Time: 2014-09-05 Tag: linux awk的运用

awk: 报告生成器
   AWK a.k.a. Aho, Kernighan and Weinberger
   new awk: nawk
   gawk, awk


   # awk [options] 'script' file1 file2, ...
   # awk [options] 'PATTERN { action }' file1 file2, ...
   print, printf


awk的输出:
   一、print
       print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


   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: 输出字段分隔符
       ORS:Output Row Separator:输出行分隔符


   awk -F:输入分隔符
       OFS="#":输出分隔符
       FS=":":以“:”为分隔符


   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;


   例如:awk 'BEGIN{print ENVIRON["PATH"]}'


   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。


   在脚本中赋值变量


       在gawk中给变量赋值使用赋值语句进行,
           awk 'BEGIN{var="variable testing";print var}'


   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。
           awk -v var="variable testing" 'BEGIN{print var}'


三、printf
   printf命令的使用格式:
   printf format, item1, item2, ...


format格式的指示符都以%开头,后跟一个字符;
   %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;


四、输出重定向
  1. print items > output-file
  2.    print items >> output-file
  3.    print 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;


六、awk的操作符:


算术操作符:
  1. -x: 负值
  2.    +x: 转换为数值;
  3.    x^y: 
  4.    x**y: 次方
  5.    x*y: 乘法
  6.    x/y:除法
  7.    x+y:
  8.    x-y:
  9.    x%y:



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;


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;


布尔值
awk中,任何非0值或非空字符串都为真,反之就为假;


比较操作符:
   x < yTrue if x is less than y. 
   x <= yTrue if x is less than or equal to y. 
   x > yTrue if x is greater than y. 
   x >= yTrue if x is greater than or equal to y. 
   x == yTrue if x is equal to y. 
   x != yTrue if x is not equal to y. 
   x ~ yTrue if the string x matches the regexp denoted by y. 
   x !~ yTrue 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.


表达式间的逻辑关系符:
   &&
   ||


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


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 }
   ...


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,pat2
   4、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;


常见的Action
   1、Expressions:
   2、Control statements
   3、Compound statements
   4、Input statements
   5、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: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:
   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


   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


   do-while
   语法: do {statement1, statement2, ...} while (condition)
   awk -F: '{i=1;do {print $i;i++}while(i<=3)}' /etc/passwd
   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
   case
   语法:switch (expression) { case VALUE or /            REGEXP/: statement1, statement2,... default: statement1, ...}


   break 和 continue
   常用于循环或case语句中


   next
提前结束对本行文本的处理,并接着处理下一行;
   # awk -F: '{if($3%2==0) next;print $1,$3}' /etc/passwd




九 awk中使用数组
   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


   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}}' | 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”。