相对于sed常常作用于一整行进行处理,awk更倾向与一行当中分成数个“栏位”来处理。平时对日志或者小型文件进行处理时,awk很有用。
命令行格式
|
|
- pattern表示awk在数据中查找的内容,action是在找到匹配内容时所执行的命令。
- awk默认的分隔符是空格或tab,由分隔符分隔开的每一项称为域。
- awk也可以调用awk脚本执行命令,
awk -f awk_script file(s)
。
awk基本用法
分隔符
|
|
-F指定了分隔符为”:”,然后打印出了第一个域中内容。
awk工作流程是这样的:读入有’\n’换行符分割的一条记录,然后将记录按指定的域分隔符划分域,填充域,$0则表示所有域, $1表示第一个域,$n表示第n个域。默认域分隔符是”空白键” 或 “[tab]键”,$1代表的就是用户名,$7代表的是用户登录使用的shell。
BEGIN/END
|
|
先执行BEGIN操作,然后读取文件,对每一行进行分割,执行action,所有行执行完毕后,执行END操作。
使用pattern
|
|
只有匹配到指定pattern的行才会执行action,如果没有action,打印此行内容。
awk内置变量
变量 | 说明 |
---|---|
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 | 已读当前文件的记录数 |
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 |
NR | 已读的记录数 |
OFS | 输出域分隔符 |
ORS | 输出记录分隔符 |
RS | 控制记录分隔符 |
示例:统计/etc/passwd:文件名,每行的行号,每行的列数,对应的完整行内容
awk流程控制
条件判断(if)
- 用法:
if(表达式) {语句1} else if(表达式) {语句2} else {语句3}
- 示例:1234567~ awk 'BEGIN {test=100;if (test > 90) {print "Very good!";}else if (test > 60) {print "good";}else {print "shit";}}'Very good!
循环(while,for,do)
while循环
- 用法:
while(表达式) {语句}
- 示例: 12345~ awk 'BEGIN {while (i < 10) {i+=1}print i}'10
for循环
- 用法1:
for(变量 in 数组){语句}
- 用法2:
for(变量;条件;表达式){语句}
- 示例:12345678910111213141516~ awk 'BEGIN {for (a in ENVIRON) {print a"="ENVIRON[a]}}'HBASE_IDENT_STRING=rootMAIL=/var/spool/mail/rootLOADEDMODULES=NVM_IOJS_ORG_MIRROR=https://iojs.org/distNVM_RC_VERSION=ERRDATE=20150921....~ awk 'BEGIN {for (i = 0; i <= 100; i++) {a+=i}print a}'5050
do循环
- 用法:
do{语句}while(条件)
- 示例:12345~ awk 'BEGIN {do {a+=i;i++;} while(i<=100)print a}'5050
其他控制语句
语句 | 说明 |
---|---|
break | 当 break 语句用于 while 或 for 语句时,导致退出程序循环。 |
continue | 当 continue 语句用于 while 或 for 语句时,使程序循环移动到下一个迭代。 |
next | 能能够导致读入下一个输入行,并返回到脚本的顶部。这可以避免对当前输入行执行其他的操作过程。 |
exit | 语句使主输入循环退出并将控制转移到END,如果END存在的话。如果没有定义END规则,或在END中应用exit语句,则终止脚本的执行。 |
内置函数
算术函数
函数名 | 说明 |
---|---|
atan2(y, x) | 返回 y/x 的反正切。 |
cos(x) | 返回 x 的余弦;x 是弧度。 |
sin(x) | 返回 x 的正弦;x 是弧度。 |
exp(x) | 返回 x 幂函数。 |
log(x) | 返回 x 的自然对数。 |
sqrt(x) | 返回 x 平方根。 |
int(x) | 返回 x 的截断至整数的值。 |
rand() | 返回任意数字 n,其中 0 <= n < 1。 |
srand([Expr]) | 将 rand 函数的种子值设置为 Expr 参数的值,或如果省略 Expr 参数则使用某天的时间。返回先前的种子值。 |
字符串函数
函数名 | 说明 |
---|---|
gsub(Ere, Repl, [In]) | 除了正则表达式所有具体值被替代这点,它和 sub 函数完全一样地执行,。 |
sub(Ere, Repl, [In]) | 用 Repl 参数指定的字符串替换 In 参数指定的字符串中的由 Ere 参数指定的扩展正则表达式的第一个具体值。sub 函数返回替换的数量。出现在 Repl 参数指定的字符串中的 &(和符号)由 In 参数指定的与 Ere 参数的指定的扩展正则表达式匹配的字符串替换。如果未指定 In 参数,缺省值是整个记录($0 记录变量)。 |
index(String1, String2) | 在由 String1 参数指定的字符串(其中有出现 String2 指定的参数)中,返回位置,从 1 开始编号。如果 String2 参数不在 String1 参数中出现,则返回 0(零)。 |
length [(String)] | 返回 String 参数指定的字符串的长度(字符形式)。如果未给出 String 参数,则返回整个记录的长度($0 记录变量)。 |
blength [(String)] | 返回 String 参数指定的字符串的长度(以字节为单位)。如果未给出 String 参数,则返回整个记录的长度($0 记录变量)。 |
substr(String, M, [N]) | 返回具有 N 参数指定的字符数量子串。子串从 String 参数指定的字符串取得,其字符以 M 参数指定的位置开始。M 参数指定为将 String 参数中的第一个字符作为编号 1。如果未指定 N 参数,则子串的长度将是 M 参数指定的位置到 String 参数的末尾 的长度。 |
match(String, Ere) | 在 String 参数指定的字符串(Ere 参数指定的扩展正则表达式出现在其中)中返回位置(字符形式),从 1 开始编号,或如果 Ere 参数不出现,则返回 0(零)。RSTART 特殊变量设置为返回值。RLENGTH 特殊变量设置为匹配的字符串的长度,或如果未找到任何匹配,则设置为 -1(负一)。 |
split(String, A, [Ere]) | 将 String 参数指定的参数分割为数组元素 A[1], A[2], . . ., A[n],并返回 n 变量的值。此分隔可以通过 Ere 参数指定的扩展正则表达式进行,或用当前字段分隔符(FS 特殊变量)来进行(如果没有给出 Ere 参数)。除非上下文指明特定的元素还应具有一个数字值,否则 A 数组中的元素用字符串值来创建。 |
tolower(String) | 返回 String 参数指定的字符串,字符串中每个大写字符将更改为小写。大写和小写的映射由当前语言环境的 LC_CTYPE 范畴定义。 |
toupper(String) | 返回 String 参数指定的字符串,字符串中每个小写字符将更改为大写。大写和小写的映射由当前语言环境的 LC_CTYPE 范畴定义。 |
printf(Format, Expr, Expr, …) | 根据 Format 参数指定的 printf 子例程格式字符串来格式化 Expr 参数指定的表达式并返回最后生成的字符串。 |
printf格式
格式符 | 说明 |
---|---|
%d | 十进制有符号整数 |
%u | 十进制无符号整数 |
%f | 浮点数 |
%s | 字符串 |
%c | 单个字符 |
%p | 指针的值 |
%e | 指数形式的浮点数 |
%x | %X 无符号以十六进制表示的整数 |
%o | 无符号以八进制表示的整数 |
%g | 自动选择合适的表示法 |
一般函数
函数 | 说明 |
---|---|
close(Expression) | 用同一个带字符串值的 Expression 参数来关闭由 print 或 printf 语句打开的或调用 getline 函数打开的文件或管道。如果文件或管道成功关闭,则返回 0;其它情况下返回非零值。如果打算写一个文件,并稍后在同一个程序中读取文件,则 close 语句是必需的。 |
system(Command) | 执行 Command 参数指定的命令,并返回退出状态。等同于 system 子例程。 |
getline[Variable] | 从来自 Expression 参数指定的命令的输出中通过管道传送的流中读取一个输入记录,并将该记录的值指定给 Variable 参数指定的变量。如果当前未打开将 Expression 参数的值作为其命令名称的流,则创建流。创建的流等同于调用 popen 子例程,此时 Command 参数取 Expression 参数的值且 Mode 参数设置为一个是 r 的值。只要流保留打开且 Expression 参数求得同一个字符串,则对 getline 函数的每次后续调用读取另一个记录。如果未指定 Variable 参数,则 $0 记录变量和 NF 特殊变量设置为从流读取的记录。 |
getline[Variable] < Expression | 从 Expression 参数指定的文件读取输入的下一个记录,并将 Variable 参数指定的变量设置为该记录的值。只要流保留打开且 Expression 参数对同一个字符串求值,则对 getline 函数的每次后续调用读取另一个记录。如果未指定 Variable 参数,则 $0 记录变量和 NF 特殊变量设置为从流读取的记录。 |
getline[Variable] | 将 Variable 参数指定的变量设置为从当前输入文件读取的下一个输入记录。如果未指定 Variable 参数,则 $0 记录变量设置为该记录的值,还将设置 NF、NR 和 FNR 特殊变量。 |
时间函数
函数名 | 说明 |
---|---|
mktime( YYYY MM DD HH MM SS[ DST]) | 生成时间格式 |
strftime([format [, timestamp]]) | 格式化时间输出,将时间戳转为时间字符串 |
systime() | 得到时间戳,返回从1970年1月1日开始到当前时间(不计闰年)的整秒数 |
strftime输出格式
格式 | 描述 |
---|---|
%a | 星期几的缩写(Sun) |
%A | 星期几的完整写法(Sunday) |
%b | 月名的缩写(Oct) |
%B | 月名的完整写法(October) |
%c | 本地日期和时间 |
%d | 十进制日期 |
%D | 日期 08/20/99 |
%e | 日期,如果只有一位会补上一个空格 |
%H | 用十进制表示24小时格式的小时 |
%I | 用十进制表示12小时格式的小时 |
%j | 从1月1日起一年中的第几天 |
%m | 十进制表示的月份 |
%M | 十进制表示的分钟 |
%p | 12小时表示法(AM/PM) |
%S | 十进制表示的秒 |
%U | 十进制表示的一年中的第几个星期(星期天作为一个星期的开始) |
%w | 十进制表示的星期几(星期天是0) |
%W | 十进制表示的一年中的第几个星期(星期一作为一个星期的开始) |
%x | 重新设置本地日期(08/20/99) |
%X | 重新设置本地时间(12:00:00) |
%y | 两位数字表示的年(15) |
%Y | 完整表示的年(2015) |
%Z | 时区(PDT) |
%% | 百分号(%) |
示例
gsub/sub,将连续的数字替换为”!”
12~ awk 'BEGIN {a="test2015"; gsub(/[0-9]+/, "!", a); print a}'test!index,查找字符串中是否存在”t2”子串
12~ awk 'BEGIN {a="test2015"; b = index(a, "t2"); print b ? "found" : "not found";}'foundmatch, 正则表达式匹配查找
12~ awk 'BEGIN {a="test2015"; b = match(a, /[0-9]+/); print b ? "found" : "not found"; }'foundsubstr, 字符串截取,从第2个字符开始截取4个字符
12~ awk 'BEGIN {a="test2015"; print substr(a, 2, 4); }'est2split, 字符串分割
1234~ awk 'BEGIN {a="test2015"; split(a, b, "t2"); print length(b); for (i in b) {print b[i]} }'2tes015printf, 格式化输出
12~ awk 'BEGIN{n1=124.113; n2=-1.224; n3=1.2345; printf("%.2f, %.2u, %.2g, %X, %o\n",n1,n2,n3,n1,n1);}'124.11, 18446744073709551615, 1.2, 7C, 174printf, 十六进制转十进制
1~ echo "1509d314690" | awk '{print strtonum("0x"$0)}'strftime, 格式化时间输出
123~ gawk 'BEGIN{tstamp=mktime("2015 01 01 12 12 12"); print tstamp; print strftime("%Y-%m-%d", tstamp);}'14200855322015-01-01
实践出真知
根据文件数据进行统计
12~ awk -F '\t' '{w[$1]+=1} END{for (a in w) printf("%u\t%s\n", w[a], a)}'~ awk -F '\t' '{w[$2]+=$1} END{for (a in w) printf("%u\t%s\n", w[a], a)}'将多个文件内容合并到一个文件中(不改变格式)
1awk '{v=FILENAME}!a[v]++1' *.sort > all.sortawk使用shell变量,需要加上单引号。
'${var}'