登录
未经博主允许，禁止转载本博客任何内容，如需转载或内容雷同请留言，谢谢合作，不胜感激！
> Linux基础 > 文本处理三剑客之AWK

文本处理三剑客之AWK

Linux基础 毛竹、 1620℃ 0评论

awk介绍

awk基本用法

awk变量

awk格式化

awk操作符

awk条件判断

awk循环

awk数组

awk函数

调用系统命令

awk介绍

  • awk：Aho, Weinberger, Kernighan，报告生成器，格式化文本输出
  • 有多种版本：Newawk（nawk），GNU awk（ gawk）
  • gawk：模式扫描和处理语言
  • 基本用法：
    • awk [options] ‘program’ var=value file…
    • awk [options] -f programfile var=value file…
    • awk [options] ‘BEGIN{action;… }pattern{action;… }END{action;… }’ file …
    • awk 程序可由：BEGIN语句块、能够使用模式匹配的通用语句块、END语句块，共3部分组成
    • program 通常是被放在单引号中
  • 选项：
    • -F “分隔符”          指明输入时用到的字段分隔符
    • -v var=value          变量赋值

awk语言

  • 基本格式：awk[options] ‘program’ file…
  • Program：pattern{actionstatements;..}
  • pattern和action
    • pattern部分决定动作语句何时触发及触发事件
      • BEGIN,END
    • actionstatements对数据进行处理，放在{}内指明
      • print, printf
  • 分割符、域和记录
    • awk执行时，由分隔符分隔的字段（域）标记$1,$2…$n称为域标识。$0为所有域，注意：此时和shell中变量$符含义不同
  • 文件的每一行称为记录
  • 省略action，则默认执行 print$0 的操作

awk工作原理

  • 第一步：执行BEGIN{action;… }语句块中的语句
  • 第二步：从文件或标准输入(stdin)读取一行，然后执行pattern{ action;… }语句块， 它逐行扫描文件，从第一行到最后一行重复这个过程，直到文件全部被读取完毕。
  • 第三步：当读至输入流末尾时，执行END{action;…}语句块
  • BEGIN语句块在awk开始从输入流中读取行之前被执行，这是个可选的语句块。 比如变量初始化、打印输出表格的表头等语句可以写在BEGIN语句块中
  • END语句块在awk从输入流中读取完所有行之后即被执行，比如打印所有行的分析结果这类信息汇总都是在END语句块中完成，它也是一个可选语句块
  • pattern语句块中的通用命令是最重要的部分，也是可选的。如果没有提供pattern语句块，则默认执行{ print}，即打印每一个读取到的行，awk读取的每一行都会执行该语句块

awk

  • print格式：printitem1, item2, …
  • 要点：
    • (1) 逗号分隔符
    • (2) 输出item可以字符串，也可是数值；当前记录的字段、变量或awk的表达式
    • (3) 如省略item，相当于print$0
  • 示例：
    • awk ‘{print “hello,awk”}’
    • awk –F: ‘{print}’ /etc/passwd
    • awk –F: ‘{print “wang”}’ /etc/passwd awk –F: ‘{print $1}’ /etc/passwd
    • awk –F: ‘{print $0}’ /etc/passwd
    • awk –F: ‘{print $1”\t”$3}’ /etc/passwd
    • grep “^UUID”/etc/fstab | awk ‘{print $2,$4}’

awk变量

  • 变量：内置和自定义变量
  • FS：输入字段分隔符，默认为空白字符
    • awk -v FS=’:’ ‘{print $1,FS,$3}’ /etc/passwd
    • awk –F: ‘{print $1,$3,$7}’ /etc/passwd
  • OFS：输出字段分隔符，默认为空白字符
    • awk -v FS=‘:’ -v OFS=‘:’ ‘{print $1,$3,$7}’ /etc/passwd
  • RS：输入记录分隔符，指定输入时的换行符
    • awk -v RS=’ ‘ ‘{print}’ /etc/passwd
  • ORS：输出记录分隔符，输出时用指定符号代替换行符
    • awk -v RS=’ ‘ -v ORS=’###’‘{print }’ /etc/passwd
  • NF：字段数量
    • awk -F: ‘{print NF}’ /etc/fstab 引用变量时，变量前不用加$
    • awk -F: ‘{print NF-1}’ /etc/password
  • NR：记录号
    • awk ‘{print NR}’ /etc/fstab
    • awk END‘{print NR}’ /etc/fstab
  • FNR：各文件分别计数,记录号
    • awk ‘{print FNR}’ /etc/fstab /etc/inittab
  • FILENAME：当前文件名
    • awk ‘{print FILENAME}’ /etc/fstab
  • ARGC：命令行参数的个数
    • awk ‘{print ARGC}’ /etc/fstab /etc/inittab
    • awk ‘BEGIN {print ARGC}’ /etc/fstab /etc/inittab
  • ARGV：数组，保存的是命令行所给定的各参数
    • awk ‘BEGIN {print ARGV[0]}’ /etc/fstab /etc/inittab
    • awk ‘BEGIN {print ARGV[1]}’ /etc/fstab /etc/inittab
  • 自定义变量(区分字符大小写)
    • (1) -vvar=value
    • (2) 在program中直接定义
  • 示例：
    • awk -v test=’hello g
    • awk’ ‘{print test}’ /etc/fstab
    • awk -v test=’hello gawk’ ‘BEGIN{print test}’
    • awk ‘BEGIN{test=”hello,g
    • awk”;print test}’
    • awk -F:‘{sex=“male”;print $1,sex,age;age=18}’ /etc/passwd
    • cat awkscript
    • {print script,$1,$2}
    • awk -F: -f awkscript script=“awk” /etc/passwd

printf命令

  • 格式化输出：printf“FORMAT”, item1, item2, …
    • 必须指定FORMAT
    • 不会自动换行，需要显式给出换行控制符，\n
    • FORMAT中需要分别为后面每个item指定格式符
  • 格式符：与item一一对应
    • %c：显示字符的ASCII码
    • %d, %i：显示十进制整数
    • %e, %E：显示科学计数法数值
    • %f：显示为浮点数
    • %g, %G：以科学计数法或浮点形式显示数值
    • %s：显示字符串
    • %u：无符号整数
    • %%：显示%自身
  • 修饰符
    • #[.#]        第一个数字控制显示的宽度；第二个#表示小数点后精度，%3.1f
    • –              左对齐（默认右对齐） %-15s
    • +             显示数值的正负符号 %+d

printf示例

  • awk -F: ‘{printf “%s”,$1}’ /etc/passwd
  • awk -F: ‘{printf “%s\n”,$1}’ /etc/passwd
  • awk -F: ‘{printf “%-20s %10d\n”,$1,$3}’ /etc/passwd
  • awk -F:‘ {printf “Username: %s\n”,$1}’ /etc/passwd
  • awk -F: ‘{printf “Username: %s,UID:%d\n”,$1,$3}’ /etc/passwd
  • awk -F: ‘{printf “Username: %15s,UID:%d\n”,$1,$3}’ /etc/passwd
  • awk -F: ‘{printf “Username: %-15s,UID:%d\n”,$1,$3}’ /etc/passwd

操作符

  • 算术操作符：
    • x+y, x-y, x*y, x/y, x^y, x%y
    • – x：转换为负数
    • +x：将字符串转换为数值
  • 字符串操作符：没有符号的操作符，字符串连接
  • 赋值操作符：
    • =, +=, -=, *=, /=, %=, ^=，++, —
  • 下面两语句有何不同
  • awk ‘BEGIN{i=0;print++i,i}’
  • awk ‘BEGIN{i=0;printi++,i}’
  • 比较操作符：
    • ==, !=, >, >=, <, <=
  • 模式匹配符：
    • ~：左边是否和右边匹配包含!~：是否不匹配
  • 示例：
    • awk -F: ‘$0 ~ /root/{print $1}‘ /etc/passwd
    • awk ‘$0~“^root”‘ /etc/passwd
    • awk ‘$0 !~ /root/‘ /etc/passwd
    • awk -F: ‘$3==0’ /etc/passwd
  • 逻辑操作符：与&&，或||，非!
  • 示例：
    • awk –F: ‘$3>=0 && $3<=1000 {print $1}’/etc/passwd
    • awk -F: ‘$3==0 || $3>=1000 {print $1}’/etc/passwd
    • awk -F: ‘!($3==0) {print $1}’/etc/passwd
    • awk -F: ‘!($3>=500) {print $3}’/etc/passwd
  • 条件表达式（三目表达式）
    • selector?if-true-expression:if-false-expression
  • 示例：
    • awk -F: ‘{$3>=1000?usertype=”Common User”:usertype=” SysUser”;printf “%15s:%-s\n”,$1,usertype}’ /etc/passwd

awk PATTERN

  • PATTERN:根据pattern条件，过滤匹配的行，再做处理
    • (1) 如果未指定：空模式，匹配每一行
    • (2) /regularexpression/：仅处理能够模式匹配到的行，需要用/ /括起来
      • awk ‘/^UUID/{print $1}’ /etc/fstab
      • awk ‘!/^UUID/{print $1}’ /etc/fstab
    • (3) relationalexpression: 关系表达式，结果为“真”才会被处理
      • 真：结果为非0值，非空字符串
      • 假：结果为空字符串或0值
    • 示例：
      • awk -F: ‘i=1;j=1{print i,j}’ /etc/passwd
      • awk ‘!0’ /etc/passwd ;
      • awk ‘!1’ /etc/passwd
      • awk -F: ‘$3>=1000{print $1,$3}’ /etc/passwd
      • awk -F: ‘$3<1000{print $1,$3}’ /etc/passwd
      • awk -F: ‘$NF==”/bin/bash”{print $1,$NF}’ /etc/passwd
      • awk -F: ‘$NF ~ /bash$/{print $1,$NF}’ /etc/passwd
    • (4) lineranges：行范围
      • startline,endline：/pat1/,/pat2/ 不支持直接给出数字格式
      • awk -F: ‘/^root\>/,/^nobody\>/{print $1}’ /etc/passwd
      • awk -F: ‘(NR>=10&&NR<=20){print NR,$1}’ /etc/passwd
    • (5)BEGIN/END模式
      • BEGIN{}: 仅在开始处理文件中的文本之前执行一次
      • END{}：仅在文本处理完成之后执行一次

示例

  • awk -F : ‘BEGIN {print “USER USERID”} {print $1″:”$3} END{print “end file”}’   /etc/passwd
  • awk -F : ‘{print “USER USERID“;print $1”:”$3} END{print “end file”}’  /etc/passwd
  • awk -F: ‘BEGIN{print ” USER UID \n————— “}{print $1,$3}’ /etc/passwd
  • awk -F: ‘BEGIN{print ” USER UID \n————— “}{print $1,$3}’END{print “==============”} /etc/passwd
  • seq 10 |awk ‘i=0’ seq 10 |awk ‘i=1’ seq 10 | awk ‘i=!i‘
  • seq 10 | awk ‘{i=!i;print i}‘
  • seq 10 | awk ‘!(i=!i)’ seq 10 |awk -v i=1 ‘i=!i’

awk action

  • 常用的action分类
    • (1)Expressions:算术，比较表达式等
    • (2)Control statements：if, while等
    • (3)Compound statements：组合语句
    • (4) inputstatements
    • (5)output statements：print等

awk控制语句

  • { statements;… } 组合语句
  • if(condition){statements;…}
  • if(condition) {statements;…} else{statements;…}
  • while(conditon){statments;…}
  • do {statements;…}while(condition)
  • for(expr1;expr2;expr3){statements;…}
  • break
  • continue
  • deletearray[index]
  • deletearray
  • exit

awk控制语句if-else

  • 语法：(1) if(condition){statement;…}[elsestatement]
  • (2) if(condition1){statement1}else if(condition2){statement2}else{statement3}
  • 使用场景：对awk取得的整行或某个字段做条件判断
  • 示例：
    • awk -F: ‘{if($3>=1000)print $1,$3}’ /etc/passwd
    • awk -F: ‘{if($NF==”/bin/bash”) print $1}’ /etc/passwd
    • awk ‘{if(NF>5) print $0}’ /etc/fstab
    • awk -F: ‘{if($3>=1000) {printf “Common user: %s\n”,$1} else {printf “root or Sysuser: %s\n”,$1}}’ /etc/passwd
    • awk -F: ‘{if($3>=1000) printf “Common user: %s\n”,$1; else printf “root or  Sysuser: %s\n”,$1}’ /etc/passwd
    • df -h|awk -F% ‘/^\/dev/{print $1}’|awk ‘$NF>=80{print $1,$5}‘ awk ‘BEGIN{ test=100;if(test>90){print “very good“} else if(test>60){ print ”good”}else{print “no pass”}}’

awk控制语句

  • while循环
  • 语法：while(condition){statement;…}
  • 条件“真”，进入循环；条件“假”，退出循环
  • 使用场景：
    • 对一行内的多个字段逐一类似处理时使用
    • 对数组中的各元素逐一处理时使用
  • 示例：
    • awk ‘/^[[:space:]]*linux16/{i=1;while(i<=NF)  {print $i,length($i); i++}}’ /etc/grub2.cfg
    • awk ‘/^[[:space:]]*linux16/{i=1;while(i<=NF) {if(length($i)>=10) {print  $i,length($i)}; i++}}’ /etc/grub2.cfg
  • do-while循环
  • 语法：do{statement;…}while(condition)
  • 意义：无论真假，至少执行一次循环体
  • 示例：
    • awk ‘BEGIN{ total=0;i=0;do{ total+=i;i++;}while(i<=100);print total}’
  • for循环
  • 语法：for(expr1;expr2;expr3) {statement;…}
  • 常见用法：
    • for(variable assignment;condition;iteration process)
    • {for-body}
  • 特殊用法：能够遍历数组中的元素
    • 语法：for(var in array) {for-body}
  • 示例：
    • awk ‘/^[[:space:]]*linux16/{for(i=1;i<=NF;i++) {print $i,length($i)}}’  /etc/grub2.cfg

性能比较

  • time (awk ‘BEGIN{ total=0;for(i=0;i<=10000;i++){total+=i;};printtotal;}’)
  • time(total=0;for i in {1..10000};do total=$(($total+i));done;echo$total)
  • time(for ((i=0;i<=10000;i++));do let total+=i;done;echo$total)
  • time(seq –s ”+” 10000|bc)

awk控制语句

  • switch语句
  • 语法：switch(expression) {caseVALUE1 or /REGEXP/: statement1; case  VALUE2 or /REGEXP2/: statement2; …; default: statementn}
  • break和continue
    • awk ‘BEGIN{sum=0;for(i=1;i<=100;i++){if(i%2==0)continue;sum+=i}print sum}‘ awk ‘BEGIN{sum=0;for(i=1;i<=100;i++)

{if(i==66)break;sum+=i}print sum}‘

  • break[n]
  • continue[n]
  • next:
    • 提前结束对本行处理而直接进入下一行处理（awk自身循环） awk -F: ‘{if($3%2!=0) next; print $1,$3}’ /etc/passwd

awk数组

  • 关联数组：array[index-expression]
  • index-expression:
  • (1)可使用任意字符串；字符串要使用双引号括起来
  • (2)如果某数组元素事先不存在，在引用时，awk会自动创建此元素，并将其值初始化为“空串”
  • (3)若要判断数组中是否存在某元素，要使用“index in array”格式进行遍历
  • 示例：
    • weekdays[“mon”]=”Monday“
    • awk ‘BEGIN{weekdays[“mon”]=”Monday”; weekdays[“tue”]=”Tuesday”;print weekdays[“mon”]}‘
    • awk ‘!arr[$0]++’ dupfile
    • awk ‘{!arr[$0]++;print $0, arr[$0]}’ dupfile
  • 若要遍历数组中的每个元素，要使用for循环
  • for(var in array){for-body}
  • 注意：var会遍历array的每个索引
  • 示例：
    • awk ‘BEGIN{weekdays[“mon”]=”Monday”;weekdays[“tue”]  =”Tuesday”;for(i in weekdays) {print weekdays[i]}}‘ netstat -tan | awk ‘/^tcp/{state[$NF]++}END   {for(i in state) { print i,state[i]}}’
    • awk ‘{ip[$1]++}END{for(i in ip) {print i,ip[i]}}’ /var/log/httpd/access_log

awk函数

  • 数值处理：
    • rand()：返回0和1之间一个随机数
    • awk ‘BEGIN{srand(); for (i=1;i<=10;i++)print int(rand()*100) }’
  • 字符串处理：
  • length([s])：返回指定字符串的长度
  • sub(r,s,[t])：对t字符串搜索r表示模式匹配的内容，并将第一个匹配内容替换为s echo “2008:08:08 08:08:08” | awk’sub(/:/,“-“,$1)’
  • gsub(r,s,[t])：对t字符串进行搜索r表示的模式匹配的内容，并全部替换为s所表示的内容
    • echo “2008:08:08 08:08:08” | awk ‘gsub(/:/,“-“,$0)’
  • split(s,array,[r])：以r为分隔符，切割字符串s，并将切割后的结果保存至array所表示的数组中，第一个索引值为1,第二个索引值为2,…
    • netstat -tn | awk ‘/^tcp\>/{split($5,ip,”:”);count[ip[1]]++} END{for (i in count) {print i,count[i]}}’
  • 自定义函数格式：
    • function name ( parameter, parameter, … ) {

statements

return expression

}

  • 示例：

cat fun.awk function max(x,y) {

x>y?var=x:var=y

return var

}

BEGIN{a=3;b=2;print max(a,b)}

awk –f fun.awk

awk中调用shell命令

  • system命令
  • 空格是awk中的字符串连接符，如果system中需要使用awk中的变量可以使用空格分隔，或者说除了awk的变量外其他一律用””引用起来
    • awk‘BEGIN'{system(“hostname”) }’
    • awk‘BEGIN{score=100; system(“echo your score is ” score) }’

awk脚本

  • 将awk程序写成脚本，直接调用或执行
  • 示例：

cat f1.awk

{if($3>=1000)print $1,$3}

awk -F: -f f1.awk /etc/passwd

 

cat f2.awk

#!/bin/awk –f

#this is a awk script

{if($3>=1000)print $1,$3}

chmod +x f2.awk

f2.awk –F: /etc/passwd

向awk脚本传递参数

  • 格式：
    • awkfile var=value var2=value2… Inputfile
  • 注意：在BEGIN过程中不可用。直到首行输入完成以后，变量才可用。可以通过-v参数，让awk在执行BEGIN之前得到变量的值。命令行中每一个指定的变量都需要一个-v参数
  • 示例：

cat test.awk

#!/bin/awk –f

{if($3 >=min && $3<=max)print $1,$3}

chmod +x test.awk

test.awk -F: min=100 max=200 /etc/passwd

练习

  • 1、文件ip_list.txt如下格式，请提取”.magedu.com”前面的主机名部分并写入到回到该文件中
    • duanx.vip
    • duanx.vip

…

999 study.duanx.com

  • 2、统计/etc/fstab文件中每个文件系统类型出现的次数
  • 3、统计/etc/fstab文件中每个单词出现的次数
  • 4、提取出字符串Yd$C@M05MB%9&Bdh7dq+YVixp3vpw中的所有数字
  • 5、有一文件记录了1-100000之间随机的整数共5000个，存储的格式100,50,35,89…请取出其中最大和最小的整数
  • 6、解决DOS攻击生产案例：根据web日志或者或者网络连接数，监控当某个IP 并发连接数或者短时内PV达到100，即调用防火墙命令封掉对应的IP，监控频率每隔5分钟。防火墙命令为：iptables -A INPUT-s IP -j REJECT
  • 7、将以下文件内容中FQDN取出并根据其进行计数从高到低排序http://mail.magedu.com/index.htmlhttp://www.magedu.com/test.html http://study.magedu.com/index.html http://blog.magedu.com/index.html http://www.magedu.com/images/logo.jpg http://blog.magedu.com/20080102.html
  • 8、将以下文本以inode为标记，对inode相同的counts进行累加，并且统计出同一inode中，beginnumber的最小值和endnumber的最大值inode|beginnumber|endnumber|counts| 106|3363120000|3363129999|10000| 106|3368560000|3368579999|20000|

310|3337000000|3337000100|101|

310|3342950000|3342959999|10000|

310|3362120960|3362120961|2|

311|3313460102|3313469999|9898|

311|3313470000|3313499999|30000|

311|3362120962|3362120963|2|

输 出 的 结 果 格 式 为 ： 310|3337000000|3362120961|10103|

311|3313460102|3362120963|39900|

106|3363120000|3368579999|30000|

转载请注明：黑夜 » 文本处理三剑客之AWK

喜欢 (2)or分享 (0)

您必须 登录 才能发表评论！