文本数据处理之AWK 图解

一、awk简介

awk是一种优良的文本处理工具。它不仅是 linux 中也是任何环境中现有的功能最强大的数据处理引擎之一。awk提供了极其强大的功能：可以进行样式装入、流控制、数学运算符、进程控制语句甚至于内置的变量和函数。最简单地说， awk 是一种用于处理文本的编程语言工具。

awk与grep，sed是处理文本数据必不可缺且必须熟练的处理工具。

grep: 文本过滤器

sed：流编辑器

awk: 报告生成器

二、awk的输出

awk其输出格式有两种：print和printf

print是简单的显示命令，printf 是格式化显示命令

1、print的使用格式

printitem1,item2,...

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""；

2、printf的使用格式

printfformat,item1,...

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；

每一个格式对应一个字段

③ printf不会自动打印换行符；n

3、format

format格式的指示符都以%开头，后跟一个字符；

① %c: 显示字符的ASCII码；

② %d,%i：十进制整数；

③ %e,%E：科学计数法显示数值；

④ %f: 显示浮点数；

⑤ %g,%G: 以科学计数法的格式或浮点数的格式显示数值；

⑥ %s: 显示字符串；

⑦ %u: 无符号整数；

⑧ %%: 显示%自身；

4、修饰符

① N: 显示宽度；

② -: 左对齐；

③ +：显示数值符号，默认为右对齐；

三、awk的变量

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，文件分隔符；

ORS：Output Row Separator，行分隔符；

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；

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。

①脚本中赋值变量

在gawk中给变量赋值使用赋值语句进行

②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

四、输出重定向

1、?print items > output-file

print items >> output-file

print items | command

2、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

?

五、awk的操作符

1、算术操作符：

?

-x: 负值

+x: 转换为数值；

x^y: 次方

x**y: 次方

x*y: 乘法

x/y：除法

x+y: 加法

x-y: 减法

x%y: 取余

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；

3、赋值操作符：

=、?+=、-=、*=、/=、%=、^=、**=、++、--

注：如果某模式为=号，此时使用/=/可能会有语法错误，应以/[=]/替代；

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，与bash完全相反。

5、比较操作符

x < y 小于

x <= y 小于或等于

x > y 大于

x >= y 大于或等于

x == y 等于

x != y 不等于

x ~ y 被匹配的字符

x !~ y 不被匹配的字符

6、表达式间的逻辑关系符

&& 与

| | 或

7、条件表达式

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

?

1 2 3 4 5

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

?

8、函数调用

function_name (para1,para2)

多个参数用逗号隔开

六、awk的输出模式

1、awk 'program' input-file1 input-file2 ...

其中的program为:

pattern { action }

pattern { action }

......

?

2、常见的模式类型：

Regexp: 正则表达式，格式为/regular expression/

expresssion： 关系表达式，其值非0或为非空字符时满足条件，可以是字符串或数字的比较

Ranges： 指定的匹配范围，格式为pat1,pat2

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

BEGIN模式是 在真正处理之前做些准备工作的功能，END模式是 在运行之后输出相关信息。

Empty(空模式)：匹配任意输入行；

3、常见的语句动作

?

Expressions : 表达式

Control statements： 控制语句

Compound statements ： 组合语句

Input statements ： 输入语句

Output statements ： 输出语句

七、控制语句

1、if-else

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

?

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

2、while

此while语句在awk中的作用体现是要么做成的循环体，要么在某个片上的循环

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

?

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

3、do-while

与while语句不同之处在：不管条件真假先执行一次循环体，再执行控制语句

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

?

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

4、for

语法： for ( variableassignment; condition; iteration process) { statement1,...}

?

1	# 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,...}

?

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

?

5、case

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

?

6、break 和 continue

常用于循环或case语句中

7、 next

提前结束对本行文本的处理，并接着处理下一行

?

1

# awk -F: '{if($3%2==0 八、awk中使用的数组 1、数组 array[index-expression] index-expression可以使用任意字符串；需要注意的是，如果某数据组元素事先不存在，那么在引用其时，awk会自动创建此元素并初始化为空串；因此，要判断某数据组中是否存在某元素，需要使用index in array的方式。 1 # netstat -ant | awk?'/^tcp/ {++S[$NF]} END {for(a in S) print a,S[a]}' ? 2、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 3、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] 九、awk的内置函数 1、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； 2、length([string]) 功能：返回string字符串中字符的个数； 3、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； 4、system(command) 功能：执行系统command并将结果返回至awk命令 5、systime() 功能：取系统当前时间 6、tolower(s) 功能：将s中的所有字母转为小写 7、toupper(s) 功能：将s中的所有字母转为大写 ) next;print $1,$3}' /etc/passwd