Linux文本处理三剑客之awk

上次已经讲了grep和sed的使用用法，今天讲最后一个也是最难的一个awk，awk其实本身也是一门编程语言，支持变量，循环，选择等各种流程控制结构，还支持函数，数组等
一、printprint的使用格式：print item1, item2, ...要点：1、各项目之间使用逗号隔开，而输出时则以空白字符分隔；2、输出的item可以为字符串或数值、当前记录的字段(如$1)、变量或awk的表达式；数值会先转换为字符串，而后再输出；3、print命令后面的item可以省略，此时其功能相当于print $0, 因此，如果想输出空白行，则需要使用print ""；例子：# awk 'BEGIN { print "line one\nline two\nline three" }'awk -F: '{ print $1, $3 }' /etc/passwd

二、awk变量2.1 awk内置变量之记录变量：FS: field separator，读取文件本时，所使用字段分隔符；RS: Record separator，输入文本信息所使用的换行符；OFS: Output Filed Separator: ORS：Output Row Separator：
2.2 awk内置变量之数据变量：NR: The number of input records，awk命令所处理的记录数；如果有多个文件，这个数目会把处理的多个文件中行统一计数；NF：Number of Field，当前记录的field个数；FNR: 与NR不同的是，FNR用于记录正处理的行是当前这一文件中被总共处理的行数；ARGV: 数组，保存命令行本身这个字符串，如awk '{print $0}' a.txt b.txt这个命令中，ARGV[0]保存awk，ARGV[1]保存a.txt；ARGC: awk命令的参数的个数；FILENAME: awk命令所处理的文件的名称；ENVIRON：当前shell环境变量及其值的关联数组；
如：awk 'BEGIN{print ENVIRON["PATH"]}'
2.3 用户自定义变量gawk允许用户自定义自己的变量以便在程序代码中使用，变量名命名规则与大多数编程语言相同，只能使用字母、数字和下划线，且不能以数字开头。gawk变量名称区分字符大小写。
2.3.1 在脚本中赋值变量在gawk中给变量赋值使用赋值语句进行，例如：awk 'BEGIN{var="variable testing";print var}'
2.3.2 在命令行中使用赋值变量gawk命令也可以在“脚本”外为变量赋值，并在脚本中进行引用。例如，上述的例子还可以改写为：awk -v var="variable testing" 'BEGIN{print var}'
三、printfprintf命令的使用格式：printf format, item1, item2, ...
要点：1、其与print命令的最大不同是，printf需要指定format；2、format用于指定后面的每个item的输出格式；3、printf语句不会自动打印换行符；\n
format格式的指示符都以%开头，后跟一个字符；如下：%c: 显示字符的ASCII码；%d, %i：十进制整数；%e, %E：科学计数法显示数值；%f: 显示浮点数；%g, %G: 以科学计数法的格式或浮点数的格式显示数值；%s: 显示字符串；%u: 无符号整数；%%: 显示%自身；
修饰符：N: 显示宽度；-: 左对齐；+：显示数值符号；
例子：# awk -F: '{printf "%-15s %i\n",$1,$3}' /etc/passwd
四、输出重定向print items > output-fileprint items >> output-fileprint items | command
特殊文件描述符：/dev/stdin：标准输入/dev/sdtout: 标准输出/dev/stderr: 错误输出/dev/fd/N: 某特定文件描述符，如/dev/stdin就相当于/dev/fd/0；
例子：# awk -F: '{printf "%-15s %i\n",$1,$3 > "/dev/stderr" }' /etc/passwd

六、awk的操作符6.1 算术操作符：

-x: 负值
+x: 转换为数值；
x^y:
x**y: 次方
x*y: 乘法
x/y：除法
x+y:
x-y:
x%y:

6.2 字符串操作符：只有一个，而且不用写出来，用于实现字符串连接；
6.3 赋值操作符：

=
+=
-=
*=
/=
%=
^=
**=
++
--

需要注意的是，如果某模式为=号，此时使用/=/可能会有语法错误，应以/[=]/替代；

6.4 布尔值awk中，任何非0值或非空字符串都为真，反之就为假；
6.5 比较操作符：

x < y    # True if x is less than y.
x <= y   # True if x is less than or equal to y.
x > y    # True if x is greater than y.
x >= y   # True if x is greater than or equal to y.
x == y   # True if x is equal to y.
x != y   # True if x is not equal to y.
x ~ y    # True if the string x matches the regexp denoted by y.
x !~ y   # True if the string x does not match the regexp denoted by y.
subscript in array  # True if the array array has an element with the subscript subscript.

6.7 表达式间的逻辑关系符：

&&
||

6.8 条件表达式：

selector?if-true-exp:if-false-exp

if selector; then
if-true-exp
else
if-false-exp
fi

a=3
b=4
a>b?a is max:b ia max

6.9 函数调用：function_name (para1,para2)

七 awk的模式awk 'program' input-file1 input-file2 ...其中的program为:pattern { action }pattern { action }...
7.1 常见的模式类型1、Regexp: 正则表达式，格式为/regular expression/2、expresssion： 表达式，其值非0或为非空字符时满足条件，如：$1 ~ /foo/ 或 $1 == "magedu"，用运算符~(匹配)和!~(不匹配)。3、Ranges： 指定的匹配范围，格式为pat1,pat24、BEGIN/END：特殊模式，仅在awk命令执行前运行一次或结束前运行一次5、Empty(空模式)：匹配任意输入行；
7.2 常见的Action1、Expressions:2、Control statements3、Compound statements4、Input statements5、Output statements

/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：
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。

八 控制语句8.1 if-else

语法：if (condition) {then-body} else {[ else-body ]}

例子：
awk -F: '{if ($1=="root") print $1, "Admin"; else print $1, "Common User"}' /etc/passwd

awk -F: '{if ($1=="root") printf "%-15s: %s\n", $1,"Admin"; else printf "%-15s: %s\n", $1, "Common User"}' /etc/passwd

awk -F: -v sum=0 '{if ($3>=500) sum++}END{print sum}' /etc/passwd

8.2 while

语法： while (condition){statement1; statment2; ...}

awk -F: '{i=1;while (i<=3) {print $i;i++}}' /etc/passwd

awk -F: '{i=1;while (i<=NF) { if (length($i)>=4) {print $i}; i++ }}' /etc/passwd

8.3 do-while

语法： do {statement1, statement2, ...} while (condition)

awk -F: '{i=1;do {print $i;i++}while(i<=3)}' /etc/passwd

8.4 for

语法： for ( variable assignment; condition; iteration process) { statement1, statement2, ...}

awk -F: '{for(i=1;i<=3;i++) print $i}' /etc/passwd

awk -F: '{for(i=1;i<=NF;i++) { if (length($i)>=4) {print $i}}}' /etc/passwd

for循环还可以用来遍历数组元素：
语法： for (i in array) {statement1, statement2, ...}

awk -F: '$NF!~/^$/{BASH[$NF]++}END{for(A in BASH){printf "%15s:%i\n",A,BASH[A]}}' /etc/passwd

8.5 case

语法：switch (expression) { case VALUE or /REGEXP/: statement1, statement2,... default: statement1, ...}

8.6 break 和 continue常用于循环或case语句中
8.7 next

提前结束对本行文本的处理，并接着处理下一行；例如，下面的命令将显示其ID号为奇数的用户：

# awk -F: '{if($3%2==0) next;print $1,$3}' /etc/passwd

九 awk中使用数组9.1 数组

array[index-expression]
index-expression可以使用任意字符串；需要注意的是，如果某数据组元素事先不存在，
那么在引用其时，awk会自动创建此元素并初始化为空串；
因此，要判断某数据组中是否存在某元素，需要使用index in array的方式。

要遍历数组中的每一个元素，需要使用如下的特殊结构：
for (var in array) { statement1, ... }
其中，var用于引用数组下标，而不是元素值；

例子：
netstat -ant | awk '/^tcp/ {++S[$NF]} END {for(a in S) print a, S[a]}'
每出现一被/^tcp/模式匹配到的行，数组S[$NF]就加1，NF为当前匹配到的行的最后一个字段，此处用其值做为数组S的元素索引；

awk '{counts[$1]++}; END {for(url in counts) print counts[url], url}' /var/log/httpd/access_log
用法与上一个例子相同，用于统计某日志文件中IP地的访问量

9.2 删除数组变量

从关系数组中删除数组索引需要使用delete命令。使用格式为：

delete  array[index]

十、awk的内置函数

split(string, array [, fieldsep [, seps ] ])
功能：将string表示的字符串以fieldsep为分隔符进行分隔，并将分隔后的结果保存至
array为名的数组中；数组下标为从0开始的序列；
netstat -ant | awk '/:80\>/{split($5,clients,":");IP[clients[1]]++}END{for(i in IP){print IP[i],i}}' | sort -rn | head -50

length([string])
功能：返回string字符串中字符的个数；

substr(string, start [, length])
功能：取string字符串中的子串，从start开始，取length个；start从1开始计数；

system(command)
功能：执行系统command并将结果返回至awk命令

systime()
功能：取系统当前时间

tolower(s)
功能：将s中的所有字母转为小写

toupper(s)
功能：将s中的所有字母转为大写

十一、用户自定义函数

自定义函数使用function关键字。格式如下：

function F_NAME([variable])
{
statements
}

函数还可以使用return语句返回值，格式为“return value”。