【Shell文本三剑客--awk】

时间:2022-12-13 15:13:48

awk简介

awk是一种编程语言,用于在linux/unix下对文本和数据进行处理。数据可以来自标准输入(stdin)、一个或多个文件,或其它命令的输出。它支持用户自定义函数和动态正则表达式等先进功能,是linux/unix下的一个强大编程工具。它在命令行中使用,但更多是作为脚本来使用。

awk命令格式和选项

调用awk语法格式

1.命令行方式
awk [-F field-separator] '条件 commands' input-file(s)
其中,commands 是真正awk命令,[-F域分隔符]是可选的。 input-file(s) 是待处理的文件,条件成立才会执行commands。
在awk中,文件的每一行中,由域分隔符分开的每一项称为一个域。通常,在不指名-F域分隔符的情况下,默认的域分隔符是空格。

2.shell脚本方式
将所有的awk命令插入一个文件,并使awk程序可执行,然后awk命令解释器作为脚本的首行,一遍通过键入脚本名称来调用。
相当于shell脚本首行的:#!/bin/sh
可以换成:#!/bin/awk

3.将所有的awk命令插入一个单独文件,然后调用:
awk -f awk-script-file input-file(s)
其中,-f选项加载awk-script-file中的awk脚本,input-file(s)跟上面的是一样的。

1.条件(Pattern):

一般使用关系表达式作为条件。这些关系表达式非常多,具体参考下表。

awk 支持的主要条件类型

条件类型

条 件

说 明

awk 保留字

BEGIN

在 awk 程序一开始,尚未读取任何数据之前执行。BEGIN 后的动作只在程序开始时执行一次

awk 保留字

END

在 awk 程序处理完所有数据,即将结束时执行?END 后的动作只在程序结束时执行一次

关系运算符

>

大于

关系运算符

<

小于

关系运算符

>=

大于等于

关系运算符

<=

小于等于

关系运算符

==

等于。用于判断两个值是否相等。如果是给变童赋值,则使用"=”

关系运算符

!=

不等于

关系运算符

A~B

判断字符串 A 中是否包含能匹配 B 表达式的子字符串

关系运算符

A!~B

判断字符串 A 中是否不包含能匹配 B 表达式的子字符串

正则表达式

/正则/

如果在“//”中可以写入字符,则也可以支持正则表达式

例如:
x>10:判断变量 x 是否大于 10;

x == y:判断变量 x 是否等于变量 y;

A~B:判断字符串 A 中是否包含能匹配 B 表达式的子字符串;

A!~B:判断字符串 A 中是否不包含能匹配 B 表达式的子字符串;

2.awk内置变量

awk有许多内置变量用来设置环境信息,这些变量可以被改变,下面给出了最常用的一些变量。

变量名

释义

ARGC

命令行参数个数

ARGV

命令行参数排列

ENVIRON

支持队列中系统环境变量的使用

FILENAME

awk浏览的文件名

FNR

浏览文件的记录数

FS

设置输入域分隔符,等价于命令行 -F选项

NF

浏览记录的域的个数(按分割符分割的区域数)

NR

已读的记录数(当前行数)

OFS

输出域分隔符

ORS

输出记录分隔符

RS

控制记录分隔符

此外,$0变量是指整条记录。$1表示当前行的第一个域,$2表示当前行的第二个域,......以此类推。

awk的条件用法

#student.txt
ID Name PHP Linux MySQL Average
1 Liming 82 95 86 87.66
2 Sc 74 96 87 85.66
3 Gao 99 83 93 91.66
4 xy 100.00 50 60 70
1) BEGIN

BEGIN 是 awk 的保留字,是一种特殊的条件类型。BEGIN 的执行时机是"在 awk 程序一开始,尚未读取任何数据之前"。

一旦 BEGIN 后的动作执行一次,当 awk 开始从文件中读入数据时,BEGIN 的条件就不再成立,所以 BEGIN 定义的动作只能被执行一次。


[root@liang shell]# awk 'BEGIN{printf "This is a transcript\n"} {printf $2 "\t" $6 "\n"}' student.txt
This is a transcript
Name Average
Liming 87.66
Sc 85.66
Gao 91.66
xy 70

这里定义了两个动作

  • 第一个动作使用BEGIN条件,所以会在读入文件数据前打印"这是一张成绩单"(只会执行一次)
  • 第二个动作会打印文件的第二个字段和第六个字段
2) END

END 也是 awk 的保留字,不过刚好和 BEGIN 相反。END 是在 awk 程序处理完所有数据,即将结束时执行的。END 后的动作只在程序结束时执行一次。例如:


[root@liang shell]# awk 'END{printf "The End \n"} {printf $2 "\t" $6 "\n"}' student.txt
Name Average
Liming 87.66
Sc 85.66
Gao 91.66
xy 70
The End
3)关系运算符

【例 1】成绩大于等于87分的学生的名字

[root@liang shell]# cat student.txt | grep -v Name | awk '$6 >= 87 {printf $2 "\n"}'
Liming
Gao

使用cat输出文件内容,用grep取反包含"Name"的行
判断第六个字段(平均成绩)大于等于87分的行,如果判断式成立,则打印第六列(学员名)

【例 2】Sc 用户的平均成绩

[root@liang shell]# awk '$2 -/Sc/ {printf $6 "\n"}' student.txt 
85.66

如果第二个字段中包含"Sc"字符,则打印第六个字段
这里要注意,在 awk 中,只有使用"//"包含的字符串,awk 命令才会査找。也就是说,字符串必须用"//"包含,awk 命令才能正确识别。

【例3】linux成绩大于90分,打印name is a good student

[root@liang shell]# cat student.txt | awk 'NR>=2 && $4>90 {print $2" is a good student"}'
Liming is a good student
Sc is a good student

先判断行号,如果大于 2
再判断成绩,如果 linux 的值大于 90 分,就打印好学生

【例4】统计每一科的总分和平均分
脚本比较长,可以写在一个文件中(student_count.awk) -f指定文件执行

#!/usr/bin/awk -f

BEGIN{
printf "%-10s%-10s%-10s\n", "course", "total","average"
}

{
if (NR==1){
name1 = $3
name2 = $4
name3 = $5
} else{
total[name1] +=$3
total[name2] +=$4
total[name3] +=$5
}

line = NR-1
}

END{
for (u in total)
{
printf "%-10s%-10s%-10s\n", u, total[u],total[u]/line
}

}

BEGIN打印表头,然后对每一行数据进行处理,如果当前是第一行,先把所有读取到的科目名称赋值给变量,非第一行,创建一个数组,把对应科目的分数累加,end格式化输出
执行命令输出:


[root@liang dev04_shell_04]# awk -f student_count.awk student.txt 
course total average
MySQL 326 81.5
PHP 355 88.75
Linux 324 81
4) 正则表达式

当使用 df 命令査看分区的使用情况时,如果我只想査看已tmp开头的分区的使用情况,则可以这样做:


[root@liang shell]# df -h | awk '/^tmp/ {printf $1 "\t" $5 "\n"}'
tmpfs 0%
tmpfs 1%
tmpfs 0%
tmpfs 0%

正则表达式具体用法此处不展开讲述

命令写法规范:

  1. 多个条件{动作}可以用空格分隔,也可以用回车分隔。
  2. 在一个动作中,如果需要执行多条命令,则需要用分隔,或用回车分隔。
  3. 在 awk 中,变量的赋值与调用都不需要加入"$"符号。
  4. 在条件中判断两个值是否相同,请使用"==",以便和变量赋值进行区分

awk执行过程分析

  1. 第一步: 执行BEGIN { commands } pattern 语句块中的语句
    BEGIN语句块:在awk开始从输入输出流中读取行之前执行,在BEGIN语句块中执行如变量初始化,打印输出表头等操作。
  2. 第二步:从文件或标准输入中读取一行,然后执行pattern{ commands }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,直到全部文件都被读取完毕。
    pattern语句块:pattern语句块中的通用命令是最重要的部分,它也是可选的。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。{ }类似一个循环体,会对文件中的每一行进行迭代,通常将变量初始化语句放在BEGIN语句块中,将打印结果等语句放在END语句块中。
  3. 第三步:当读至输入流末尾时,执行END { command }语句块
    END语句块:在awk从输入流中读取完所有的行之后即被执行,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。