置，同时设置RSTART和RLENGTH的值

• split(str,arr_name[,split_sig])

算术函数

• atan2(x,y)

• cos(x)

• exp(x)

• log(x)

• sin(x)

• sqrt(x)

• int(x)直接舍去小数，保留整数部分

• rand() 产生随机数(0~1) srand(x) 初始化随机数种子

默认情况下每次调用rand()，结果都会产生相同的随机数，这时候需要调用srand()重新产生一个种子，后面的随机数才不同

## 函数示例
awk 'BEGIN{ print rand(),rand(),srand(),rand(),rand();}'
# 0.237788 0.291066 1 0.215969 0.629868
awk 'BEGIN{ print rand(),rand(),srand(),rand(),rand();}'
# 0.237788 0.291066 1 0.556348 0.749557
awk 'BEGIN{ print rand(),rand(),srand(),rand(),rand();}'
# 0.237788 0.291066 1 0.0931369 0.835396

条件语句和循环

## 语句和循环示例


(a) if
# 在条件模式中，if是隐含的模式了，而条件语句if也可以按照需要直接声明出来的句式类似于
if () {} else if () {} else {}


awk '{ if( $1 ~ /note/) { print "note related."} else if ( $1 ~ /mix/ ) { print "mix related."} else { print "other ..."} }' mi_info
# other ...
# other ...
# note related.
# note related.
# mix related.
# mix related.
# mix related.


(b) while
# 句法
while () {}


awk 'BEGIN { i = 0; count = 0; } { while ( i < NR ) { i ++; if ( $1 ~ /note/ ) { count++; print NR, $1,$4,$5 } } } END { print "Count:",count }' mi_info
# 3 minote3-1 6G 64G
# 4 minote3-2 6G 128G
# Count: 2

(c) for
# 普通for循环，句法
for( ; ; ){}


awk 'BEGIN { i = 0;} { for(;i<NR;i++) { if( $1 ~ /note/ ){ print NR,$1,$4,$5,"~~" } }}' mi_info
# 3 minote3-1 6G 64G ~~
# 4 minote3-2 6G 128G ~~


(d) break continue
# 同C/C++语言一样，是作用于跳出循环体和跳出本次循环的关键字。


### 程序控制语句
(a) next
# 从文件中读取下一行输入，然后从awk脚本顶部开始重新执行。同continue效果也有点相似，只不过这里是作用于awk工具在对每行操作的自动“循环”中的
(b) exit
# 中断记录的处理，但是不能够跳过END语句块。exit可以带一个范围为0~255的退出参数，约定0表示成功，这个退出参数实际就传递给了$?表示执行的结果


awk '{ if ( $1 ~ /note/ ) { print NR,$1,$7,"skip"; next; } if ( $1 ~ /mix/ ) { print NR,$1,$7,"exit will"; exit 3; } print NR,$1,$7,"after if..."; } END { print "Fininal should be called here..." }' mi_info
# 1 mi6-1 2499 after if...
# 2 mi6-2 2899 after if...
# 3 minote3-1 2499 skip
# 4 minote3-2 2899 skip
# 5 mix2-1 3299 exit will
# Fininal should be called here...
echo $?
# 3

系统交互

## (a) 支持 > >>　重定向符号使用的时候作为文件名参数需要使用 "" 括起来，getline可以用于输入重定向来获得输入信息
awk 'BEGIN { "date" | getline date; print "The date is",date > "date.file"}'
cat date.file
# The date is Wed Dec 28 18:43:39 HKT 2016


## (b) 管道 |
awk '/note/ { print $0 | "grep 2499" }' mi_info
# minote3-1 5.5" 660 6G 64G 3500mAh 2499


## (c) system 函数。可以进行系统命令调用
awk 'BEGIN { system("whoami") }'
# root


## (d) printf　格式化输出信息，跟 C语言 的类似
awk 'BEGIN { printf "Hello, %s, you are %d years old.\n","Nicol TAO","23"}'
# Hello, Nicol TAO, you are 23 years old.

总结

最后总结一下awk使用经验：

• 如果处理逻辑复杂，就将代码写进文件里，再通过 -f 引用；这样可防止敲错代码。

• 灵活调用系统命令，内置变量，使代码更简洁。

• 处理大文件时，多审核优化逻辑代码，可有效提高执行效率。