Linux之awk
Linux中有三种主要的文本处理工具，分别是grep，sed和awk，其中grep是文本过滤工具，sed是文本行编辑器，awk是报表生成器，今天我们主要来探讨awk。
awk有nawk，gawk等多种版本，现在默认linux系统下的awk是gawk，也就是我们常用的awk，而在linux系统中gawk本身就是awk的链接文件，所以下文所说awk均为gawk。
一．大致功能
awk是一种用于处理文本的编程语言工具，在很多方面类似于shell编程语言，它支持条件判断，数组，循环等各种编程语言中所有可以使用的功能，所以在一定程度上我们可以把awk称为一种脚本语言解释器，由于awk在处理文本的时候一次读取一行，并根据分隔符进行切片，所以awk可以对文本中的特定片段进行各种加工处理，例如计数，运算等
二．用法格式
awk有三种运行方式，分别是以下三种
1.脚本
awk [options] ‘program’ var=value file
2.程序文件
awk [options] -f programfile var=value file
3.命令行
awk [options] 'BEGIN{ action;… } pattern{ action;… } END{ action;… }' file
其中的[options]：
-F 指明输入时用到的字段分隔符
-v var=value: 自定义变量赋值
awk的前两种运行方式直接调用文件或脚本，不多做解释，以下重点讨论awk的命令行用法
awk的命令行用法中，其格式由[options]，BEGIN，pattern和END组成，其中[options]主要用于定义分隔符和定义变量，BEGIN是第一步仅且只执行一次的动作可以不写，pattern部分决定定动作语句何时触发及触发事件，以及触发什么事件，END是最后一步仅且只执行一次的动作，也可不写。
三．awk工作原理
第一步：执行BEGIN{action;… }语句块中的语句
第二步：从文件或标准输入(stdin)读取一行，然后执行pattern{ action;… }语句块，它逐行扫描文件，从第一行到最后一行重复这个过程，直到文件全部被读取完毕。
第三步：当读至输入流末尾时，执行END{action;…}语句块
BEGIN语句块在awk开始从输入流中读取行之前被执行，这是一个可选的语句块，比如变量初始化、打印输出表格的表头等语句通常可以写在BEGIN语句块中
END语句块在awk从输入流中读取完所有的行之后即被执行，比如打印所有行的分析结果这类信息汇总都是在END语句块中完成，它也是一个可选语句块
pattern语句块中的通用命令是最重要的部分，也是可选的。如果没有提供pattern语句块，则默认执行{ print }，即打印每一个读取到的行，awk读取的每一行都会执行该语句块
awk执行时，由分隔符分隔的字段（域）标记$1,$2..$n称为域标识
$0为所有域，注意：和shell中变量$符含义不同
文件的每一行称为记录
省略action，则默认执行 print $0 的操作，也就是打印整个记录
四．变量
awk中变量分为内置变量和自定义变量，自定义变量顾名思义就是我们自己定义的变量，而内置变量则是awk为方便我们的使用为我们提前准备号的变量,在定义变量时，建议在[options]部分定义内置变量
内置变量：
FS：输入字段分隔符，默认为空白字符
OFS：输出字段分隔符，默认为空白字符
RS：输入记录分隔符，指定输入时的换行符，原换行符仍有效
ORS：输出记录分隔符，输出时用指定符号代替换行符
NF：字段数量
NR：行号
FNR：各文件分别计数,行号
FILENAME：当前文件名
ARGC：命令行参数的个数
ARGV：数组，保存的是命令行所给定的各参数
自定义变量：
在awk中定义自定义变量时若在[options]部分则直接用-v var=value（-v a=123）这样的方式定义即可，若在program中定义，需用“；”隔开，由于当value为数值时可以直接定义但value为带空格的字符串时无法识别所以建议在定义变量时用引号将value引起
五．printf/print
print格式： print item1, item2, ...
要点：
(1) 逗号分隔符
(2) 输出的各item可以字符串，也可以是数值；当前记录的字段、变量或awk的表达式
(3) 如省略item，相当于print $0
示例：
awk ‘{print "hello,awk"}'
awk –F: ‘{print}' /etc/passwd
awk –F: ‘{print “wang”}’ /etc/passwd
printf
按照格式输出，书写时先写目标格式，再在后面补上内容
printf格式：printf “FORMAT”, item1, item2, ...
要点：
(1) 由于printf是格式化输出所以必须指定FORMAT
(2) 不会自动换行，需要显式给出换行控制符，\n
(3) FORMAT中需要分别为后面每个item指定格式符
格式符：与item一一对应
%c: 显示字符的ASCII码
%d, %i: 显示十进制整数
%e, %E:显示科学计数法数值
%f：显示为浮点数
%g, %G：以科学计数法或浮点形式显示数值
%s：显示字符串
%u：无符号整数
%%: 显示%自身
修饰符：
#[.#]：第一个数字控制显示的宽度；第二个#表示小数点后精度，%3.1f 表示一个三位的一位小数的浮点数
-: 左对齐（默认右对齐） %-15s 表示这一部分左对齐并去字符宽度为15，不足则空格补齐
+：显示数值的正负符号 %+d
示例：
awk -F: ‘{printf "%s",$1}’ /etc/passwd
awk -F: ‘{printf "Username: %s\n",$1}’ /etc/passwd
awk -F: ‘{printf "Username: %-15s,UID:%d\n",$1,$3}’ /etc/passwd
六．操作符
awk中支持各种操作符
算术操作符：
x+y, x
-y, x*y, x/y, x^y, x%y
-x: 转换为负数
+x: 转换为数值
赋值操作符：
=, +=,
-=, *=, /=, %=, ^=
++, --
逻辑操作符：与&&，或||，非!
比较操作符：
==, !=, >, >=, <, <=
模式匹配符：
~：左边是否和右边匹配（!~：是否不匹配）其中右边要匹配的部分要用“”或者//括起来
awk–F: ‘$0 ~ /root/{print $1}’ /etc/passwd
awk ‘$0~“^root"' /etc/passwd
awk ‘$0 !~ /root/’ /etc/passwd
七．awk action
awk有以下几种常用action
(1) Expressions:算术，比较表达式等
(2) Control statements：if, while等
(3) Compound statements：组合语句
(4) input statements
(5) output statements：print等
由于其他的action在上面都有介绍所以这里主要讲述控制语句而组合语句则是多种action的组合
1.控制语句if-else
if语句常用于对awk取得的某个字段进行条件判断
格式：if(condition1){statement1}else if(condition2){statement2}
else{statement3}
例如：
用awk读取/etc/passwd 输出系统用户和普通用户
awk -F: ‘{if($3>=1000) {printf "Common user: %s\n",$1} else {printf
"root or Sysuser: %s\n",$1}}' /etc/passwd
2.控制语句while
while常用于对同行内多个字段逐一处理和对数组个元素逐一处理
格式：while(condition){statement;…}
例如：
用awk读取/etc/grub2.cfg 输出以任意空格加linux16作为开头的行的所有字段的长度
其中length（）是一个awk的内置函数
awk ‘/^[[:space:]]*linux16/{i=1;while(i<=NF){print $i,length($i); i++}}’ /etc/grub2.cfg
3.控制语句for
for语句功能和while基本相同，同样可用于遍历数组
格式：for(variable assignment;condition;iteration process) {for-body}
例如：
用for代替上面的while输出以任意空格加linux16作为开头的行的所有字段的长度
awk ‘/^[[:space:]]*linux16/{for(i=1;i<=NF;i++) {print $i,length($i)}}' /etc/grub2.cfg
4.控制语句break/continue/next
awk中的break和continue同shell脚本中的功能一样，break跳出当前层的循环，continue跳过本次循环直接进入下一次，当然可以在break和continue跟上数字以表示跳出的循环个数，默认为1.而next则是跳出awk本身的循环，即直接进入下一行的循环。
例如：
awk '{for (i=1;i<3;i++){if (i==2){break}else{print i}}}' /etc/passwd这个循环中break直接跳出当前的for循环直接进入下一行的循环，如果把break换成continue则是跳出本次循环，直接进入i=3时的循环然后才进入下一行的循环。如果把break换成next则是直接进入下一行的循环，由于这个awk语句中除了awk本身的循环只有一层循环所以在这条语句中break和next作用相同。
八．数组
awk中数组通常是以字符串为下标的，其余和shell脚本中的数组基本相同
awk的数组一般写在pattern中，以遍历整个文件，然后在END中通过循环输出我们的数组
例如：
计算/etc/passwd中各种默认shell的个数，其中默认shell是这个文件每行的第七个域，在pattern部分直接以默认shell为数组下表，在awk循环遍历整个文件时，每遇到一种shell就在line数组中创建一个对应的下标，并让这个下标对应的值加一，之后每遇到一次都加一，然后在END部分通过for循环遍历输出每个下标及其对应的值，也就是出现的次数
awk -F: ‘{line[$7]++}END{for(i in line){print i,line[i]}}' /etc/passwd
