linux基础命令介绍八：文本分析 awk

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。

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：

[root@centos7 ~]# head -1 /etc/passwd | awk '{print $0}' 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)：

[root@centos7 ~]# head -1 /etc/passwd | awk -F: '{print $1,$NF}' 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：

[root@centos7 temp]# ls -l * | awk '{print $5,$NF}' 13 b.txt 58 c.txt 12 d.txt 0 e.txt 0 f.txt 24 test.sh [root@centos7 temp]#

还可以对任意列进行过滤：

[root@centos7 temp]# ls -l *|awk '$5>20 && $NF ~ /txt$/' -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

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

[root@idc-v-71253 ~]# ifconfig|awk '/^\S/{print $1"\t"$NF}' ens32: 1500 ens33: 1500 lo: 65536 [root@idc-v-71253 ~]# #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

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

[root@idc-v-71253 ~]# ifconfig|awk '/^\S/{a=$1}/RX p/{print a,$5}' ens32: 999477100 ens33: 1663197120 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。

#注意类似于C语言的赋值及print函数用法 [root@centos7 temp]# ls -l *|awk 'BEGIN{print "size name\n---------"}$5>20{x+=$5;print $5,$NF}END{print "---------\ntotal",x}' size name --------- 58 c.txt 24 test.sh --------- total 82 [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

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

当然也有 if 分支语句

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

[root@centos7 ~]# awk '/^root/,/^adm/' /etc/passwd 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

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：

#注意为避免混淆对目录分隔符进行了转义 [root@centos7 ~]# awk -F: '$3>500?/\/bin\/bash$/:$3==0 {print $0}' /etc/passwd root:x:0:0:root:/root:/bin/bash learner:x:1000:1000::/home/learner:/bin/bash #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

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

选项 -F 指定列分隔符

#多个字符作为分隔符时 [root@centos7 temp]# echo 1.2,3:4 5|awk -F '[., :]' '{print $2,$NF}' 2 5 [root@centos7 temp]# #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

#这里printf函数用法类似C语言同名函数 [root@centos7 ~]# awk -v n=5 'BEGIN{for(i=0;i<n;i++) printf "%02d\n",i}' 00 01 02 03 04 [root@centos7 ~]#

print 等函数还支持使用重定向符 > 和 >> 将输出保存至文件

#如按第一列(IP)分类拆分文件access.log，并保存至ip.txt文件中 [root@centos7 temp]# awk '{print > $1".txt"}' access.log [root@centos7 temp]# ls -l 172.20.71.* -rw-r--r-- 1 root root 5297 11月 22 21:33 172.20.71.38.txt -rw-r--r-- 1 root root 1236 11月 22 21:33 172.20.71.39.txt -rw-r--r-- 1 root root 4533 11月 22 21:33 172.20.71.84.txt -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

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

split() 将字符串按分隔符分隔，并保存至数组

[root@centos7 temp]# head -1 /etc/passwd|awk '{split($0,arr,/:/);for(i=1;i<=length(arr);i++) print arr[i]}' root x 0 0 root /root /bin/bash [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

#从shell命令date中通过管道获得当前的小时数 [root@centos7 temp]# awk 'BEGIN{"date"|getline;split($5,arr,/:/);print arr[1]}' 09 #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) [root@centos7 temp]# awk '{getline <"c.txt";print $4}' b.txt "https://segmentfault.com/blog/learnning" [root@centos7 temp]# #赋值给变量 [root@centos7 temp]# awk '{getline blog <"c.txt";print $0"\n"blog}' b.txt aasdasdadsad BLOG ADDRESS IS "https://segmentfault.com/blog/learnning" [root@centos7 temp]# #读取下一行(也会覆盖当前$0) [root@centos7 temp]# cat file anny 100 bob 150 cindy 120 [root@centos7 temp]# awk '{getline;total+=$0}END{print total}' file 370 #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。

#跳过以a-s开头的行，统计行数，打印最终结果 [root@centos7 temp]# awk '/^[a-s]/{next}{count++}END{print count}' /etc/passwd 2 [root@centos7 temp]#

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

[root@centos7 temp]# echo 178278 world|awk 'sub(/[0-9]+/,"hello")' hello world [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

[root@centos7 temp]# head -n5 /etc/passwd|awk '{gsub(/[0-9]+/,"----");print $0}' root:x:----:----:root:/root:/bin/bash bin:x:----:----:bin:/bin:/sbin/nologin daemon:x:----:----:daemon:/sbin:/sbin/nologin adm:x:----:----:adm:/var/adm:/sbin/nologin 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

[root@centos7 temp]# echo "hello,世界！"|awk '{print substr($0,8,1)}' 界 [root@centos7 temp]#

tolower(str) 和 toupper(str) 表示大小写转换

[root@centos7 temp]# echo "hello,世界！"|awk '{A=toupper($0);print A}' HELLO,世界！ [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

#此处if语句判断和C语言一致，0为false，非0为true [root@centos7 temp]# awk 'BEGIN{if(!system("date>/dev/null"))print "success"}' success [root@centos7 temp]#

match(str,regex) 返回字符串str中匹配正则regex的位置

[root@centos7 temp]# awk 'BEGIN{A=match("abc.f.11.12.1.98",/[0-9]{1,3}\./);print A}' 7 [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。