awk 的进阶使用案例

前言

awk是什么？awk是一个报表生成器，拥有强大的文本格式化的能力。我们可以利用awk来处理文本，整理成各种“表”的样子。

awk 是由 Alfred Aho 、Peter Weinberger 和 Brian Kernighan 三个创造者的姓氏的首个字母组成，早期应用于Unix上，所以我们现在使用的Linux版的awk其实是gawk，也就是GNU awk。

1. awk其实是一门脚本语言，它支持条件判断、数组、循环等功能

事实上，grep 、sed、awk 被称为 linux 中的 "三剑客"。

• grep 适合单纯的查找或匹配文本
• sed 适合编辑匹配到的文本
• awk 适合格式化文本，对文本进行较复杂格式处理

1. 语法:

awk [options] 'program' file1,file2
awk [options] 'Pattern{Action}' file1,file2

1. 常用参数:

-F'fs' : 指定输入文件折分隔符,默认已空格(多个空格)分隔.fs是一个字符串或者是一个正则表达式
-v var=value : 外键变量定义,例如awk -v var1='v1'

1. 模式和操作:

• awk脚本是由模式和操作组成的：

awk [options] 'BEGIN{} Pattern{Action} END{}' file1,file2
awk [optioms] 'BEGIN{}' file1,file2
awk [options] 'Pattern{Action}' file1,file2
awk [options] 'Pattern{Action} END{}' file1,file2

上述是可选的，如果没有模式，则action应用到全部记录，如果没有action，则输出匹配全部记录。默认情况下，每一个输入行都是一条记录，但用户可通过RS变量指定不同的分隔符进行分隔。

模式:

模式可以是以下任意一个：

• /正则表达式/：使用通配符的扩展集。
• 关系表达式：可以用下面运算符表中的关系运算符进行操作，可以是字符串或数字的比较，如$2>%1选择第二个字段比第一个字段长的行。
• 模式匹配表达式：用运算符~(匹配)和~!(不匹配)。
• 模式，模式：指定一个行的范围。该语法不能包括BEGIN和END模式。
• BEGIN：让用户指定在第一条输入记录被处理之前所发生的动作，通常可在这里设置全局变量。
• END：让用户在最后一条输入记录被读取之后发生的动作。

操作:

操作由一人或多个命令、函数、表达式组成，之间由换行符或分号隔开，并位于大括号内。主要有四部份：

• 变量或数组赋值
• 输出命令
• 内置函数
• 控制流命令

1. awk的环境变量(内置变量)

1. awk运算符

1. 记录和域

• 记录

awk把每一个以换行符结束的行称为一个记录。

记录分隔符：默认的输入和输出的分隔符都是回车，保存在内建变量ORS和RS中。

$0变量：它指的是整条记录。如awk '{print $0}' test将输出test文件中的所有记录。

变量NR：一个计数器，每处理完一条记录，NR的值就增加1。如 awk '{print NR,$0}' test将输出test文件中所有记录，并在记录前显示记录号。

• 域

记录中每个单词称做“域”，默认情况下以空格或tab分隔。awk可跟踪域的个数，并在内建变量NF中保存该值。如 awk '{print $1,$3}' test将打印test文件中第一和第三个以空格分开的列(域)。

• 域分隔符

内建变量FS保存输入域分隔符的值，默认是空格或tab。我们可以通过-F命令行选项修改FS的值。如awk -F: '{print $1,$5}' test将打印以冒号为分隔符的第一，第五列的内容。

可以同时使用多个域分隔符，这时应该把分隔符写成放到方括号中，如awk -F'[:\t]' '{print $1,$3}' test，表示以空格、冒号和tab作为分隔符。

输出域的分隔符默认是一个空格，保存在OFS中。如awk -F: '{print $1,$5}' test，$1和$5间的逗号就是OFS的值。

gawk专用正则表达式元字符

一般通用的元字符集就不讲了，可参考我的Sed和Grep学习笔记。以下几个是gawk专用的，不适合unix版本的awk。

匹配操作符(~)

用来在记录或者域内匹配正则表达式。如awk '$1 ~/^root/' test将显示test文件第一列中以root开头的行。

比较表达式(三元运算符)

conditional expression1 ? expression2: expression3，例如：awk '{max = {$1 > $3} ? $1: $3: print max}' test。如果第一个域大于第三个域，$1就赋值给max，否则$3就赋值给max。

awk '$1 + $2 < 100' test:如果第一和第二个域相加大于100，则打印这些行。

awk '$1 > 5 && $2 < 10' test:如果第一个域大于5，并且第二个域小于10，则打印这些行。

BEGIN模块

BEGIN模块后紧跟着动作块，这个动作块在awk处理任何输入文件之前执行。

所以它可以在没有任何输入的情况下进行测试。

它通常用来改变内建变量的值，如OFS,RS和FS等，以及打印标题。如：awk 'BEGIN{FS=":"; OFS="\t"; ORS="\n\n"}{print $1,$2,$3} test。

上式表示，在处理输入文件以前，域分隔符(FS)被设为冒号，输出文件分隔符(OFS)被设置为制表符，输出记录分隔符(ORS)被设置为两个换行符。awk 'BEGIN{print "TITLE TEST"}只打印标题。

流程控制

if语句

• 语法:

{
    if(expression){
        statement; statement; ...
    }
}

• 示例:

#如果第一个域小于第二个域则打印。
awk '{if($1 > $2)print $1}' test

#如果第一个域小于第二个域，则count加一，并打印ok。
awk '{if($1 < $2){count++;print count}}' 

if/else语句

• 语法:

{
    if(expression){
        statement; statement; ...
    }else{
        statement; statement; ...
    }
}

• 示例:

#如果$1大于100则打印$1 bad,否则打印ok。
awk '{if ($1 > 100) print $1 "bad" ; else print "ok"}' test 

#如果$1大于100，则count加一，并打印$1，否则count减一，并打印$1。
awk '{if ($1 > 100){ count++; print $1} else {count--; print $2}' test

if/else else if语句

{
    if(expression){
        statement; statement; ...
    }else if(expression){
        statement; statement; ...
    }else{
        statement; statement; ...
    }
}

循环

• awk有三种循环:while循环；for循环；special for循环。

awk '{ i = 1; while ( i <= NF ) { print NF,$i; i++}}' test。变量的初始值为1，若i小于可等于NF(记录中域的个数),则执行打印语句，且i增加1。直到i的值大于NF.

awk '{for (i = 1; i<NF; i++) print NF,$i}' test。作用同上。

• breadkcontinue语句。break用于在满足条件的情况下跳出循环；
• continue用于在满足条件的情况下忽略后面的语句，直接返回循环的顶端。如：

{for ( x=3; x<=NF; x++) 
            if ($x<0){print "Bottomed out!"; break}}
{for ( x=3; x<=NF; x++)
            if ($x==0){print "Get next item"; continue}}

• next语句从输入文件中读取一行，然后从头开始执行awk脚本。如：

{if ($1 ~/test/){next}
    else {print}
}

• exit语句用于结束awk程序，但不会略过END块。退出状态为0代表成功，非零值表示出错。

数组

下标与关联数组

• 用变量作为数组下标。如:awk {name[x++]=$2};END{for(i=0;i<NR;i++) print i,name[i]}' test。数组name中的下标是一个自定义变量x，awk初始化x的值为0，在每次使用后增加1。第二个域的值被赋给name数组的各个元素。在END模块中，for循环被用于循环整个数组，从下标为0的元素开始，打印那些存储在数组中的值。因为下标是关健字，所以它不一定从0开始，可以从任何值开始。

• special for循环(ForEach)用于读取关联数组中的元素。格式如下：

{
    for (item in arrayname){
         print arrayname[item]
     }
}

• awk '/^tom/{name[NR]=$1}; END{for(i in name){print name[i]}}' test。打印有值的数组元素。打印的顺序是随机的。

• 用域值作为数组的下标。一种新的for循环方式，for (index_value in array) statement。如:awk '{count[$1]++} END{for(name in count) print name,count[name]}' test。该语句将打印$1中字符串出现的次数。它首先以第一个域作数组count的下标，第一个域变化，索引就变化。

• delete函数用于删除数组元素。如：awk '{line[x++]=$1} END{for(x in line) delete(line[x])}' test。分配给数组line的是第一个域的值，所有记录处理完成后，special for循环将删除每一个元素。

内建函数

字符串替换函数

• sub函数匹配记录中最大、最靠左边的子字符串的正则表达式，并用替换字符串替换这些字符串。如果没有指定目标字符串就默认使用整个记录。替换只发生在第一次匹配的时候。格式如下：

sub (regular expression, substitution string):
sub (regular expression, substitution string, target string)

• 示例:

#在整个记录中匹配，替换只发生在第一次匹配发生的时候。
cat /etc/shadow | awk '{sub(/9{5}/,"0");print}'

#在整个记录的第一个域中进行匹配，替换只发生在第一次匹配发生的时候。
cat /etc/shadow | awk '{sub(/^x/,"***",$1);print}'

字符串出现位置

• index函数返回子字符串第一次被匹配的位置，偏移量从位置1开始。格式如下：

index(string, substring)

• 示例

#返回整行中的9999出现位置,如果未出现则返回0
cat /etc/shadow | awk -F: '{print index($0,"9999")}'

字符串统计

• length函数返回记录的字符数。格式如下：

length( string )
length

• 示例:

#统计一个域中的数量
cat /etc/shadow | awk -F: '{print length($1)}'

#统计整行的字符数量
cat /etc/shadow | awk -F: '{print length}'

字符串截取

• substr函数返回从位置1开始的子字符串，如果指定长度超过实际长度，就返回整个字符串。格式如下：

substr( string, starting position )
substr( string, starting position, length of string )

• 示例:

awk 'BEGIN{print substr("isawk",1,2)}'

正则匹配

• match函数返回在字符串中正则表达式位置的索引，如果找不到指定的正则表达式则返回0。match函数会设置内建变量RSTART为字符串中子字符串的开始位置，RLENGTH为到子字符串末尾的字符个数。substr可利于这些变量来截取字符串。函数格式如下：

match( string, regular expression )

• 示例:

awk 'BEGIN{ret=match("is awk",/[a-z]+$/);print ret}'

大小写转换

• toupper和tolower函数可用于字符串大小间的转换。格式如下：

toupper( string )
tolower( string )

• 示例:

awk 'BEGIN{print toupper("awk");print tolower("AWK")}'

字符分割

• split函数可按给定的分隔符把字符串分割为一个数组。如果分隔符没提供，则按当前FS值进行分割。格式如下：

split( string, array, field separator )
split( string, array )

• 示例:

awk 'BEGIN{split("2020-06-06",arr,"-");for(a in arr){print arr[a]}}'

函数

自定义函数

• 格式:

function func_name(parameter, parameter, parameter, ... ){
    statements
    return expression
}

简单的使用案例

1. 取出/etc/passwd的用户和所属群组及使用的shell

awk -F':' -v OFS='-'  '{print $1,$3,$NF}' /etc/passwd

#结果:
root-0-/bin/bash
bin-1-/sbin/nologin
daemon-2-/sbin/nologin
adm-3-/sbin/nologin
lp-4-/sbin/nologin
sync-5-/bin/sync
shutdown-6-/sbin/shutdown
halt-7-/sbin/halt
mail-8-/sbin/nologin
operator-11-/sbin/nologin
games-12-/sbin/nologin
ftp-14-/sbin/nologin
nobody-99-/sbin/nologin
systemd-network-192-/sbin/nologin
dbus-81-/sbin/nologin
polkitd-999-/sbin/nologin
sshd-74-/sbin/nologin
postfix-89-/sbin/nologin
chrony-998-/sbin/nologin
xiaoqi-1000-/bin/bash

1. 取出/etc/passwd的用户ID小于20和所属群及使用的shell

awk -F':' -v OFS='-'  '{if($3<=20){print $1,$3,$NF}}' /etc/passwd

#结果:
root-0-/bin/bash
bin-1-/sbin/nologin
daemon-2-/sbin/nologin
adm-3-/sbin/nologin
lp-4-/sbin/nologin
sync-5-/bin/sync
shutdown-6-/sbin/shutdown
halt-7-/sbin/halt
mail-8-/sbin/nologin
operator-11-/sbin/nologin
games-12-/sbin/nologin
ftp-14-/sbin/nologin

1. 取出/etc/passwd的用户已'r'开头的用户

awk '/^r/{print $0}' /etc/passwd

#结果:
root:x:0:0:root:/root:/bin/bash

1. 取出netstat的简略信息已报表方式显示

netstat -luntp | grep -E '^tcp' | awk 'BEGIN{printf "%-10s\t%-10s\n","PID/Program name","Proto"}{printf "%-10s\t\t%-10s\n",$NF,$1}'

#结果
PID/Program name    Proto     
1168/master        tcp       
1067/sshd         tcp       
1168/master        tcp6      
1067/sshd         tcp6 

1. 统计nginx日志中出现的ip次数,取前10个ip

awk '/^[0-9]/{ip[$1]++}END{for(i in ip){print i,ip[i]}}' www.i7dom.cn.log |sort -k2 -nr | head -n 10

#结果
58.216.101.49 36277
119.188.116.17 31060
150.138.216.79 25922
150.138.216.78 25581
58.216.101.46 24769
58.216.101.47 21480
119.188.116.16 21376
218.98.26.146 20334
218.98.26.149 13674
112.82.242.111 11079

1. 取进程运行时间+进程程序取前五

ps axu | awk -v OFS=" " '{print $10,$11}' | sort -k1 -nr | head -n 10

#结果:
1718:59 ./sergate
1177:47 barad_agent
935:12 python
890:32 /bin/python
706:09 [rcu_sched]
514:05 /usr/bin/mongod
262:48 /usr/local/qcloud/YunJing/YDEyes/YDService
208:15 /usr/bin/python
199:58 barad_agent
99:04 /usr/lib/systemd/systemd-journald

版权属于：龙之介大人

本文链接：https://i7dom.cn/249/2020/06/awk.html

本站所有原创文章采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。 您可以自由的转载和修改，但请务必注明文章来源和作者署名并说明文章非原创且不可用于商业目的。