awk 的进阶使用案例

小柒吃地瓜

发布于 2020-06-07 11:24:41

1.8K0

发布于 2020-06-07 11:24:41

文章被收录于专栏：梦在深巷

前言

awk是什么？awk是一个报表生成器，拥有强大的文本格式化的能力。我们可以利用awk来处理文本，整理成各种“表”的样子。

awk 是由 Alfred Aho 、Peter Weinberger 和 Brian Kernighan 三个创造者的姓氏的首个字母组成，早期应用于Unix上，所以我们现在使用的Linux版的awk其实是gawk，也就是GNU awk。

awk其实是一门脚本语言，它支持条件判断、数组、循环等功能

事实上，grep 、sed、awk 被称为 linux 中的 "三剑客"。

grep 适合单纯的查找或匹配文本
sed 适合编辑匹配到的文本
awk 适合格式化文本，对文本进行较复杂格式处理

语法:

awk [options] 'program' file1,file2
awk [options] 'Pattern{Action}' file1,file2

常用参数:

-F'fs' : 指定输入文件折分隔符,默认已空格(多个空格)分隔.fs是一个字符串或者是一个正则表达式
-v var=value : 外键变量定义,例如awk -v var1='v1'

模式和操作:

awk脚本是由模式和操作组成的：

awk [options] 'BEGIN{} Pattern{Action} END{}' file1,file2
awk [optioms] 'BEGIN{}' file1,file2
awk [options] 'Pattern{Action}' file1,file2
awk [options] 'Pattern{Action} END{}' file1,file2

上述是可选的，如果没有模式，则action应用到全部记录，如果没有action，则输出匹配全部记录。默认情况下，每一个输入行都是一条记录，但用户可通过RS变量指定不同的分隔符进行分隔。

模式:

模式可以是以下任意一个：

/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：用运算符~(匹配)和~!(不匹配)。
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。

操作:

操作由一人或多个命令、函数、表达式组成，之间由换行符或分号隔开，并位于大括号内。主要有四部份：

变量或数组赋值
输出命令
内置函数
控制流命令

awk的环境变量(内置变量)

变量	描述
$n	当前记录的第n个字段，字段间由FS分隔。
$0	完整的输入记录。
ARGC	命令行参数的数目。
ARGIND	命令行中当前文件的位置(从0开始算)。
ARGV	包含命令行参数的数组。
CONVFMT	数字转换格式(默认值为%.6g)
ENVIRON	环境变量关联数组。
ERRNO	最后一个系统错误的描述。
FIELDWIDTHS	字段宽度列表(用空格键分隔)。
FILENAME	当前文件名。
FNR	同NR，但相对于当前文件。
FS	字段分隔符(默认是任何空格)。
IGNORECASE	如果为真，则进行忽略大小写的匹配。
NF	当前记录中的字段数。
NR	当前记录数。
OFMT	数字的输出格式(默认值是%.6g)。
OFS	输出字段分隔符(默认值是一个空格)。
ORS	输出记录分隔符(默认值是一个换行符)。
RLENGTH	由match函数所匹配的字符串的长度。
RS	记录分隔符(默认是一个换行符)。
RSTART	由match函数所匹配的字符串的第一个位置。
SUBSEP	数组下标分隔符(默认值是034)。

awk运算符

运算符	描述
= += -= = /= %= ^= *=	赋值
?:	C条件表达式
\	\	逻辑或
&&	逻辑与
~ ~!	匹配正则表达式和不匹配正则表达式
< <= > >= != ==	关系运算符
空格	连接
+ -	加，减
* / &	乘，除与求余
+ - !	一元加，减和逻辑非
^ *	求幂
++ --	增加或减少，作为前缀或后缀
$	字段引用
in	数组成员

记录和域

记录

awk把每一个以换行符结束的行称为一个记录。

记录分隔符：默认的输入和输出的分隔符都是回车，保存在内建变量ORS和RS中。

$0变量：它指的是整条记录。如awk '{print $0}' test将输出test文件中的所有记录。

变量NR：一个计数器，每处理完一条记录，NR的值就增加1。如 awk '{print NR,$0}' test将输出test文件中所有记录，并在记录前显示记录号。

记录中每个单词称做“域”，默认情况下以空格或tab分隔。awk可跟踪域的个数，并在内建变量NF中保存该值。如 awk '{print $1,$3}' test将打印test文件中第一和第三个以空格分开的列(域)。

域分隔符

内建变量FS保存输入域分隔符的值，默认是空格或tab。我们可以通过-F命令行选项修改FS的值。如awk -F: '{print $1,$5}' test将打印以冒号为分隔符的第一，第五列的内容。

可以同时使用多个域分隔符，这时应该把分隔符写成放到方括号中，如awk -F'[:\t]' '{print $1,$3}' test，表示以空格、冒号和tab作为分隔符。

输出域的分隔符默认是一个空格，保存在OFS中。如awk -F: '{print $1,$5}' test，$1和$5间的逗号就是OFS的值。

gawk专用正则表达式元字符

一般通用的元字符集就不讲了，可参考我的Sed和Grep学习笔记。以下几个是gawk专用的，不适合unix版本的awk。


Y	匹配一个单词开头或者末尾的空字符串。
B	匹配单词内的空字符串。
<	匹配一个单词的开头的空字符串，锚定开始。
>	匹配一个单词的末尾的空字符串，锚定末尾。
w	匹配一个字母数字组成的单词。
W	匹配一个非字母数字组成的单词。
‘	匹配字符串开头的一个空字符串。
'	匹配字符串末尾的一个空字符串。

匹配操作符(~)

用来在记录或者域内匹配正则表达式。如awk '$1 ~/^root/' test将显示test文件第一列中以root开头的行。

比较表达式(三元运算符)

conditional expression1 ? expression2: expression3，例如：awk '{max = {$1 > $3} ? $1: $3: print max}' test。如果第一个域大于第三个域，$1就赋值给max，否则$3就赋值给max。

awk '$1 + $2 < 100' test:如果第一和第二个域相加大于100，则打印这些行。

awk '$1 > 5 && $2 < 10' test:如果第一个域大于5，并且第二个域小于10，则打印这些行。

BEGIN模块

BEGIN模块后紧跟着动作块，这个动作块在awk处理任何输入文件之前执行。

所以它可以在没有任何输入的情况下进行测试。

它通常用来改变内建变量的值，如OFS,RS和FS等，以及打印标题。如：awk 'BEGIN{FS=":"; OFS="\t"; ORS="\n\n"}{print $1,$2,$3} test。

上式表示，在处理输入文件以前，域分隔符(FS)被设为冒号，输出文件分隔符(OFS)被设置为制表符，输出记录分隔符(ORS)被设置为两个换行符。awk 'BEGIN{print "TITLE TEST"}只打印标题。

流程控制

if语句

语法:

{
    if(expression){
        statement; statement; ...
    }
}

示例:

#如果第一个域小于第二个域则打印。
awk '{if($1 > $2)print $1}' test

#如果第一个域小于第二个域，则count加一，并打印ok。
awk '{if($1 < $2){count++;print count}}'

if/else语句

语法:

{
    if(expression){
        statement; statement; ...
    }else{
        statement; statement; ...
    }
}

示例:

#如果$1大于100则打印$1 bad,否则打印ok。
awk '{if ($1 > 100) print $1 "bad" ; else print "ok"}' test 

#如果$1大于100，则count加一，并打印$1，否则count减一，并打印$1。
awk '{if ($1 > 100){ count++; print $1} else {count--; print $2}' test

if/else else if语句

{
    if(expression){
        statement; statement; ...
    }else if(expression){
        statement; statement; ...
    }else{
        statement; statement; ...
    }
}

循环

awk有三种循环:while循环；for循环；special for循环。

awk '{ i = 1; while ( i <= NF ) { print NF,$i; i++}}' test。变量的初始值为1，若i小于可等于NF(记录中域的个数),则执行打印语句，且i增加1。直到i的值大于NF.

awk '{for (i = 1; i<NF; i++) print NF,$i}' test。作用同上。

breadkcontinue语句。break用于在满足条件的情况下跳出循环；
continue用于在满足条件的情况下忽略后面的语句，直接返回循环的顶端。如：

{for ( x=3; x<=NF; x++) 
            if ($x<0){print "Bottomed out!"; break}}
{for ( x=3; x<=NF; x++)
            if ($x==0){print "Get next item"; continue}}

next语句从输入文件中读取一行，然后从头开始执行awk脚本。如：

{if ($1 ~/test/){next}
    else {print}
}

exit语句用于结束awk程序，但不会略过END块。退出状态为0代表成功，非零值表示出错。

数组

下标与关联数组

用变量作为数组下标。如:awk {name[x++]=$2};END{for(i=0;i<NR;i++) print i,name[i]}' test。数组name中的下标是一个自定义变量x，awk初始化x的值为0，在每次使用后增加1。第二个域的值被赋给name数组的各个元素。在END模块中，for循环被用于循环整个数组，从下标为0的元素开始，打印那些存储在数组中的值。因为下标是关健字，所以它不一定从0开始，可以从任何值开始。
special for循环(ForEach)用于读取关联数组中的元素。格式如下：

{
    for (item in arrayname){
         print arrayname[item]
     }
}

awk '/^tom/{name[NR]=$1}; END{for(i in name){print name[i]}}' test。打印有值的数组元素。打印的顺序是随机的。
用域值作为数组的下标。一种新的for循环方式，for (index_value in array) statement。如:awk '{count[$1]++} END{for(name in count) print name,count[name]}' test。该语句将打印$1中字符串出现的次数。它首先以第一个域作数组count的下标，第一个域变化，索引就变化。
delete函数用于删除数组元素。如：awk '{line[x++]=$1} END{for(x in line) delete(line[x])}' test。分配给数组line的是第一个域的值，所有记录处理完成后，special for循环将删除每一个元素。

内建函数

字符串替换函数

sub函数匹配记录中最大、最靠左边的子字符串的正则表达式，并用替换字符串替换这些字符串。如果没有指定目标字符串就默认使用整个记录。替换只发生在第一次匹配的时候。格式如下：

sub (regular expression, substitution string):
sub (regular expression, substitution string, target string)

示例:

#在整个记录中匹配，替换只发生在第一次匹配发生的时候。
cat /etc/shadow | awk '{sub(/9{5}/,"0");print}'

#在整个记录的第一个域中进行匹配，替换只发生在第一次匹配发生的时候。
cat /etc/shadow | awk '{sub(/^x/,"***",$1);print}'

字符串出现位置

index函数返回子字符串第一次被匹配的位置，偏移量从位置1开始。格式如下：

index(string, substring)

示例

#返回整行中的9999出现位置,如果未出现则返回0
cat /etc/shadow | awk -F: '{print index($0,"9999")}'

字符串统计

length函数返回记录的字符数。格式如下：

length( string )
length

示例:

#统计一个域中的数量
cat /etc/shadow | awk -F: '{print length($1)}'

#统计整行的字符数量
cat /etc/shadow | awk -F: '{print length}'

字符串截取

substr函数返回从位置1开始的子字符串，如果指定长度超过实际长度，就返回整个字符串。格式如下：

substr( string, starting position )
substr( string, starting position, length of string )

示例:

awk 'BEGIN{print substr("isawk",1,2)}'

正则匹配

match函数返回在字符串中正则表达式位置的索引，如果找不到指定的正则表达式则返回0。match函数会设置内建变量RSTART为字符串中子字符串的开始位置，RLENGTH为到子字符串末尾的字符个数。substr可利于这些变量来截取字符串。函数格式如下：

match( string, regular expression )

示例:

awk 'BEGIN{ret=match("is awk",/[a-z]+$/);print ret}'

大小写转换

toupper和tolower函数可用于字符串大小间的转换。格式如下：

toupper( string )
tolower( string )

示例:

awk 'BEGIN{print toupper("awk");print tolower("AWK")}'

字符分割

split函数可按给定的分隔符把字符串分割为一个数组。如果分隔符没提供，则按当前FS值进行分割。格式如下：

split( string, array, field separator )
split( string, array )

示例:

awk 'BEGIN{split("2020-06-06",arr,"-");for(a in arr){print arr[a]}}'

函数

自定义函数

格式:

function func_name(parameter, parameter, parameter, ... ){
    statements
    return expression
}

简单的使用案例

取出/etc/passwd的用户和所属群组及使用的shell

awk -F':' -v OFS='-'  '{print $1,$3,$NF}' /etc/passwd

#结果:
root-0-/bin/bash
bin-1-/sbin/nologin
daemon-2-/sbin/nologin
adm-3-/sbin/nologin
lp-4-/sbin/nologin
sync-5-/bin/sync
shutdown-6-/sbin/shutdown
halt-7-/sbin/halt
mail-8-/sbin/nologin
operator-11-/sbin/nologin
games-12-/sbin/nologin
ftp-14-/sbin/nologin
nobody-99-/sbin/nologin
systemd-network-192-/sbin/nologin
dbus-81-/sbin/nologin
polkitd-999-/sbin/nologin
sshd-74-/sbin/nologin
postfix-89-/sbin/nologin
chrony-998-/sbin/nologin
xiaoqi-1000-/bin/bash

取出/etc/passwd的用户ID小于20和所属群及使用的shell

awk -F':' -v OFS='-'  '{if($3<=20){print $1,$3,$NF}}' /etc/passwd

#结果:
root-0-/bin/bash
bin-1-/sbin/nologin
daemon-2-/sbin/nologin
adm-3-/sbin/nologin
lp-4-/sbin/nologin
sync-5-/bin/sync
shutdown-6-/sbin/shutdown
halt-7-/sbin/halt
mail-8-/sbin/nologin
operator-11-/sbin/nologin
games-12-/sbin/nologin
ftp-14-/sbin/nologin

取出/etc/passwd的用户已'r'开头的用户

awk '/^r/{print $0}' /etc/passwd

#结果:
root:x:0:0:root:/root:/bin/bash

取出netstat的简略信息已报表方式显示

netstat -luntp | grep -E '^tcp' | awk 'BEGIN{printf "%-10s\t%-10s\n","PID/Program name","Proto"}{printf "%-10s\t\t%-10s\n",$NF,$1}'

#结果
PID/Program name    Proto     
1168/master        tcp       
1067/sshd         tcp       
1168/master        tcp6      
1067/sshd         tcp6

统计nginx日志中出现的ip次数,取前10个ip

awk '/^[0-9]/{ip[$1]++}END{for(i in ip){print i,ip[i]}}' www.i7dom.cn.log |sort -k2 -nr | head -n 10

#结果
58.216.101.49 36277
119.188.116.17 31060
150.138.216.79 25922
150.138.216.78 25581
58.216.101.46 24769
58.216.101.47 21480
119.188.116.16 21376
218.98.26.146 20334
218.98.26.149 13674
112.82.242.111 11079

取进程运行时间+进程程序取前五

ps axu | awk -v OFS=" " '{print $10,$11}' | sort -k1 -nr | head -n 10

#结果:
1718:59 ./sergate
1177:47 barad_agent
935:12 python
890:32 /bin/python
706:09 [rcu_sched]
514:05 /usr/bin/mongod
262:48 /usr/local/qcloud/YunJing/YDEyes/YDService
208:15 /usr/bin/python
199:58 barad_agent
99:04 /usr/lib/systemd/systemd-journald

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2020 年 06 月，如有侵权请联系 cloudcommunity@tencent.com 删除

unix