文本處理三劍客之awk
awk:
報告生成器,格式化文檔輸出;
awk(gawk):pattern scanning and processing language
格式:awk [options...] 'program' file
program: [/PATTERN/]{ACTION statement;...}
PATTERN:決定動作語句何時觸發以及通過什麽事件來觸發(BEGIN/END);
ACTION statement:對數據進行特定的處理,通常放在{}中(print/printf);
基本概念:
分隔符(輸入分割符,輸出分隔符)
輸入分割符:
awk對數據進行處理時,會根據特定的標識符對數據進行分段處理,該標識符稱為輸入分隔符(默認為空白字符);
輸出分隔符:
awk在處理完數據後,會以特定標識符對各字段進行輸出;
記錄:由換行符分割的數據中的一行,稱為一條記錄,通常用$0表示;
字段:經過分隔符分割後的每一個數據分段(field),通常用$N表示(N為除0外的數字);
awk的工作原理:
1):首先執行Begin{action statement}語句塊中的語句;
2):其次,從文件或標準輸入中讀取一行,根據Pattern匹配的結果執行action的內容,重復此操作,直到完畢;
3):最後,執行End{action statement}語句塊中的語句;
註意:
1)begin語句在awk處理數據前執行,常用於生成表頭(該語句可省略)
2)end語句在awk處理完所有數據後執行,用於數據匯總(該語句可省略)
3)Pattern語句是最重要的部分,不可省略,但action可省略,默認執行print操作;
4)awk在執行Pattern語句塊時,默認循環遍歷數據中的各記錄;
常用選項:
-f:--file program-file:從指定文件中加載program語句塊;
-F:--filed-sparator fs:指定字段的輸入分隔符;
-V:--assign var=value:用於聲明自定義變量並為其賦值;
awk的常用用法:
1.變量:(內置變量,自定義變量)
內置變量:
FS:input field separator:輸入字段分割符,默認為空白字符;
OFS:output field separator:輸出字段分隔符,默認為空白字符;
例:
~]# awk -v FS=':' -v OFS=':' '{print $1,$2}' /etc/group
RS:輸入記錄分隔符,默認為換行符(即使定義了記錄分割符,原有的換行符依舊有效);
ORS:輸出記錄分隔符,默認為換行符(即使定義了記錄分割符,原有的換行符依舊有效);
例:
~]# awk -v RS=':' '{print $1,$2}' /etc/group
NF:每一行字段的總數;
例:
~]# awk -F: '{print NF}' /etc/group
NR:列出文件行的總行號;
例:
~]# awk -F: '{print NR}' /etc/group
FNR:對不同的文件統計文件行的行號;
例:
~]# awk -F: '{print FNR}' /etc/group /etc/passwd
FILENAME:當前正在被使用的文件的文件名;
例:
~]# awk -F: 'END{print FILENAME}' /etc/group /etc/passwd
ARGC:命令行中參數數量(不包括Option中和Program中的參數)
例:
~]# awk -F: 'END{print ARGC}' /etc/group /etc/passwd /etc/fstab
ARGV:由命令行所有參數構成的數組
例:
~]# awk -F: 'END{print ARGV[2]}' /etc/group /etc/passwd /etc/fstab
自定義變量:
定義方式:-v var_name
例子:
# awk -v var='你好' -F: '{print $1,":",var}' /etc/passwd
2.常用的action:
print:
格式:print item1,item2....
註意:1)各item之間需使用","進行分割
2)item可以是字符串,數字,變量,當前記錄中的字段,也可是awk表達式(省略則輸出整行)
例:
~]# awk -F: '{print $1,$3,$6}' /etc/passwd
printf:format and print ,以特定的格式輸出結果;
格式; ;printf "FORMAT" item1,item2....
註意:1)必須給出合適的輸出格式
2)默認不自動換行,需給出"\n"
3)FORMAT中需為後面的每個item指定格式化符號;
常用的FORMAT:
%c:以ACSII碼表中的內容顯示字符信息;
%d,%i:顯示十進制整數
%e,%E:以科學記數法顯示數字,浮點類型;
%f,%F:顯示十進制數字的浮點形式
%g,%G:以科學記數法顯示浮點數字
%v:顯示無符號十進制數字
%s:顯示字符串
%x,%X:顯示無符號的十六進制數
%%:顯示%
修飾符:
#[.#]:第一個數字用來控制顯示寬度;第二個數字表示小數點的精度;
如:%5s, $8.3f
-:表示采用左對齊方式顯示;默認是右對齊;
+:顯示數字的正負符號;
示例:
3.操作符:
算術運算操作符:
雙目運算符:
x+y, x-y, x*y, x/y, x^y, x%y
單目運算符:
-x:將正整數轉換為負整數;
+x:將字符串轉換為數值;
字符串操作符:
無任何操作符號時,即為字符串連接操作;
賦值操作符:
=, +=, -=, *=, /=, ^=, %=,++, --
比較操作符:
==, !=, >, >=, <, <=
模式匹配操作符:
~:操作符左側的字符串是否能夠被右側的PATTERN所匹配;
!~:操作符左側的字符串是否不能被右側的PATTERN所匹配;
例:
~]# awk -F: '$1~/root/{print $0}' /etc/group
邏輯運算操作符:
&&
||
|
例:
~]# awk -F: '$3>100&&$3<200{print $0}' /etc/group
條件表達式:
selector(condition)?if-true-expression:if-false-expression
例:
~]# awk -F: '{$3>100?usertype="common":usertype="super";printf "%-20s: %-5s\n",$1,usertype}' /etc/passwd
4.PATTERN部分:
1) empty:空模式,不加區分地處理文件的每一行;
2) [!]/REGEXP/:僅處理[不]能被PATTERN匹配到的行;
例:
~]# awk -F: '/^r/{print $0}' /etc/passwd
3) 關系表達式:
$3>=1000
$NF~/bash/
4) 行域,行範圍:
關系表達式的邏輯運算:FNR>=10&&FNR<==20
例:
~]# awk 'NR>=15&&NR<=20{print NR,$0}' /etc/passwd
/REGEXP1/,/REGEXP2/:
從被REGEXP1匹配的行開始,直到被REGEXP2匹配的行結束,這期間的所有行;凡是屬於此類的匹配結果,有多少組就顯示多少組;
示例:
~]# awk -F: '/^r/,/^a/{print NR,$0}' /etc/passwd
5) BEGIN/END模式:
BEGIN{}
僅在開始處理文件中的第一行文本數據之前執行一次的語句塊;多用於輸出特定格式的表頭信息;
例:
~]# awk -F: 'BEGIN{printf "%20s %10s %20s\n","USERNAME","USERID","SHELL"}NR>=15&&NR<=20{printf "%20s %10s %20s\n",$1,$3,$7}' /etc/passwd
END{}
僅在文本處理完成但awk命令尚未退出時執行一次的語句塊;多用於數據信息的匯總;
例:
~]# awk -F: 'BEGIN{printf "%20s %10s %20s\n","USERNAME","USERID","SHELL"}NR>=15&&NR<=20{printf "%20s %10s %20s\n",$1,$3,$7}END{print "-------\n",NR " users"}' /etc/passwd
註意:
1) BEGIN語句塊,PATTERN語句塊和END語句塊的順序,通常來講是:BEGIN{}PATTERN{}END{}
2) BEGIN語句塊和END語句塊是可選的,但PATTERN語句塊必須給出;
5.常用的ACTIONS
1) 表達式(Expression)
2) 組合語句(Compound Statements)
3) 輸入語句(Input Statements)
4) 輸出語句(Output Statements)
5) 控制語句(Control Statements)
6.控制語句:
if (condition) statement [ else statement ]
while (condition) statement
do statement while (condition)
for (expr1; expr2; expr3) statement
for (var in array) statement
break
continue
exit [ expression ]
switch (expression) { case value|regex : statement ... [ default: statement ] }
next
1) if ... else:
語法:
if (condition) statement [ else statement ]
使用場景:對awk取得的整行或某個字段做條件判斷;
示例:
~]# awk -F: '{if($3>=1000){print "CommonUser:",$1}else{print "Sysuser:",$1}}' /etc/passwd
~]# awk fstab'/^[^#]/{if(NF==6){print}}' /etc/passwd
分析磁盤上各個文件系統的空間利用率:
~]# df -h | awk -F% '/^\/dev/{print $1}' | awk '{if($NF>=80){print $1}}'
2) while循環:
語法:
while (condition) statement
使用場景:
a.對一行內的多個字段逐一做相同或類似的操作處理時使用;
b.對數組中的各數組元素做遍歷處理時使用;
while循環的特點:條件為真,進入循環;一旦條件為假,則退出循環;
例:
~]# awk '{i=1;while(i<=NF){print $i,length($i);i++}}' testfile
3) do ... while語句:
語法:
do statement while (condition)
意義:與while循環相同,但statement語句段至少被執行一次;
4) for循環:
語法:
for (expr1; expr2; expr3) statement
expr1:variable assignment,變量賦初值;
expr2:circle condition,循環條件判斷;
expr3:interation process,變量值修正方法;
示例:
~]# awk '{for(i=1;i<=NF;i++){print $i,length($i)}}' testfile
for (var in array) statement
5) switch ... case語句
語法:
switch (expression) { case value|regex:statement;case value2|regex2:statement;... [ default: statement ] }
使用場景:
用於進行字符串比較判斷;
6) break和continue語句:
break [n]
continue
註意:其使用場景是行內多個字段間做循環時的循環控制方式;
例:
~]# awk '{for(i=1;i<=NF;i++){if(length($i)<5){continue}else{print $i,length($i)}}}' testfile
7) next語句:
在awk處理數據時,提前結束對當前行的處理,而直接開始處理下一行;
例:
~]# awk -F: '{if($3%2==1){next}else{print $1,$3}}' /etc/passwd
8.數組——Array
用戶自定義的數組,一般使用關聯數組:array_name[index_expression]
註意:
1) index_expression可以使用任意的字符串,但字符串必須放在雙引號中;
2) 支持弱變量數組,即:如果某數組元素事先不存在,當引用該元素時,awk會自動創建此元素,並為此元素賦"空字符串"作為其初始值;
示例:
~]# awk 'BEGIN{name["leader"]="zhangsan";name["mem1"]="lisi";name["mem2"]="bob";print "Leader:",name["leader"],"Member:",name["mem1"],name["mem2"]}'
~]# awk 'BEGIN{name["leader"]="zhangsan";name["mem1"]="lisi";name["mem2"]="bob";for(i in name){print name[i]}}'
查看當前系統上所有服務的不同TCP狀態的連接數量的統計:
~]# netstat -nalt | awk '/^tcp\>/{state[$NF]++}END{for(stat in state){printf "%15s: %-10d\n",stat,state[stat]}}'
用於統計本服務器web站點的每個用戶的請求數值:
~]# awk '{ipaddr[$1]++}END{for(ip in ipaddr){print ip,ipaddr[ip]}}' /var/log/httpd/access_log
用於統計本服務器web站點的UV值:
~]# awk '{ipaddr[$1]++}END{for(ip in ipaddr){print ip,ipaddr[ip]}}' /var/log/httpd/access_log | wc -l
9.函數:
內建函數:
數值函數:Numeric Functions
rand():返回一個介於0到1之間的隨機數;
sqrt():對於指定的數值進行開二次方;
字符串函數:String Functions
length():計算給定字符串的長度;
gsub(r, s [, t]):以r表示的模式來查找t表示的字符串中能夠被匹配的內容,並將所有出現的內容替換成s表示的內容;
split(s, a [, r [, seps] ]):以seps作為分隔符,利用r表示的模式進行匹配,將s代表的字符串分割之後,保存在a表示的數組中;
自定義函數:
function name(parameter list) { statements }
文本處理三劍客之awk