Linux文本分析命令awk的妙用
0
基本用法
awk是一个强大的文本分析工具，简单来说awk就是把文件逐行读入，（空格，制表符）为默认分隔符将每行切片，切开的部分再进行各种分析处理
awk命令格式如下
awk [-F field-separator] 'commands' input-file(s)[-F 分隔符]是可选的，因为awk使用空格，制表符作为缺省的字段分隔符，因此如果要浏览字段间有空格，制表符的文本，不必指定这个选项，但如果要浏览诸如/etc/passwd文件，此文件各字段以冒号作为分隔符，则必须指明-F选项
echo "this is a test" | awk '{ print $0 }'
## 输出为
this is a testshell读取用户输入的字符串发现|，代表有管道。|左右被理解为简单命令，即前一个（左边）简单命令的标准输出指向后一个（右边）标准命令的标准输入
awk会根据分隔符将行分成若干个字段，$0为整行，$1为第一个字段，$2 为第2个地段，依此类推…
为打印一个字段或所有字段，使用print命令。这是一个awk动作
echo "this is a test" | awk '{ print $1 }'
## 输出为
this
echo "this is a test" | awk '{ print $1, $2 }'
## 输出为
this is/etc/passwd的文件内容如下
root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
adm:x:3:4:adm:/var/adm:/sbin/nologin
lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin举几个简单的小需求 1.只显示/etc/passwd的账户
awk -F : '{ print $1 }' /etc/passwd
## 输出为
root
bin
daemon
adm
lp2.显示/etc/passwd的第1列和第7列，用逗号分隔显示，所有行开始前添加列名start1，start7，最后一行添加，end1，end7
awk -F ':' 'BEGIN {print "start1,start7"} {print $1 "," $7} END {print "end1,end7"}' /etc/passwd
## 输出为
start1,start7
root,/bin/bash
bin,/sbin/nologin
daemon,/sbin/nologin
adm,/sbin/nologin
lp,/sbin/nologin
end1,end7BEGIN语句在所有文本处理动作执行之前被执行，END在所有文本处理动作执行之后被执行
3.统计/etc/passwd文件中，每行的行号，每行的列数，对应的完整行内容
awk -F : '{ print NR "\t" NF "\t" $0 }' /etc/passwd
## 输出为
1 7 root:x:0:0:root:/root:/bin/bash
2 7 bin:x:1:1:bin:/bin:/sbin/nologin
3 7 daemon:x:2:2:daemon:/sbin:/sbin/nologin
4 7 adm:x:3:4:adm:/var/adm:/sbin/nologin
5 7 lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin1
支持内置变量
上面示例中NR，和NF其实就是awk的内置变量，一些内置变量如下
变量名 | 解释 |
|---|---|
FILENAME | awk浏览的文件名 |
FS | 设置输入字段分隔符，等价于命令行-F选项 |
NF | 浏览记录的字段个数 |
NR | 已读的记录数 |
2
支持函数
输出字符串的长度
awk 'BEGIN { print length("this is a text") }'
## 输出为
14将/etc/passwd的用户名变成大写输出
awk -F ':' '{ print toupper($1) }' /etc/passwd
## 输出为
ROOT
BIN
DAEMON
ADM
LP常用函数如下
函数名 | 作用 |
|---|---|
toupper(s) | 返回s的大写 |
tolower(s) | 返回s的小写 |
length(s) | 返回s长度 |
substr(s,p) | 返回字符串s中从p开始的后缀部分 |
3
支持条件操作，正则表达式匹配
显示/etc/passwd中有daemon的行
awk -F ':' '$0 ~ /daemon/' /etc/passwd
## 输出为
daemon:x:2:2:daemon:/sbin:/sbin/nologinawk条件操作符
操作符 | 描述 |
|---|---|
< | 小于 |
<= | 小于等于 |
== | 等于 |
!= | 不等于 |
~ | 匹配正则表达式 |
!~ | 不匹配正则表达式 |
4
支持流程控制语句，类C语言
if while do/while for break continue
输出第一个字段的第一个字符大于d的行
awk -F ':' '{ if ($1 > "d") { print $1 } else { print "-" } }' /etc/passwd
## 输出为
root
-
daemon
-
lp可以把流程控制语句放到一个脚本中，然后调用脚本执行，如test.sh的内容如下
{
if ($1 > "d") {
print $1
} else {
print "-"
}
}用如下方式执行，效果一样
awk -F ':' -f test.sh /etc/passwd
## 输出为
root
-
daemon
-
lp5
应用场景
小编用awk进行文本分析比较少，主要用来写脚本 如一个weibo-interface-1.0.jar应用，启动脚本如下 start.sh
nohup java -jar weibo-interface-1.0.jar >out 2>&1 &关闭脚本如下，kill.sh
kill -9 `jps -l | grep 'weibo-interface-1.0.jar' | awk '{print $1}'`jps -l的输出如下
70208 com.st.kmp.main.KmpService
31036 com.st.cis.main.BaiduAnalysisService
66813 weibo-interface-1.0.jar还有就是关闭hadoop集群的所有DataNode节点（不知道hadoop的可以认为DataNode是一个集群应用），假如一个个机器jps，查看pid，kill。很麻烦，直接写了一个脚本，依次ssh到各个节点，然后执行如下命令即可
kill `jps | grep 'DataNode' | awk '{print $1}'`jps的输出为
508 DataNode
31481 JournalNode
31973 NodeManager推荐阅读：
Java识堂
一个有干货的公众号
