Linux基础命令介绍八:文本分析awk

wkiom1hcllyjjfjnaacubv1ynxu185-jpg-wh_651x-s_3707909696

awk是一种模式扫描和处理语言,在对数据进行分析处理时,是十分强大的工具。

  1. awk [options] ‘pattern {action}’ file…

awk的工作过程是这样的:按行读取输入(标准输入或文件),对于符合模式pattern的行,执行action。当pattern省略时表示匹配任何字符串;当action省略时表示执行'{print}’;它们不可以同时省略。

每一行输入,对awk来说都是一条记录(record),awk使用$0来引用当前记录:

  1. [root@centos7 ~]# head -1 /etc/passwd | awk ‘{print $0}’
  2. root:x:0:0:root:/root:/bin/bash

例子中将命令head -1 /etc/passwd作为awk的输入,awk省略了pattern,action为print $0,意为打印当前记录。

对于每条记录,awk使用分隔符将其分割成列,第一列用$1表示,第二列用$2表示…最后一列用$NF表示

选项-F表示指定分隔符

如输出文件/etc/passwd第一行第一列(用户名)和最后一列(登录shell):

  1. [root@centos7 ~]# head -1 /etc/passwd | awk -F: ‘{print $1,$NF}’
  2. root /bin/bash

当没有指定分隔符时,使用一到多个blank(空白字符,由空格键或TAB键产生)作为分隔符。输出的分隔符默认为空格。

如输出命令ls -l *的结果中,文件大小和文件名:

  1. [root@centos7 temp]# ls -l * | awk ‘{print $5,$NF}’
  2. 13 b.txt
  3. 58 c.txt
  4. 12 d.txt
  5. 0 e.txt
  6. 0 f.txt
  7. 24 test.sh
  8. [root@centos7 temp]#

还可以对任意列进行过滤:

  1. [root@centos7 temp]# ls -l *|awk ‘$5>20 && $NF ~ /txt$/’
  2. -rw-r–r– 1 nobody nobody 58 11月 16 16:34 c.txt

其中$5>20表示第五列的值大于20;&&表示逻辑与;$NF ~ /txt$/中,~表示匹配,符号//内部是正则表达式。这里省略了action,整条awk语句表示打印文件大小大于20字节并且文件名以txt结尾的行。

awk用NR表示行号

  1. [root@centos7 temp]# awk ‘/^root/ || NR==2’ /etc/passwd
  2. root:x:0:0:root:/root:/bin/bash
  3. bin:x:1:1:bin:/bin:/sbin/nologin
  4. [root@centos7 temp]#

例子中||表示逻辑或,语句表示:输出文件/etc/passwd中以root开头的行或者第二行。

在一些情况下,使用awk过滤甚至比使用grep更灵活

如获得ifconfig的输出中网卡名及其对应的mtu值

  1. [root@idc-v-71253 ~]# ifconfig|awk ‘/^\S/{print $1″\t”$NF}’
  2. ens32:  1500
  3. ens33:  1500
  4. lo:     65536
  5. [root@idc-v-71253 ~]#
  6. #这里的正则表示不以空白字符开头的行,输出内容中使用\t进行了格式化。

#这里的正则表示不以空白字符开头的行,输出内容中使用\t进行了格式化。

以上所说的NR、NF等都是awk的内建变量,下面列出部分常用内置变量

  1. $0          当前记录(这个变量中存放着整个行的内容)
  2. $1~$n       当前记录的第n个字段,字段间由FS分隔
  3. FS          输入字段分隔符 默认是空格或Tab
  4. NF          当前记录中的字段个数,就是有多少列
  5. NR          行号,从1开始,如果有多个文件话,这个值也不断累加。
  6. FNR         输入文件行号
  7. RS          输入的记录分隔符, 默认为换行符
  8. OFS         输出字段分隔符, 默认也是空格
  9. ORS         输出的记录分隔符,默认为换行符
  10. FILENAME    当前输入文件的名字

awk中还可以使用自定义变量,如将网卡名赋值给变量a,然后输出网卡名及其对应的RX bytes的值(注意不同模式匹配及其action的写法):

  1. [root@idc-v-71253 ~]# ifconfig|awk ‘/^\S/{a=$1}/RX p/{print a,$5}’
  2. ens32: 999477100
  3. ens33: 1663197120
  4. lo: 0

awk中有两个特殊的pattern:BEGIN和END;它们不会对输入文本进行匹配,BEGIN对应的action部分组合成一个代码块,在任何输入开始之前执行;END对应的action部分组合成一个代码块,在所有输入处理完成之后执行。

  1. #注意类似于C语言的赋值及print函数用法
  2. [root@centos7 temp]# ls -l *|awk ‘BEGIN{print “size name\n———“}$5>20{x+=$5;print $5,$NF}END{print “———\ntotal”,x}’
  3. size name
  4. ———
  5. 58 c.txt
  6. 24 test.sh
  7. ———
  8. total 82
  9. [root@centos7 temp]#

awk还支持数组,数组的索引都被视为字符串(即关联数组),可以使用for循环遍历数组元素

如输出文件/etc/passwd中各种登录shell及其总数量

  1. #注意数组赋值及for循环遍历数组的写法
  2. [root@centos7 temp]# awk -F ‘:’ ‘{a[$NF]++}END{for(i in a) print i,a[i]}’ /etc/passwd
  3. /bin/sync 1
  4. /bin/bash 2
  5. /sbin/nologin 19
  6. /sbin/halt 1
  7. /sbin/shutdown 1
  8. [root@centos7 temp]#

当然也有if分支语句

  1. #注意大括号是如何界定action块的
  2. [root@centos7 temp]# netstat -antp|awk ‘{if($6==”LISTEN”){x++}else{y++}}END{print x,y}’
  3. 6 3
  4. [root@centos7 temp]#

pattern之间可以用逗号分隔,表示从匹配第一个模式开始直到匹配第二个模式

  1. [root@centos7 ~]# awk ‘/^root/,/^adm/’ /etc/passwd
  2. root:x:0:0:root:/root:/bin/bash
  3. bin:x:1:1:bin:/bin:/sbin/nologin
  4. daemon:x:2:2:daemon:/sbin:/sbin/nologin
  5. adm:x:3:4:adm:/var/adm:/sbin/nologin

还支持三目操作符pattern1 ? pattern2 : pattern3,表示判断pattern1是否匹配,true则匹配pattern2,false则匹配pattern3,pattern也可以是类似C语言的表达式。

如判断文件/etc/passwd中UID大于500的登录shell是否为/bin/bash,是则输出整行,否则输出UID为0的行:

  1. #注意为避免混淆对目录分隔符进行了转义
  2. [root@centos7 ~]# awk -F: ‘$3>500?/\/bin\/bash$/:$3==0 {print $0}’ /etc/passwd
  3. root:x:0:0:root:/root:/bin/bash
  4. learner:x:1000:1000::/home/learner:/bin/bash
  5. #三目运算符也可以嵌套,例子略

选项-f file表示从file中读取awk指令

  1. #打印斐波那契数列前十项
  2. [root@centos7 temp]# cat test.awk
  3. BEGIN{
  4.     $1=1
  5.     $2=1
  6.     OFS=“,”
  7.     for(i=3;i<=10;i++)
  8.     {
  9.         $i=$(i-2)+$(i-1)
  10.     }
  11.     print
  12. }
  13. [root@centos7 temp]# awk -f test.awk
  14. 1,1,2,3,5,8,13,21,34,55
  15. [root@centos7 temp]#

选项-F指定列分隔符

  1. #多个字符作为分隔符时
  2. [root@centos7 temp]# echo 1.2,3:4 5|awk -F ‘[., :]’ ‘{print $2,$NF}’
  3. 2 5
  4. [root@centos7 temp]#
  5. #这里-F后单引号中的内容也是正则表达式

选项-v var=val设定变量

  1. #这里printf函数用法类似C语言同名函数
  2. [root@centos7 ~]# awk -v n=5 ‘BEGIN{for(i=0;i<n;i++) printf “%02d\n”,i}’
  3. 00
  4. 01
  5. 02
  6. 03
  7. 04
  8. [root@centos7 ~]#

print等函数还支持使用重定向符>和>>将输出保存至文件

  1. #如按第一列(IP)分类拆分文件access.log,并保存至ip.txt文件中
  2. [root@centos7 temp]# awk ‘{print > $1″.txt”}’ access.log
  3. [root@centos7 temp]# ls -l 172.20.71.*
  4. -rw-r–r– 1 root root 5297 11月 22 21:33 172.20.71.38.txt
  5. -rw-r–r– 1 root root 1236 11月 22 21:33 172.20.71.39.txt
  6. -rw-r–r– 1 root root 4533 11月 22 21:33 172.20.71.84.txt
  7. -rw-r–r– 1 root root 2328 11月 22 21:33 172.20.71.85.txt

内建函数

length()获得字符串长度

  1. [root@centos7 temp]# awk -F: ‘{if(length($1)>=16)print}’ /etc/passwd
  2. systemd-bus-proxy:x:999:997:systemd Bus Proxy:/:/sbin/nologin
  3. [root@centos7 temp]#

split()将字符串按分隔符分隔,并保存至数组

  1. [root@centos7 temp]# head -1 /etc/passwd|awk ‘{split($0,arr,/:/);for(i=1;i<=length(arr);i++) print arr[i]}’
  2. root
  3. x
  4. 0
  5. 0
  6. root
  7. /root
  8. /bin/bash
  9. [root@centos7 temp]#

getline从输入(可以是管道、另一个文件或当前文件的下一行)中获得记录,赋值给变量或重置某些环境变量

  1. #从shell命令date中通过管道获得当前的小时数
  2. [root@centos7 temp]# awk ‘BEGIN{“date”|getline;split($5,arr,/:/);print arr[1]}’
  3. 09
  4. #从文件中获取,此时会覆盖当前的$0。(注意逐行处理b.txt的同时也在逐行从c.txt中获得记录并覆盖$0,当getline先遇到eof时<即c.txt文件行数较少>将输出空行)
  5. [root@centos7 temp]# awk ‘{getline <“c.txt”;print $4}’ b.txt
  6. “https://segmentfault.com/blog/learnning”
  7. [root@centos7 temp]#
  8. #赋值给变量
  9. [root@centos7 temp]# awk ‘{getline blog <“c.txt”;print $0″\n”blog}’ b.txt
  10. aasdasdadsad
  11. BLOG ADDRESS IS “https://segmentfault.com/blog/learnning”
  12. [root@centos7 temp]#
  13. #读取下一行(也会覆盖当前$0)
  14. [root@centos7 temp]# cat file
  15. anny
  16. 100
  17. bob
  18. 150
  19. cindy
  20. 120
  21. [root@centos7 temp]# awk ‘{getline;total+=$0}END{print total}’ file
  22. 370
  23. #此时表示只对偶数行进行处理

next作用和getline类似,也是读取下一行并覆盖$0,区别是next执行后,其后的命令不再执行,而是读取下一行从头再执行。

  1. #跳过以a-s开头的行,统计行数,打印最终结果
  2. [root@centos7 temp]# awk ‘/^[a-s]/{next}{count++}END{print count}’ /etc/passwd
  3. 2
  4. [root@centos7 temp]#
  5. #又如合并相同列的两个文件
  6. [root@centos7 temp]# cat f.txt
  7. 学号 分值
  8. 00001 80
  9. 00002 75
  10. 00003 90
  11. [root@centos7 temp]# cat e.txt
  12. 姓名 学号
  13. 张三 00001
  14. 李四 00002
  15. 王五 00003
  16. [root@centos7 temp]# awk ‘NR==FNR{a[$1]=$2;next}{print $0,a[$2]}’ f.txt e.txt
  17. 姓名 学号 分值
  18. 张三 00001 80
  19. 李四 00002 75
  20. 王五 00003 90
  21. #这里当读第一个文件时NR==FNR成立,执行a[$1]=$2,然后next忽略后面的。读取第二个文件时,NR==FNR不成立,执行后面的打印命令

sub(regex,substr,string)替换字符串string(省略时为$0)中首个出现匹配正则regex的子串substr

  1. [root@centos7 temp]# echo 178278 world|awk ‘sub(/[0-9]+/,”hello”)’
  2. hello world
  3. [root@centos7 temp]#

gsub(regex,substr,string)与sub()类似,但不止替换第一个,而是全局替换

  1. [root@centos7 temp]# head -n5 /etc/passwd|awk ‘{gsub(/[0-9]+/,”—-“);print $0}’
  2. root:x:—-:—-:root:/root:/bin/bash
  3. bin:x:—-:—-:bin:/bin:/sbin/nologin
  4. daemon:x:—-:—-:daemon:/sbin:/sbin/nologin
  5. adm:x:—-:—-:adm:/var/adm:/sbin/nologin
  6. lp:x:—-:—-:lp:/var/spool/lpd:/sbin/nologin

substr(str,n,m)切割字符串str,从第n个字符开始,切割m个。如果m省略,则到结尾

  1. [root@centos7 temp]# echo “hello,世界!”|awk ‘{print substr($0,8,1)}’
  2. [root@centos7 temp]#

tolower(str)和toupper(str)表示大小写转换

  1. [root@centos7 temp]# echo “hello,世界!”|awk ‘{A=toupper($0);print A}’
  2. HELLO,世界!
  3. [root@centos7 temp]#

system(cmd)执行shell命令cmd,返回执行结果,执行成功为0,失败为非0

  1. #此处if语句判断和C语言一致,0为false,非0为true
  2. [root@centos7 temp]# awk ‘BEGIN{if(!system(“date>/dev/null”))print “success”}’
  3. success
  4. [root@centos7 temp]#

match(str,regex)返回字符串str中匹配正则regex的位置

  1. [root@centos7 temp]# awk ‘BEGIN{A=match(“abc.f.11.12.1.98”,/[0-9]{1,3}\./);print A}’
  2. 7
  3. [root@centos7 temp]#

awk作为一个编程语言可以处理各种各样的问题,甚至于编写应用软件,但它更常用的地方是命令行下的文本分析,生成报表等,这些场景下awk工作的很好。工作中如经常有文本分析的需求,那么掌握这个命令的用法将为你节省大量的时间。

未经允许不得转载:博客 » Linux基础命令介绍八:文本分析awk

赞 (0)

评论 0

评论前必须登录!

登陆 注册