Linux文本分析命令awk的妙用

0、基本用法

awk是一个强大的文本分析工具，简单来说awk就是把文件逐行读入，（空格，制表符）为默认分隔符将每行切片，切开的部分再进行各种分析处理

awk命令格式如下

awk [-F field-separator] 'commands' input-file(s) 

[-F 分隔符]是可选的，因为awk使用空格，制表符作为缺省的字段分隔符，因此如果要浏览字段间有空格，制表符的文本，不必指定这个选项，但如果要浏览诸如/etc/passwd文件，此文件各字段以冒号作为分隔符，则必须指明-F选项

echo "this is a test" | awk '{ print $0 }'  
## 输出为  
this is a test 

shell读取用户输入的字符串发现|，代表有管道。|左右被理解为简单命令，即前一个（左边）简单命令的标准输出指向后一个（右边）标准命令的标准输入

awk会根据分隔符将行分成若干个字段，$0为整行，$1为第一个字段，$2 为第2个地段，依此类推…

为打印一个字段或所有字段，使用print命令。这是一个awk动作

echo "this is a test" | awk '{ print $1 }'  
## 输出为  
this  
echo "this is a test" | awk '{ print $1, $2 }'  
## 输出为  
this is 

/etc/passwd的文件内容如下

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  
lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin 

举几个简单的小需求

1、只显示/etc/passwd的账户

awk -F : '{ print $1 }' /etc/passwd  
## 输出为  
root  
bin  
daemon  
adm  
lp 

2、显示/etc/passwd的第1列和第7列，用逗号分隔显示，所有行开始前添加列名start1，start7，最后一行添加，end1，end7

awk -F ':' 'BEGIN {print "start1,start7"} {print $1 "," $7} END {print "end1,end7"}' /etc/passwd  
## 输出为  
start1,start7  
root,/bin/bash  
bin,/sbin/nologin  
daemon,/sbin/nologin  
adm,/sbin/nologin  
lp,/sbin/nologin  
end1,end7 

BEGIN语句在所有文本处理动作执行之前被执行，END在所有文本处理动作执行之后被执行

3、统计/etc/passwd文件中，每行的行号，每行的列数，对应的完整行内容

awk -F : '{ print NR "  " NF "  " $0 }' /etc/passwd  
## 输出为  
1    7   root:x:0:0:root:/root:/bin/bash  
2    7   bin:x:1:1:bin:/bin:/sbin/nologin  
3    7   daemon:x:2:2:daemon:/sbin:/sbin/nologin  
4    7   adm:x:3:4:adm:/var/adm:/sbin/nologin  
5    7   lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin 

1、支持内置变量

上面示例中NR，和NF其实就是awk的内置变量，一些内置变量如下

2、支持函数

输出字符串的长度

awk 'BEGIN { print length("this is a text") }'  
## 输出为  
14 

将/etc/passwd的用户名变成大写输出

awk -F ':' '{ print toupper($1) }' /etc/passwd  
## 输出为  
ROOT  
BIN  
DAEMON  
ADM  
LP 

常用函数如下

3、支持条件操作，正则表达式匹配

显示/etc/passwd中有daemon的行

awk -F ':' '$0 ~ /daemon/' /etc/passwd  
## 输出为  
daemon:x:2:2:daemon:/sbin:/sbin/nologin 

awk条件操作符

4、支持流程控制语句，类C语言

if while do/while for break continue

输出第一个字段的第一个字符大于d的行

awk -F ':' '{ if ($1 > "d") { print $1 } else { print "-" } }' /etc/passwd  
## 输出为  
root  
-  
daemon  
-  
lp 

可以把流程控制语句放到一个脚本中，然后调用脚本执行，如test.sh的内容如下

{   
    if ($1 > "d") {  
        print $1   
    } else {  
        print "-"   
    }   
} 

用如下方式执行，效果一样

awk -F ':' -f test.sh /etc/passwd  
## 输出为  
root  
-  
daemon  
-  
lp 

5、应用场景

小编用awk进行文本分析比较少，主要用来写脚本

如一个weibo-interface-1.0.jar应用，启动脚本如下

start.sh

nohup java -jar weibo-interface-1.0.jar >out 2>&1 & 

关闭脚本如下，kill.sh

kill -9 `jps -l | grep 'weibo-interface-1.0.jar' | awk '{print $1}'` 

jps -l的输出如下

70208 com.st.kmp.main.KmpService  
31036 com.st.cis.main.BaiduAnalysisService  
66813 weibo-interface-1.0.jar 

还有就是关闭hadoop集群的所有DataNode节点（不知道hadoop的可以认为DataNode是一个集群应用），假如一个个机器jps，查看pid，kill。很麻烦，直接写了一个脚本，依次ssh到各个节点，然后执行如下命令即可

kill `jps | grep 'DataNode' | awk '{print $1}'` 

jps的输出为

508 DataNode  
31481 JournalNode  
31973 NodeManager