Linux下的AWK入門教程

 　　簡介

　　awk是一個強大的文本分析工具，相對於grep的查找，sed的編輯，awk在其對數據分析並生成報告時，顯得尤為強大。簡單來說awk就是把文件逐行的讀入，以空格為默認分隔符將每行切片，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 程序設計語言 ， 三位創建者已將它正式定義為“樣式掃描和處理語言”。它允許您創建簡短的程序，這些程序讀取輸入文件、為數據排序、處理數據、對輸入執行計算以及生成報表，還有無數其他的功能。

　　使用方法

　　awk '{pattern + action}' {filenames}盡管操作可能會很復雜，但語法總是這樣，其中 pattern 表示 AWK 在數據中查找的內容，而 action 是在找到匹配內容時所執行的一系列命令。花括號({})不需要在程序中始終出現，但它們用於根據特定的模式對一系列指令進行分組。 pattern就是要表示的正則表達式，用斜槓括起來。

　　awk語言的最基本功能是在文件或者字符串中基於指定規則浏覽和抽取信息，awk抽取信息後，才能進行其他文本操作。完整的awk腳本通常用來格式化文本文件中的信息。

　　通常，awk是以文件的一行為處理單位的。awk每接收文件的一行，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.命令行方式

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

　　其中，commands 是真正awk命令，[-F域分隔符]是可選的。 input-file(s) 是待處理的文件。

　　在awk中，文件的每一行中，由域分隔符分開的每一項稱為一個域。通常，在不指名-F域分隔符的情況下，默認的域分隔符是空格。

　　2.shell腳本方式

　　將所有的awk命令插入一個文件，並使awk程序可執行，然後awk命令解釋器作為腳本的首行，一遍通過鍵入腳本名稱來調用。

　　相當於shell腳本首行的：#!/bin/sh

　　可以換成：#!/bin/awk

　　3.將所有的awk命令插入一個單獨文件，然後調用：

　　awk -f awk-script-file input-file(s)

　　其中，-f選項加載awk-script-file中的awk腳本，input-file(s)跟上面的是一樣的。 本章重點介紹命令行方式。

　　入門實例

　　假設last -n 5的輸出如下

　　代碼如下:

　　[root@www ~]# last -n 5 <==僅取出前五行

　　root pts/1 192.168.1.100 Tue Feb 10 11:21 still logged in

　　root 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錄的5個帳號

< p>#last -n 5 | awk '{print $1}'rootrootrootdmtsairootawk

 

　　工作流程是這樣的：讀入有'n'換行符分割的一條記錄，然後將記錄按指定的域分隔符劃分域，填充域，$0則表示所有域,$1表示第一個域,$n表示第n個域。默認域分隔符是"空白鍵" 或 "[tab]鍵",所以$1表示登錄用戶，$3表示登錄用戶ip,以此類推。

　　如果只是顯示/etc/passwd的賬戶

　　代碼如下:

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

　　root

　　daemon

　　bin

　　sys

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

　　-F指定域分隔符為':'。

　　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

　　代碼如下:

　　#cat /etc/passwd |awk -F ':' '{print $1"t"$7}'

　　root /bin/bash

　　daemon /bin/sh

　　bin /bin/sh

　　sys /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"。

　　代碼如下:

　　cat /etc/passwd |awk -F ':' 'BEGIN {print "name,shell"} {print $1","$7} END {print "blue,/bin/nosh"}'

　　name,shell

　　root,/bin/bash

　　daemon,/bin/sh

　　bin,/bin/sh

　　sys,/bin/sh

　　....

　　blue,/bin/noshawk

　　工作流程是這樣的：先執行BEGING，然後讀取文件，讀入有/n換行符分割的一條記錄，然後將記錄按指定的域分隔符劃分域，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。

　　搜索/etc/passwd有root關鍵字的所有行

　　代碼如下:

　　#awk -F: '/root/' /etc/passwd

　　root:x:0:0:root:/root:/bin/bash

　　這種是pattern的使用示例，匹配了pattern(這裡是root)的行才會執行action(沒有指定action，默認輸出每行的內容)。

　　搜索支持正則，例如找root開頭的: awk -F: '/^root/' /etc/passwd

　　搜索/etc/passwd有root關鍵字的所有行，並顯示對應的shell

　　代碼如下:

　　# awk -F: '/root/{print $7}' /etc/passwd

　　/bin/bash

　　這裡指定了action{print $7}

　　awk內置變量

　　awk有許多內置變量用來設置環境信息，這些變量可以被改變，下面給出了最常用的一些變量。

　　ARGC 命令行參數個數

　　ARGV 命令行參數排列

　　ENVIRON 支持隊列中系統環境變量的使用

　　FILENAME awk浏覽的文件名

　　FNR 浏覽文件的記錄數

　　FS 設置輸入域分隔符，等價於命令行 -F選項

　　NF 浏覽記錄的域的個數

　　NR 已讀的記錄數

　　OFS 輸出域分隔符

　　ORS 輸出記錄分隔符

　　RS 控制記錄分隔符 此外,$0變量是指整條記錄。$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:文件名，每行的行號，每行的列數，對應的完整行內容:

　　代碼如下:

　　#awk -F ':' '{print "filename:" FILENAME ",linenumber:" NR ",columns:" NF ",linecontent:"$0}' /etc/passwd

　　filename:/etc/passwd,linenumber:1,columns:7,linecontent:root:x:0:0:root:/root:/bin/bash

　　filename:/etc/passwd,linenumber:2,columns:7,linecontent:daemon:x:1:1:daemon:/usr/sbin:/bin/sh

　　filename:/etc/passwd,linenumber:3,columns:7,linecontent:bin:x:2:2:bin:/bin:/bin/sh

　　filename:/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

　　代碼如下:

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

　　print和printf

　　awk中同時提供了print和printf兩種打印輸出的函數。

　　其中print函數的參數可以是變量、數值或者字符串。字符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，逗號的作用與輸出文件的分隔符的作用是一樣的，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,可以格式化字符串,輸出復雜時，printf更加好用，代碼更易懂。

　　awk 日常常用學習筆記：

　　# 取出兩個文件中相同的部分

　　代碼如下:

　　awk 'NR==FNR{a[$0]=0;next}{if($0 in a){print $0}}' file1 file2

　　# 取出兩個文件中不同的部分

　　代碼如下:

　　awk 'NR==FNR{a[$0]=0;next}{if(!($0 in a)){print $0}}' file1 file2

　　# 計算nginx日志訪問排名前10位的ip

　　代碼如下:

　　awk '{a[$1]++}END{for(i in a) print a[i],i}' access.log | sort -rn | head -10

　　#統計各個科目的數量

　　代碼如下:

　　# cat test.txt

　　xqq 語文 數學

　　xq 英語 語文

　　x 數學 美術

　　awk '{for(i=2;i<=NF;i++) a[$i]++}END{for(i in a) print i,a[i]}' test.txt

　　# 獲取系統ip

　　代碼如下:

　　ifconfig eth0 | awk 'NR==2{print $2}' | cut -d: -f2