BenjaminYang In solitude, where we are least alone

三剑客之awk

三剑客之awk

第1章 awk简介

1.1 awk简介

  • 一种名字怪异的语言。
  • 模式扫描和处理。处理文本流，水流。

awk不仅仅是linux系统中的一个命令，而且是一种编程语言，可以用来处理数据和生成报告。

处理的数据可以是一个或多个文件，可以是来自标准输入，也可以通过管道获取标准输入，awk可以

在命令行上直接编辑命令进行操作，也可以编写成awk程序来进行更为复杂的运用。这里主要讲解

awk命令行的运用。

学完本章你会了解：

  • 域（字段）与记录
  • 模式与匹配
  • 基本的awk执行过程
  • awk常用内置变量（预定义变量）
  • awk数组（工作中比较常用）

还有一些其他awk用法：(这里不作介绍)

  • awk语法：循环，条件
  • awk常用函数：print
  • 向awk传递参数
  • awk引用shell变量
  • awk编程

 

1.2 awk环境简介

[root@linux-node1 ~]# cat /etc/redhat-release

CentOS release 6.6 (Final)

 

[root@linux-node1 ~]# uname -r

2.6.32-504.el6.x86_64

 

[root@linux-node1 ~]# awk --version

GNU Awk 3.1.7

 

[root@linux-node1 ~]# which awk

/bin/awk

#/bin下和/sbin下的命令区别：

/bin : commands in this dir are all system installed user commands    系统的一些指令

/sbin:  commands in this dir are all system installed super user commands  超级用户指令 系统管理命令，这里存放的是系统管理员使用的管理程序 

/usr/bin: user commands for applications  后期安装的一些软件的运行脚本

/usr/sbin: super user commands for applications  超级用户的一些管理程序

 

 

1.3 awk的格式

awk指令是由模式，动作，或者模式和动作的组合组成。

模式既pattern，可以类似理解成sed的模式匹配，可以由表达式组成，也可以是两个正斜杠之间的正则表达式。比如NR=1，这就是模式，可以把他理解为一个条件。

动作即action，是由在大括号里面的一条或多条语句组成，语句之间用分号隔开。如awk使用格式：

 

 

图1-1 awk命令行格式

awk处理的内容可以来自标准输入（<），一个或多个文本文件或管道。

 

图1-2 awk模式动作解释图

pattern既模式，也可以理解为条件，也叫找谁，你找谁？高矮，胖瘦，男女？都是条件，既模式。

action 既动作，可以理解为干啥，找到人之后你要做什么。

 

1.4 awk执行过程

在深入了解awk前，我们需要知道awk如何处理文件的。

示例1-1 示例文件的创建

[root@linux-node1 ~]# mkdir -p /server/files/

[root@linux-node1 ~]# head /etc/passwd > /server/files/awkfile.txt

[root@linux-node1 ~]# cat /server/files/awkfile.txt  

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

lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin

sync:x:5:0:sync:/sbin:/bin/sync

shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown

halt:x:7:0:halt:/sbin:/sbin/halt

mail:x:8:12:mail:/var/spool/mail:/sbin/nologin

uucp:x:10:14:uucp:/var/spool/uucp:/sbin/nologin

 

[root@linux-node1 ~]# awk 'NR>=2{print $0}' /server/files/awkfile.txt

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

lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin

sync:x:5:0:sync:/sbin:/bin/sync

shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown

halt:x:7:0:halt:/sbin:/sbin/halt

mail:x:8:12:mail:/var/spool/mail:/sbin/nologin

uucp:x:10:14:uucp:/var/spool/uucp:/sbin/nologin

 

[root@linux-node1 ~]# awk 'NR>=2{print NR,$0}' /server/files/awkfile.txt

2 bin:x:1:1:bin:/bin:/sbin/nologin

3 daemon:x:2:2:daemon:/sbin:/sbin/nologin

4 adm:x:3:4:adm:/var/adm:/sbin/nologin

5 lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin

6 sync:x:5:0:sync:/sbin:/bin/sync

7 shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown

8 halt:x:7:0:halt:/sbin:/sbin/halt

9 mail:x:8:12:mail:/var/spool/mail:/sbin/nologin

10 uucp:x:10:14:uucp:/var/spool/uucp:/sbin/nologin

awk是通过一行一行的处理文件，这条命令中包含模式部分（条件）和动作部分（动作），awk将处理模式指定的行。

小结awk执行过程：

a）awk读入第一行内容

b）判断符合模式中的条件（NR>=2）

l 如果匹配默认则执行对应的动作({print $0})

l 如果不匹配条件，继续读取下一行

c)）继续读取下一行

d）重复过程a-c，直到读取到最后一行（EOF:end of file)

 

 1.5 区域和记录

名称

含义

field

域，区域，字段

record

记录，默认一整行

eg：$1,$2,$3,$NF

$0: 整行，一个记录

$ 取 引用

 

1.5.1 字段（区域）

每条记录都是由多个字段（field）组成的，默认情况下之间的分隔符是由空白符（即空格或制表符）来分隔，并且将分隔符记录在内置变量FS中。每行记录的字段数保存在awk的内置变量NF中。

 

 

图1-4 awk区域分隔符

awk使用内置变量FS来记录字段分隔符的内容，可以通过BEGIN语句来更改，也可以在命令行上通过-F参数来更改，下面通过示例来加强学习。

示例1-3  FS演示文件生成

[root@linux-node1 ~]# awk -F ":" 'NR>=2&&NR<=5{print $1,$3}' /server/files/awkfile.txt

bin 1

daemon 2

adm 3

lp 4

1.5.2记录

awk对每个要处理的输入数据人为都是具有格式和结构的，而不仅仅是一堆字符串。默认情况下，每一行内容都成为一条记录，并以换行符结束。

 

² 默认情况 -一行==一个记录，每行都是一个记录。

² RS ==》 record separator 每个记录读入的时候的分隔符。

² NR==》 number of record 行号，记录的数。awk当前处理着的，记录的数。

² ORS==》 output record separate 输出食肉的分隔符

 

awk使用内置变量来存放记录分隔符，RS表示的是输入的记录分隔符，这个值也可以以特定的方式修改。

前面我们讲到过的$0，awk使用$0来表示整条记录。记录分隔符\n保存在RS变量中。另外awk对每一行的记录号都有一个内置变量NR来保存，每处理完一条记录NR的值就会自动+1.

下面通过示例来加强一下什么是记录，记录分隔符。

示例1-5 NR记录行号

[root@linux-node1 files]# awk '{print NR,$0}' awkfile.txt

1 root:x:0:0:root:/root:/bin/bash

2 bin:x:1:1:bin:/bin:/sbin/nologin

3 daemon:x:2:2:daemon:/sbin:/sbin/nologin

4 adm:x:3:4:adm:/var/adm:/sbin/nologin

5 lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin

6 sync:x:5:0:sync:/sbin:/bin/sync

7 shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown

8 halt:x:7:0:halt:/sbin:/sbin/halt

9 mail:x:8:12:mail:/var/spool/mail:/sbin/nologin

10 uucp:x:10:14:uucp:/var/spool/uucp:/sbin/nologin

 

示例1-6 RS记录分隔符

#以/为分隔符记录一行

[root@linux-node1 files]# awk 'BEGIN{RS="/"}{print NR,$0}' awkfile.txt

1 root:x:0:0:root:

2 root:

3 bin

4 bash

bin:x:1:1:bin:

5 bin:

6 sbin

7 nologin

daemon:x:2:2:daemon:

8 sbin:

9 sbin

10 nologin

adm:x:3:4:adm:

11 var

12 adm:

13 sbin

14 nologin

lp:x:4:7:lp:

15 var

16 spool

17 lpd:

18 sbin

19 nologin

#以：为分隔符记录一行

[root@linux-node1 files]# awk 'BEGIN{RS=":"}{print NR,$0}' awkfile.txt  

1 root

2 x

3 0

4 0

5 root

6 /root

7 /bin/bash

bin

8 x

9 1

10 1

11 bin

12 /bin

13 /sbin/nologin

daemon

14 x

15 2

16 2

17 daemon

18 /sbin

19 /sbin/nologin

adm

20 x

21 3

22 4

23 adm

24 /var/adm

25 /sbin/nologin

lp

26 x

27 4

28 7

29 lp

30 /var/spool/lpd

31 /sbin/nologin

awk 眼中的文件，从头到尾一段连续的字符串，恰巧中间有些\n（回车换行符）

 

示例1-7 RS为空值

#RS为空值的时候将指定行输出为一行

[root@linux-node1 files]# awk 'BEGIN{RS=""}{print NR,$1,$2,$3}' awkfile.txt  

 

 

说明：

在行首打印输出记录号，并打印出每一行$0的内容

 

企业案例1：计算文件中每个单词的重复数量

[root@linux-node1 files]# sed -ri.bak 's#[:/0-9]+# #g' awkfile.txt

1）单词弄成一列（排队）

其中 -o 表示“only-matching 精确匹配

[root@linux-node1 files]# egrep -o "[a-zA-z]+" awkfile.txt |sort| uniq -c|sort -r

      5 x

      5 sbin

      4 nologin

      4 bin

      3 root

      3 adm

      2 var

      2 lp

      2 daemon

      1 spool

      1 lpd

      1 bash

2）统计

[root@linux-node1 files]# awk 'BEGIN{RS="() | \n"}{print $0}' awkfile.txt|sort |uniq -c|sort -rn

      5 x

      5 sbin

      4 nologin

      4 bin

      3 root

      3 adm

      2 var

      2 lp

      2 daemon

      1 spool

      1 lpd

      1 bash

      1

 

企业案例2： 统计文件中每个字母的重复数量

 

记录小结：

  1. 大象放冰箱分几步？打开冰箱，把大象放进去，关闭冰箱门。
  2. 多用NR，NF，$数字，配合你进行调试awk命令。
  3. NR存放着每个记录的号（行号）读取新行时候会自动+1
  4. RS是记录的分隔符，简单理解就是可以指定每个记录的结尾标志。
  5. （用RS替换\n）
  6. RS作用就是表示一个记录的结束。
  7. FS标识着每个区域的结束。

1.6 模式匹配

1.6.1 正则表达式

awk支持的正则表达式元字符

元字符

功能

示例

解释

^

字符串开头

/^cool/

匹配所有以cool开头的字符串

$

字符串结尾

/cool$/

匹配所有以cool结尾的字符串

.

匹配任意单个字符

（包括回车符）

/c..l/

匹配字母c，然后两个任意字符，再以l结尾的行，比如ckk1，c@#1等

*

匹配0个或多个前导字符

/a*cool/

匹配0个或多个a之后紧跟着cool的行，比如cool，aaacool

+

重复一次或一次以上

/a+b/

匹配一个或多个a加b的行

？

匹配0个或一个前导字符

/a?b/

匹配b或ab的行

[]

匹配指定字符组内的任一个字符

/^[abc]/

匹配以字母a或b或c开头的行

[^]

匹配不在指定字符组

/^[^abc]/

 匹配不以字母a或b或c开头的行

x{m}

x重复m次

x重复至少m次

x重复至少m次，但不超过n次

需要指定参数：--posix或者--re-interval

/(cool){5}

需要注意的一点是，cool加括号或不加括号的区别，x可以使字符串也可以只是一个字符，所有/cool\{5\}/表示匹配coo再加上5个l，即coolllll，

^(cool\){2,\}则表示匹配coolcool，

coolcoolcool等

x{m,}

/(cool){2,}/

 

/(cool){5,6}/

正则表达式的运用，默认是在行内查找匹配的字符串，若有匹配则执行action操作，但是有时候仅需要固定的列来匹配指定的正则表达式，比如：$3这一列查找匹配tom的行，这样就需要另外两个匹配操作符：

~:用于对记录或字段的表达式进行（匹配）

!~:用于表达与~想法的意思。（不匹配）

#匹配 第五列以l或者a开头的所有行 ,这里(l|a) 可以换成[al]

[root@linux-node1 files]# awk '$3~/^(l|a)/{print $0}' awkfile.txt

adm x adm var adm sbin nologin

lp x lp var spool lpd sbin nologin

#取eth0 ip

[root@linux-node1 files]# ifconfig eth0| awk -F "[ :]+" 'NR==2{print $4}'

10.0.0.7

[root@linux-node1 files]# ifconfig eth0| awk -F "addr:| Bcast:" 'NR==2{print $2}'  

10.0.0.7

[root@linux-node1 files]# echo "-----=====1#######2"

-----=====1#######2

[root@linux-node1 files]# echo "-----=====1#######2"|grep "[-=#]"

-----=====1#######2

[root@linux-node1 files]# echo "-----=====1#######2"|grep -o "[-=#]"

-

-

-

-

-

=

=

=

=

=

#

#

#

#

#

#

#

[root@linux-node1 files]# echo "-----=====1#######2"|egrep -o "[-=#]+"

-----=====

#######

 

 

 

#匹配o出现一次或者两次的行打印第一列和最后一列

[root@linux-node1 files]# awk --posix '$1~/o{1,2}/{print NR,$1,$NF}' awkfile.txt

1 root bash

3 daemon nologin

1.6.2比较表达式

示例1-18

[root@linux-node1 files]# awk 'NR>=2&&NR<=5{print NR,$0}' awkfile.txt

2 bin x bin bin sbin nologin

3 daemon x daemon sbin sbin nologin

4 adm x adm var adm sbin nologin

5 lp x lp var spool lpd sbin nologin

1.6.3范围模式

awk ‘/start pos/,/end pos/{print $0} ‘ test.txt

awk ‘/start pos/,NR==XXX{print $0}’ passwd.oldboy

范围模式的时候，范围条件的时候，表达式必须匹配一行，

[root@linux-node1 files]# awk 'NR==2,NR==5{print NR,$1,$3}' awkfile.txt

2 bin bin

3 daemon daemon

4 adm adm

5 lp lp

[root@linux-node1 files]# awk 'NR==2,NR==5{print NR,$0}' awkfile.txt      

2 bin x bin bin sbin nologin

3 daemon x daemon sbin sbin nologin

4 adm x adm var adm sbin nologin

5 lp x lp var spool lpd sbin nologin

[root@linux-node1 files]# awk 'NR==2,NR<=5{print NR,$0}' awkfile.txt  

2 bin x bin bin sbin nologin

1.6.4企业案例：取出常用服务端口号

ftp http https mysql ssh 端口号 /etc/services 文件

[root@linux-node1 files]# awk -F "[ /]+" '$1~/ftp|https|mysql|ssh)$/{print $1,$2}' /etc/services|uniq

小结：

  1. 模式===》条件
  2. 正则表达式
  3. 条件表达式（NR>=2 NR==2）
  4. 范围表达式
  5. （NR==2,NR==5）
  6. /正则表达式-开始/，/正则结束/
  7. $1~/正则表达式-开始/,$3~/正则结束/ 行，记录。
  8. 区域：FS刀分隔的，FS区域分隔符
  9. 记录：RS刀分隔的，RS记录分隔符
  10. FS===>NF 区域的数量
  11. RS===>NR 记录号，随着记录的增加NR自动+1

 

1.7 awk结构的回顾

1.7.1 BEGIN模块

BEGIN模式之前我们有在示例中提到，自定义变量，给内容变量赋值等，都是用过。需要注意的是BEGIN模式后面要接跟一个action操作块，包含在大括号内。awk必须在对输入文件进行任何处理前先执行BEGIN定义的action操作块。我们可以不要任何输入文件，就可以对BEGIN模块进行测试，因为awk需要先执行完BEGIN模式，菜对输入文件做处理。BEGIN模式常常被用来修改内置变量ORS,RS,FS,OFS等的值。

示例1-25

[root@linux-node1 files]# awk 'BEGIN{print "this is begin!\nand thiscommand donnot have file"}'

this is begin!

and thiscommand donnot have file

说明：

没有文件awk依旧可以处理BEGIN模式下的操作块。

1.7.2 END模块

END 在awk读取完所有的文件的时候

awk编程思想：

1.先处理，最后再END模块输出。

与BEGIN模式相对于的END模式，格式一样，但是END模式仅在awk处理完所有输入行后才进行处理。并且在END模式下awk不匹配任何输入行。

1.7.3 总结awk执行过程

1.读入一行

2.判断是否是需要的行 条件$3>15 满足大于15 执行action ：print

3.不满足条件重复1,2步骤

1.7.4 企业案例3：统计文件里面的空行数量

[root@linux-node1 files]# grep -c "^$" /etc/services

16

[root@linux-node1 files]# awk '/^$/{a=a+1;print a}' /etc/services  

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

[root@linux-node1 files]# awk '/^$/{a=a+1}END{print a}' /etc/services             

16

 

 head -20 /etc/passwd >awkfile2.txt

面试题：awkfile2.txt 里面 以：为分隔符，区域3大于15行，一共有多少个？

[root@linux-node1 files]# awk -F ":" '$3>15{print $0}' awkfile2.txt   

nobody:x:99:99:Nobody:/:/sbin/nologin

dbus:x:81:81:System message bus:/:/sbin/nologin

usbmuxd:x:113:113:usbmuxd user:/:/sbin/nologin

vcsa:x:69:69:virtual console memory owner:/dev:/sbin/nologin

rpc:x:32:32:Rpcbind Daemon:/var/cache/rpcbind:/sbin/nologin

rtkit:x:499:497:RealtimeKit:/proc:/sbin/nologin

#计算一次，输出一次

[root@linux-node1 files]# awk -F ":" '$3>15{a=a+1;print a}' awkfile2.txt           

1

2

3

4

5

6

#处理完文件以后再输出a   这里a=a+1 可以用a++代替

[root@linux-node1 files]# awk -F ":" '$3>15{a=a+1;}END{print a}' awkfile2.txt        

6

企业面试题5:1+.....+100 1加到100的值，用awk实现

root@linux-node1 files]# seq 100 > test.txt  

[root@linux-node1 files]# cat test.txt |awk '{a+=$0}END{print a}'

5050

[[root@linux-node1 files]# awk 'a=a+$0;END{print a}' test.txt |sed -n '$p'

5050

1.7.4 企业案例4：

找出环境变量$PATH中，所有只有三个任意字符的命令，例如tee，并将他们重定向到command.txt中，要求一行显示1个，并在文件尾部统计他们的个数.

 

[root@linux-node1 files]# find $(echo $PATH|tr ":" " ") -type f -name "???"| awk '{a++}END{print "result:"a}'

find: `/root/bin': No such file or directory

result:75

通配符：用来匹配文件名的。{}字符序列

正则表达：字符串

1.7.5 总结awk执行过程

 

[root@linux-node1 files]# awk -F ":" 'BEGIN{print FS}'        

:

先执行命令再执行BEGIN模块

 

 

思想：

  1. awk核心思想就是现处理，然后END模块输出。(累加（a++；a+=$0),awk数组）
  2. BEGIN模块用于awk内置变量FS，RS的赋值，打印标题头的信息，（excel表格里面标题行）
  3. END模块用来最后输出，统计信息，awk数组信息。
  4. 区域，记录

 

  1. BEGIN和END模块只能有一个。不能BEGIN{}BEGIN{}或者END{}END{}
  2. 找谁干啥模块，可以是多个。

NR=2{print $1}NR=5{print $0}

1.8awk内置变量（预定义变量）

 

变量名

属性

$0

当前记录

$1-$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

NF

当前记录中的字段个数。就是有多少列

NR

已经读出的记录数，就是行号，从1开始

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

FNR

当前文件的读入记录号

1.9 awk数组

示例1-9数组演示

array[b]=”aaa”:array.....

 

 

1.9.1企业面试题1

 

处理以下文件内容，将域名取出并根据域名进行计数排序处理(去重)：（百度和sohu面试题）

[root@linux-node1 files]# cat awkfile3.txt

http://www.etiantian.org/index.html

http://www.etiantian.org/1.html

http://post.etiantian.org/index.html

http://mp3.etiantian.org/index.html

http://www.etiantian.org/3.html

http://post.etiantian.org/2.html

 

[root@linux-node1 files]# awk -F "/" '{array[$3]++}END{for(key in array) print key,array[key]}' awkfile3.txt

mp3.etiantian.org 1

post.etiantian.org 2

www.etiantian.org 3

 

[root@linux-node1 files]# awk -F "/+" '{array[$2]++}END{for(key in array)print key,array[key]}'  awkfile3.txt

mp3.etiantian.org 1

post.etiantian.org 2

www.etiantian.org 3

小结：

 

  1. awk数组去重
  2. 选好分隔符 -F “/”
  3. 选好处理的区域，print $1,$3,$2
  4. array[$3]++
  5. 先处理，最后END模块输出
  6. 输出awk数组我们使用for(key in array)
  7. ===>for ()循环
  8. key in array 手去框里，抓苹果。
  9. key 就是苹果名字（数组元素的名字）
  10. array数组名（框的名字）
  11. 打印输出print key,array[key]

 

1.9.2 企业案例2统计每个IP的访问量

access_awk.log

 

1.10 awk相关英语总结

名称

含义

filed

域，区域，字段

record

记录，默认一整行

Filed Separator

FS：区域分隔符，表示一个区域的结束，字段，域

Number of Filed

NF：每一个记录中区域的数量

Record Separator

RS：记录分隔符，表示每个记录的结束

output filed separator

OFS

output Record Separator

ORS

awk当前处理的文件的记录号

FNR

[root@linux-node1 files]# seq 20 30 >20-30.txt

[root@linux-node1 files]# seq 50 60 >50-60.txt

[root@linux-node1 files]# awk '{print FNR,NR,$0}' 20-30.txt 50-60.txt

1 1 20

2 2 21

3 3 22

4 4 23

5 5 24

6 6 25

7 7 26

8 8 27

9 9 28

10 10 29

11 11 30

1 12 50

2 13 51

3 14 52

4 15 53

5 16 54

6 17 55

7 18 56

8 19 57

9 20 58

10 21 59

11 22 60

第2章awk总结：

2.1.找谁干啥模块

 

 

 

 

 

 

 

 

 

2.2awk执行过程-完全

 

 

BEGIN模块输出一些提示性文字。awk内置变量FS,RS,ORS,OFS。

END 模块输出一些提示性文字，显示最后的结果，计算空行，awk数组，去苹果的过程把苹果展示处理。

awk里面的普通变量不用初始化。

awk先处理，一行一行的处理，然后END模块输出。

  1. 域与记录

FS指定各种各样的刀（正则表示），RS正则表达

 

  1. 模式匹配===》条件 如何找人。

正则表达式

^字符串开头

$字符串结尾

$3~/^http$/

--posix或 --re-interval

r{n,m}

匹配精确，模糊

NR==1

NR>=2

模式默认匹配 一行$0

$3~/^r/

awk ‘$3~/[4-6]/{print $0}’ passwd.txt

范围匹配

NR=2,NR=5   ==>2,5p

/start 位置/,/结束位置/

 

  1. 遇到正则表达式/ /
  2. $3~/reg/
  3. > = <
  4. NR==2,NR=5 /start位置/，/结束位置/

 

  1. awk数组

数组 ==>元素

一个筐==》苹果

 

 

 

题目来源：

http://edu.51cto.com/course/course_id-4319.html

 

3. 考试题

考试题1：处理以下文件内容,将域名取出并根据域名进行计数排序处理:(百度和sohu面试题)

oldboy.log

http://www.etiantian.org/index.html

http://www.etiantian.org/1.html

http://post.etiantian.org/index.html

http://mp3.etiantian.org/index.html

http://www.etiantian.org/3.html

http://post.etiantian.org/2.html

答案 （4种）

#这里的

root@linux-node1 files]# awk -F "/" '{array[$3]++}END{for(key in array) print key,array[key]}' awkfile3.txt

[root@linux-node1 files]# awk -F "/+" '{array[$2]++}END{for(key in array)print key,array[key]}'  awkfile3.txt

[root@linux-node1 files]#  cut -d / -f3 awkfile3.txt|sort|uniq -c|sort -nrk2

[root@linux-node1 files]#  sort -t / -rk3 awkfile3.txt|awk -F / '{print $3}'|uniq -c

 

考试题2：统计企业工作中高并发web服务器不同网络连接状态对应的数量

[root@linux-node1 files]# netstat -ant|awk 'NR>=3{array[$6]++}END{for(key in array)print key,array[key]}'              

TIME_WAIT 134

SYN_SENT 1

ESTABLISHED 5

LISTEN 10

 

[root@linux-node1 files]# netstat -ant|awk '{print $6}'|uniq -c|sort -nr

    138 TIME_WAIT

      7 LISTEN

      5 ESTABLISHED

      3 LISTEN

      1 Foreign

      1 established)

考试题3.分析图片服务日志，把日志（每个图片访问次数*图片大小的总和）排行，取top10，也就是计算每个url的总访问大小【附加题：加分题】。

说明：本题生产环境应用：这个功能可以用于IDC网站流量带宽很高，然后通过分析服务器日志哪些元素占用流量过大，进而进行优化或裁剪该图片，压缩js等措施。

本题需要输出三个指标： 【访问次数】    【访问次数*单个文件大小】   【文件名（可以带URL）】

测试数据

59.33.26.105 - - [08/Dec/2010:15:43:56 +0800] "GET /static/images/photos/2.jpg HTTP/1.1" 200 11299 "http://oldboy.blog.51cto.com/static/web/column/17/index.shtml?courseId=43" "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 2.0.50727; .NET CLR 3.0.4506.2152; .NET CLR 3.5.30729)"

59.33.26.105 - - [08/Dec/2010:15:43:56 +0800] "GET /static/images/photos/2.jpg HTTP/1.1" 200 11299 "http://oldboy.blog.51cto.com/static/web/column/17/index.shtml?courseId=43" "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 2.0.50727; .NET CLR 3.0.4506.2152; .NET CLR 3.5.30729)"

59.33.26.105 - - [08/Dec/2010:15:44:02 +0800] "GET /static/flex/vedioLoading.swf HTTP/1.1" 200 3583 "http://oldboy.blog.51cto.com/static/flex/AdobeVideoPlayer.swf?width=590&height=328&url=/[[DYNAMIC]]/2" "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 2.0.50727; .NET CLR 3.0.4506.2152; .NET CLR 3.5.30729)"

124.115.4.18 - - [08/Dec/2010:15:44:15 +0800] "GET /?= HTTP/1.1" 200 46232 "-" "-"

124.115.4.18 - - [08/Dec/2010:15:44:25 +0800] "GET /static/js/web_js.js HTTP/1.1" 200 4460 "-" "-"

124.115.4.18 - - [08/Dec/2010:15:44:25 +0800] "GET /static/js/jquery.lazyload.js HTTP/1.1" 200 1627 "-" "-"

 

答案：

[root@linux-node1 files]# awk 'BEGIN{print"URL:""\t""num:\t""total_size:"}{a[$7]++;b[$7]=$10}END{for(key in a)print key"\t"a[key]"\t"a[key]*b[key]}' images.log  

URL:    num:    total_size:

/?=     1       46232

/static/js/web_js.js    1       4460

/static/images/photos/2.jpg     2       22598

/static/flex/vedioLoading.swf   1       3583

/static/js/jquery.lazyload.js   1       1627

理解透上述问题并搞定后，你将可以轻松搞定如下扩展的考试题：

扩展考试题1：

4.假如现在有个文本，格式如下：

a  1

b  3

c  2

d  7

b  5

a  3 

g  2

f  6

d  9

即左边是随机字母，右边是随机数字，要求写个脚本使其输出格式为：

a  4

b  8

c  2

d  16

f  6

g  2

即将相同的字母后面的数字加在一起，按字母的顺序输出。

答案：

答案

[root@linux-node1 files]# awk '{if(! a[$1]++)b[++n]=$1;c[$1]+=$2}END{for(i=1;i<=n;i++)print b[i],c[b[i]]}' a.txt

a 4

b 8

c 2

d 16

g 2

f 6

扩展考试题2：用shell处理以下内容

1、按单词出现频率降序排序！

2、按字母出现频率降序排序！

the squid project provides a number of resources to assist users design,implement and support squid installations. Please browse the documentation and support sections for more infomation

1.答案

[root@linux-node1 files]# sed -r 's#,| #\n#g' b.txt|awk '{array[$0]++}END{for(key in array) print array[key],key}'|sort -r          

2 the

2 support

2 squid

2 and

1 users

1 to

1 sections

1 resources

1 provides

1 project

1 of

1 number

1 more

1 installations.

1 infomation

1 implement

1 for

1 documentation

1 design

1 browse

1 assist

1 a

1 Please

1

 

 

 

2.答案

[root@linux-node1 files]# sed 's#[a-zA-Z]#& #g' b.txt|awk 'BEGIN{RS=" "}{arr[$1]++}END{for(i in arr) print arr[i],i}'|sort -nr     

25

19 s

17 e

16 o

14 t

12 n

11 r

11 i

9 a

8 u

7 p

7 d

6 m

4 l

4 c

3 f

2 q

2 h

2 b

1 w

1 v

1 j

1 g

1 P

1 .

1 ,i

 

posted @ 2017-11-20 14:21  benjamin杨  阅读(450)  评论(0)  编辑  收藏  举报