awk 留底 - 川山甲

公告

序

因为经常做awk编码，而且跨过一段时间就容易忘记，故在此做个留底。便于翻阅。——后期会在这个页面不断补充！

常用常量

属性	描述
NR	已读入的总记录数
ARGIND	当前被处理参数标志
FILENAME	当前输入文件名
FS	输入域分隔符，默认为一个空格
RS	输入记录分隔符
NF	当前记录里域个数
SUBSEP	下标分隔符 "\034"

获取日期

strftime("%Y-%m-%d", systime())

加载awk文件方式

awk -v "file_name=`basename $file`" -f cut_online.awk $file

处理多个文件的时候，区分文件

区分:

数组操作

参考文章:http://bbs.chinaunix.net/thread-2312439-1-1.html

awk的数组，一种关联数组（Associative Arrays），下标可以是数字和字符串。因无需对数组名和元素提前声明，也无需指定元素个数，所以awk的数组使用非常灵活。

首先介绍下几个awk数组相关的知识点：

<1>建立数组

array[index] = value ：数组名array，下标index以及相应的值value。

<2>读取数组值

{ for (item in array)  print array[item]} # 输出的顺序是随机的
{for(i=1;i<=len;i++)  print array[i]} # Len 是数组的长度

<3>多维数组，array[index1,index2,……]：SUBSEP是数组下标分割符，默认为“\034”。可以事先设定SUBSEP，也可以直接在SUBSEP的位置输入你要用的分隔符，如：

awk 'BEGIN{SUBSEP=":";array["a","b"]=1;for(i in array) print i}'
a:b
awk 'BEGIN{array["a"":""b"]=1;for(i in array) print i}'
a:b

但，有些特殊情况需要避免，如：

awk 'BEGIN{
SUBSEP=":"
array["a","b:c"]=1               # 下标为“a:b:c”
array["a:b","c"]=2               #下标同样是“a:b:c”
for (i in array) print i,array[i]}'
a:b:c 2                                 #所以数组元素只有一个。

<4>删除数组或数组元素：使用delete 函数

delete array                     #删除整个数组
delete array[item]           # 删除某个数组元素（item）

<5> 排序：awk中的asort函数可以实现对数组的值进行排序，不过排序之后的数组下标改为从1到数组的长度。在gawk 3.1.2以后的版本还提供了一个asorti函数，这个函数不是依据关联数组的值，而是依据关联数组的下标排序，即asorti(array)以后，仍会用数字（1到数组长度）来作为下标，但是array的数组值变为排序后的原来的下标，除非你指定另一个参数如:asorti(a,b)。

echo 'aa
bb
aa
bb
cc' |\
awk '{a[$0]++}END{l=asorti(a);for(i=1;i<=l;i++)print a[i]}'
aa
bb
cc

echo 'aa
bb
aa
bb
cc' |\
awk '{a[$0]++}END{l=asorti(a,b);for(i=1;i<=l;i++)print b[i],a[b[i]]}'
aa 2
bb 2
cc 1

属性	描述
asort	asort对数组进行排序，返回数组长度

练习1(分析出每天有多少员工离职？有多少员工入职?)

awk代码(test_log_info.awk)

BEGIN{
        today = strftime("%Y-%m-%d-%H", systime());
}
FILENAME == ARGV[1]{ # 第一个文件 旧记录
        old_user[$1] = $0;
}
FILENAME == ARGV[2]{ # 第二个文件 新纪录
        new_user[$1] = $0;
}
END{
        log_info = "";
        log_file = log_dir"user_log_info.log."today"";
        for(old_uid in old_user){
                if(new_user[old_uid] == ""){
                        log_info = log_info"leave user:"old_user[old_uid]"\n";
                        delete new_user[new_uid];
                }
        }


        for(new_uid in new_user){
                if(old_user[new_uid] == ""){
                        log_info = log_info"add user:"new_user[new_uid]"\n";
                        delete old_user[new_uid];
                }
        }

        log_info = log_info"old count:"asort(old_user)";new count:"asort(new_user);
        system(" echo '"log_info"' > "log_file);
}

分析日志shell脚本(test_log_info.sh)

#!/bin/bash

yesterday(){
        yy=`date +%Y` #Year yyyy
        mm=`date +%m` #Month mm
        dd=`date +%d` #Day dd
        if [ $dd = "01" ]
        then
                lm=`expr $mm - 1 `
                if [ $lm -eq 0 ]
                then
                        lm=12
                        yy=`expr $yy - 1 `
                fi
                echo lm=$lm
                case $lm in
                     1|3|5|7|8|10|12) Yesterday=31 ;;
                     4|6|9|11) Yesterday=30 ;;
                     2)
                             if [ ` expr $yy % 4 ` -eq 0 -a `expr $yy % 100 ` -ne 0 -o ` expr $yy % 400 ` -eq 0 ]
                             then Yesterday=29
                             else Yesterday=28
                             fi ;;

                esac
                mm=$lm
                Yesterday=$Yesterday
         else
                Yesterday=`expr $dd - 1 `
         fi

         case $Yesterday
             in 1|2|3|4|5|6|7|8|9) Yesterday='0'$Yesterday
         esac
         case $mm in
               1|2|3|4|5|6|7|8|9) mm='0'$mm ;;
         esac

         Yesterday=$yy"-"$mm"-"$Yesterday"-05"
}
yesterday
Today=`date "+%Y-%m-%d-05"`
TEMP_DIR="/home/rd/zhoubc/bak/"

awk -v "log_dir="$TEMP_DIR -f test_log_info.awk  $BAKDIR""test2.conf.""$Yesterday  $BAKDIR""test2.conf.""$Today

调用嵌套的shell文件(test_send.sh)

#!/bin/bash
BAKDIR='/home/crontab/send_user/bak/'

source test_log_info.sh

调用:

几个技术点:

shell脚本套用(source)——这样可以公用变量

source test_log_info.sh

awk多文件分别处理:

FILENAME == ARGV[1]{}

FILENAME == ARGV[2]{}

案例1：统计每个分类下，样本的中位数

数据结构：

下标从1开始计算。第二列为分类ID，第11类为月日均pv量。

325	20	230	4918	4	1	64	0	0	64.72	36.9	25	26
803	25	33	249	4	0	74	0	0	4.0	3.5	3	2
841	0	566	8624	11	21	269	1	0	527.57	415.6	1331	825
858	8	498	11569	21	17	477	1	0	1386.29	913.87	2787	2982
1004	6	221	3222	15	7	176	1	0	900.28	673.36	712	458

相关代码：

# $11 是月日均pv量
function ceil(x){
    y = int(x);
    return (x > y ? y + 1 : y)
}
# 取中位数
function get_median(arr){
    len = asort(arr);
    #for(i = 1; i <= len; i++) {
    #    printf("%d\t", arr[i]);
    #}
    #printf("\n");

    mid = ceil(len/ 2);
    if(len%2 == 0){
        return ceil((arr[mid] + arr[mid + 1]) / 2);
    }
    #printf("mid=%d\n", mid);
    return arr[mid];
}

BEGIN{
}
{
    if(!($2 in cardTypeTree)){
        cardTypeTree[$2] = $11;
    } else {
        cardTypeTree[$2] = cardTypeTree[$2]"_"$11;
    }
}
END{
    system("rm -f ./parseType.txt")
    for(key in cardTypeTree){
        split(cardTypeTree[key], array, "_")
        printf("%-10s\t%d\t%-10s\n", key, length(array), get_median(array))
        system("echo '"key"\t"length(array)"\t"get_median(array)"' >> ./parseType.txt")
    }
}

执行结果如下：

总结

　　工作中断断续续会用到awk脚本，老是用去搜索太麻烦了，故放在这里，方便日后查阅。如果对你有帮助，就推荐一下！