文本处理之awk

基本语法

awk通过FS作为每一段文本的分割符（默认空格），在命令行上可以用-F参数指定分隔符；

通过RS参数指定文本换行符（默认回车，所以是一行行取数据的），通过换行符作为分割来读取文件。这里区别于sed，sed是一行一行读取文件的

常用内置变量：

$0 当前所有字段

$1--$n 按照分隔符分割取到的第n列内容

FS 分隔符（默认空格） awk 'BEGIN{FS=":"}{print $1}' /etc/passwd ；等价于awk -F: '{print $1}' /etc/passwd

RS 换行符（默认回车） awk 'BEGIN{RS=":"}{print $1}' /etc/passwd

NF 字符列数，当前处理行的分割后的列数 awk -F: '{print NF}' /etc/passwd

NR 行号 awk -F: '{print NR ":" $1}' /etc/passwd

OFS （默认空格）输出字段分隔符

ORS （默认回车）输出记录分隔符

自定义外部变量

-v：自定义变量

awk -v host=$HOSTNAME "BEGIN{print host}"

关系操作符

<、>、<=、>=、==、!=、_、!

~：用来判断前面的列是否匹配后面的内容。例如awk -F: '$7 ~ /^\/bin/{print $0}' /etc/passwd（判断第7列是否以/bin开头，如果是打印该列）

!~：不匹配

输出

print与printf

print：直接输出

$  awk -F: '{print $1 ":" $2}' /etc/passwd

printf：格式化输出

$  awk  -F: '{printf "hello %s, your path is %s\n",$1,$NF}' /etc/passwd
hello root, your path is /bin/bash
hello bin, your path is /sbin/nologin
hello daemon, your path is /sbin/nologin
hello adm, your path is /sbin/nologin
hello lp, your path is /sbin/nologin
....

注意：printf需要手动增加\n来换行。使用%s来格式化，printf外加入要替换的变量

awk的流程控制

if语句 if(expression){action1}else{action2}

产生10个数seq 10，通过if语句判断是单数还是双数

$  seq 10 |awk '{if($0%2==0){print $0"是双数"}else{print $0"是单数"}}'
1是单数
2是双数
3是单数
4是双数
5是单数
6是双数
7是单数
8是双数
9是单数
10是双数

如果只需要一个if分支，可以省略前面的if

$  awk -F: '$3<10{printf"用户名 -> %s %s uid --> %s\n", $1,"-->",$3}' /etc/passwd
用户名 -> root --> uid --> 0
用户名 -> bin --> uid --> 1
用户名 -> daemon --> uid --> 2
用户名 -> adm --> uid --> 3
用户名 -> lp --> uid --> 4
用户名 -> sync --> uid --> 5
用户名 -> shutdown --> uid --> 6
用户名 -> halt --> uid --> 7
用户名 -> mail --> uid --> 8

$  awk -F: '{if($3<10)printf"用户名 -> %s %s uid --> %s\n", $1,"-->",$3}' /etc/passwd
用户名 -> root --> uid --> 0
用户名 -> bin --> uid --> 1
用户名 -> daemon --> uid --> 2
用户名 -> adm --> uid --> 3
用户名 -> lp --> uid --> 4
用户名 -> sync --> uid --> 5
用户名 -> shutdown --> uid --> 6
用户名 -> halt --> uid --> 7
用户名 -> mail --> uid --> 8

循环

while

while(expression){action}

例子：使用:分割/etc/passwd，并将每一列前加上列号

$  awk -F: '{i=1;while(i<=NF){print i":"$i;i++}}' /etc/passwd
1:root
2:x
3:0
4:0
5:root
6:/root
7:/bin/bash
....

设置变量i初始值为1, while循环每次循环自增1, 设定条件i的值永远小于字段数, awk首先会读一行, 然后会以:为分隔符读取每一列数据, NF表示字段的总数, 最后打印i和$i (i表示循环每一列的列好, $i表示每一列的值)

for

for(i=0;i<=10;i++){action}

分割/etc/passwd，并将每一列前加上列号

$  awk -F: '{for(i=1;i<=NF;i++){print i":"$i}}' /etc/passwd
1:root
2:x
3:0
4:0
5:root
6:/root
7:/bin/bash

for(value in array)

当value在array的key中，进行下面的操作。awk的数组类似python中的字典。

统计/etc/passwd第7列的值及对应的个数

$  awk -F: '{a[$7]++}END{for(i in a)if(i!=""){print i":"a[i]}}' /etc/passwd
/bin/sync:1
/bin/bash:2
/sbin/nologin:16
/sbin/halt:1
/sbin/shutdown:1

创建数组a，以第7列作为下标，使用运算符++作为数组元素，元素初始值为0。处理/etc/passwd第一行时，下标是某个路径(/bin/bash)，元素加1，处理第二行时，下标又是一个路径(/sbin/nologin)，元素加1，如果这个路径已经存在在数组a中，则a[/sbin/nologin]的数组元素加1，也就是这个路径出现了两次，元素结果是2，以此类推。因此可以实现去重，统计出现次数。

核心语句放在END因为需要将数据收集完后才取统计这些数据

数组

array[1]="hello"

array["name"]="Jack"

数组类似python的字典，array[key值]="value值"；key为索引，可以是数字也可以是字符串。

数组元素的删除：delete array["key"]

例子：定义了数组a的三个值，并打印结果查看

$  awk 'BEGIN{a[1]="hello";a[2]="word";a["name"]="meitian";for(i in a){print "key为"i":value为"a[i]}}'
key为name:value为meitian
key为1:value为hello
key为2:value为word

函数

split

把一个字符串分隔为单词并存储在数组中

格式:

split (string, array, field separator)
split (string, array) -->如果第三个参数没有提供，awk就默认使用当前FS值。

$  time=`date |awk '{print $5}'`
$  echo $time
20:40:15
$  echo $time|awk '{split($0,a,":");print a[1],a[2],a[3]}'
20 40 15

substr

截取字符串

返回从起始位置起，指定长度之子字符串；若未指定长度，则返回从起始位置到字符串末尾的子字符串。
格式：
substr(s,p)返回字符串s中从p开始的后缀部分
substr(s,p,n)返回字符串s中从p开始长度为n的后缀部分

$  echo "hhp love a man" |awk '{print substr($2,1,4)}'
love
$  echo "hhp love a man" |awk '{print substr($0,1,2)}'
hh
$  echo "hhp love a man" |awk '{print substr($0,1,3)}'
hhp

length

字符串长度

length函数返回没有参数的字符串的长度。length函数返回整个记录中的字符数

$  echo "hhp love a man" |awk '{print length}'
14

gsub

gsub函数则使得在所有正则表达式被匹配的时候都发生替换。

gsub(regular expression,subsitution string,target string);简称gsub (r,s,t)

把一个文件里面所有包含abc的行里面的abc替换成def，然后输出第一列和第三列

$  echo "hhp love a man" |awk '$0 ~/hhp/{gsub("hhp","hhpsb");print $0}'
hhpsb love a man

在awk中，如果调用next，那么next之后的命令就都在执行了，此行文本的处理到此结束，那么读取下一条记录并操作

$  cat test.txt 
Tom　　  2012-12-11      car     53000
John　　 2013-01-13      bike    41000
vivi    2013-01-18      car     42800
Tom　　  2013-01-20      car     32500
John　　 2013-01-28      bike    63500
$  awk '{if(NR==1){next}print $0}' test.txt 
John　　 2013-01-13      bike    41000
vivi    2013-01-18      car     42800
Tom　　  2013-01-20      car     32500
John　　 2013-01-28      bike    63500

基本的实例

素材准备

$ cat netstat.txt 
Proto Recv-Q Send-Q  Local-Address Foreign-Address  State
tcp        0      0  0.0.0.0:3306      0.0.0.0:*    LISTEN
tcp        0      0  0.0.0.0:80        0.0.0.0:*    LISTEN
tcp        0      0  127.0.0.1:9000    0.0.0.0:*     LISTEN
tcp        0      0  coolshell.cn:80 124.205.5.146:18245 TIME_WAIT
tcp        0      0  coolshell.cn:80  61.140.101.185:37538 FIN_WAIT2
tcp        0      0  coolshell.cn:80 11.194.134.189:1032 ESTABLISHED
tcp        0      0 coolshell.cn:80 123.169.124.11:49809 ESTABLISHED
tcp        0      0 coolshell.cn:80   116.234.127.77:11502 FIN_WAIT2
tcp        0      0 coolshell.cn:80 12.16.124.111:49829  ESTABLISHED
tcp        0      0 coolshell.cn:80   183.60.215.36:36970  TIME_WAIT
tcp        0   4166 coolshell.cn:80   61.148.24.38:30901 ESTABLISHED
tcp        0      1 coolshell.cn:80 12.152.181.209:26825   FIN_WAIT1
tcp        0      0 coolshell.cn:80   110.194.134.189:47 ESTABLISHED

输出第1列和第4例

$ awk {'print $1,$3'} netstat.txt

其中单引号中的被大括号括着的就是awk的语句，注意，其只能被单引号包含
其中的$1..$n表示第几例。注：$0表示整个行

补充

如果换成双引号, awk语法就不起作用了

输入$1-$9,都会显示文件中的所有内容

$ awk {"print $1"} netstat.txt 
Proto Recv-Q Send-Q  Local-Address Foreign-Address  State
tcp        0      0  0.0.0.0:3306      0.0.0.0:*    LISTEN
tcp        0      0  0.0.0.0:80        0.0.0.0:*    LISTEN
tcp        0      0  127.0.0.1:9000    0.0.0.0:*     LISTEN
tcp        0      0  coolshell.cn:80 124.205.5.146:18245 TIME_WAIT
tcp        0      0  coolshell.cn:80  61.140.101.185:37538 FIN_WAIT2
tcp        0      0  coolshell.cn:80 11.194.134.189:1032 ESTABLISHED
tcp        0      0 coolshell.cn:80 123.169.124.11:49809 ESTABLISHED
tcp        0      0 coolshell.cn:80   116.234.127.77:11502 FIN_WAIT2
tcp        0      0 coolshell.cn:80 12.16.124.111:49829  ESTABLISHED
tcp        0      0 coolshell.cn:80   183.60.215.36:36970  TIME_WAIT
tcp        0   4166 coolshell.cn:80   61.148.24.38:30901 ESTABLISHED
tcp        0      1 coolshell.cn:80 12.152.181.209:26825   FIN_WAIT1
tcp        0      0 coolshell.cn:80   110.194.134.189:47 ESTABLISHED

输入$0就会输出0, 文件中有多少行就输出多少行0
```
awk {"print $0"} netstat.txt 
0
0
0
0
0
0
0
0
0
0
0
0
0
0
```
输入$10以后的数字就会输出的值和echo $10是一样的, 文件中有多少行就输出多少行0
```
$ awk {"print $10"} netstat.txt 
0
0
0
0
0
0
0
0
0
0
0
0
0
0
$ echo $10
0
```
- echo $10规律
  
  会首先输出echo $1, 然后在输出后面的数字
- echo $01规律:
  
  会首先输出echo $0, 然后在输出后面的数字
```
$ echo $10
0
$ echo $11
1
$ echo $19
9
$ echo $190
90
$ echo $01
-bash1
$ echo $1

$ echo $01ssdsd
-bash1ssdsd
```

显示第一列和最后一列

$  awk  '{print $1,"-->",$NF}' netstat.txt

这里$NF来表示最后一列

过滤记录

过滤第三列的值为0 && 第6列的值为LISTEN

$ awk '{print $3==0,$6}' netstat.txt

其中的==为比较运算符。其他比较运算符：!=, <, < >=

过滤第三列的值为0, 并且打印对应的第6列的信息

$ awk '{print $3==0,$6}' netstat.txt

打印第三列的值大于0的第一列和第5列的信息

$ awk '$3>0{print $1,$5}' netstat.txt

打印uid>10的用户名和uid

$  awk -F: '$3<10{printf"用户名 -> %s %s uid --> %s\n", $1,"-->",$3}' /etc/passwd
用户名 -> root --> uid --> 0
用户名 -> bin --> uid --> 1
用户名 -> daemon --> uid --> 2
用户名 -> adm --> uid --> 3
用户名 -> lp --> uid --> 4
用户名 -> sync --> uid --> 5
用户名 -> shutdown --> uid --> 6
用户名 -> halt --> uid --> 7
用户名 -> mail --> uid --> 8

$  awk -F: '{if($3<10)printf"用户名 -> %s %s uid --> %s\n", $1,"-->",$3}' /etc/passwd
用户名 -> root --> uid --> 0
用户名 -> bin --> uid --> 1
用户名 -> daemon --> uid --> 2
用户名 -> adm --> uid --> 3
用户名 -> lp --> uid --> 4
用户名 -> sync --> uid --> 5
用户名 -> shutdown --> uid --> 6
用户名 -> halt --> uid --> 7
用户名 -> mail --> uid --> 8

指定分隔符

$ awk -F: '{print $1,$6,$7}' /etc/passwd  # 输出用户名,家目录,解释器

-F的意思就是指定分隔符

注：如果你要指定多个分隔符，你可以这样来：
awk -F '[;:]'

以\t作为分隔符输出

$ awk -F: '{print $1, $6, $7}' OFS='\t' /etc/passwd   # 输出用户名,家目录,解释器, 三列数据之间使用\t相隔

OFS表示的是分隔符

内建变量

awk '{print NR, "->", $1, $6, $7, "字段数","=>",NF}' OFS='\t' netstat.txt

NR(Number of Record) 表示的是已经处理过的总记录数目，或者说行号(不一定是一个文件，可能是多个)

NF(Number for Field)表示的是，一条记录的字段的数目.

字符串匹配

~ 表示模式开始 | / /是模糊搜索的模式 | !~ 表示模式取反

匹配第6列带有FIN的记录

$  awk '$6~/FIN/{print NR,$4,$5,$6}' netstat.txt

匹配第6列带有FIN和TIME的记录

$  awk '$6~/FIN|TIME/ {print NR,$4,$5,$6}' netstat.txt 
5 coolshell.cn:80 124.205.5.146:18245 TIME_WAIT
6 coolshell.cn:80 61.140.101.185:37538 FIN_WAIT2
9 coolshell.cn:80 116.234.127.77:11502 FIN_WAIT2
11 coolshell.cn:80 183.60.215.36:36970 TIME_WAIT
13 coolshell.cn:80 12.152.181.209:26825 FIN_WAIT1

匹配第6行不带FIN的记录

$  awk '$6~/FIN/ {print NR,$4,$5,$6}' netstat.txt

匹配最后一列是/sbin/nologin的数据

$  awk '$NF~/\/bin\/bash/' /etc/passwd 
root:x:0:0:root:/root:/bin/bash
java:x:1000:1000:java:/home/java:/bin/bash

像grep一样的去匹配

$  grep 'LISTEN' netstat.txt 
tcp        0      0  0.0.0.0:3306      0.0.0.0:*    LISTEN
tcp        0      0  0.0.0.0:80        0.0.0.0:*    LISTEN
tcp        0      0  127.0.0.1:9000    0.0.0.0:*     LISTEN
$  awk '/LISTEN/' netstat.txt 
tcp        0      0  0.0.0.0:3306      0.0.0.0:*    LISTEN
tcp        0      0  0.0.0.0:80        0.0.0.0:*    LISTEN
tcp        0      0  127.0.0.1:9000    0.0.0.0:*     LISTEN

$  awk '/LIST/ {print NR,$0}' netstat.txt 
2 tcp        0      0  0.0.0.0:3306      0.0.0.0:*    LISTEN
3 tcp        0      0  0.0.0.0:80        0.0.0.0:*    LISTEN
4 tcp        0      0  127.0.0.1:9000    0.0.0.0:*     LISTEN
$  grep -n 'LIST' netstat.txt 
2:tcp        0      0  0.0.0.0:3306      0.0.0.0:*    LISTEN
3:tcp        0      0  0.0.0.0:80        0.0.0.0:*    LISTEN
4:tcp        0      0  127.0.0.1:9000    0.0.0.0:*     LISTEN

拆分文件

将awk输出的内容重定向到一个文件

$  awk 'NR!=1{print $6}' netstat.txt > col6.txt
$  cat col6.txt

统计

统计`/etc/passwd`第7列的值及对应的个数

$  awk -F: '{a[$7]++}END{for(i in a)if(i!=""){print i":"a[i]}}' /etc/passwd
/bin/sync:1
/bin/bash:2
/sbin/nologin:16
/sbin/halt:1
/sbin/shutdown:1

核心语句放在END因为需要将数据收集完后才取统计这些数据

统计各个connection

$  awk 'NR!=1{a[$6]++;} END {for (i in a) print i ", " a[i];}' netstat.txt
LISTEN, 3
ESTABLISHED, 5
FIN_WAIT1, 1
FIN_WAIT2, 2
TIME_WAIT, 2

统计每个用户的进程的占了多少内存

$  ps aux | awk 'NR!=1{a[$1]+=$6;} END { for(i in a) print i ", " a[i]"KB";}'
chrony, 2084KB
dbus, 2596KB
polkitd, 13968KB
postfix, 8156KB
root, 127468KB

创建数组a，以第1列作为下标，使用运算符+=$6作为数组元素，元素初始值为0。处理ps aux第一行时，下标是某个用户, 值是这个用户所在行的第六列, 元素的值加上第六列的值, 这样以此类推, 可以将每个用户所起的进程的总内存进行统计

核心语句放在END因为需要将数据收集完后才取统计这些数据

ps aux每一列参数解释

[root@git ~]# ps aux
USER        PID %CPU %MEM    VSZ   RSS TTY      STAT START   TIME COMMAND
root          1  0.1  0.6 127968  6552 ?        Ss   09:23   0:01 /usr/lib/systemd/systemd --switched-root --system --deseri
root          2  0.0  0.0      0     0 ?        S    09:23   0:00 [kthreadd]
root          3  0.0  0.0      0     0 ?        S    09:23   0:00 [ksoftirqd/0]
root          5  0.0  0.0      0     0 ?        S<   09:23   0:00 [kworker/0:0H]
root          6  0.0  0.0      0     0 ?        S    09:23   0:00 [kworker/u256:0]
root          7  0.0  0.0      0     0 ?        S    09:23   0:00 [migration/0]
root          8  0.0  0.0      0     0 ?        S    09:23   0:00 [rcu_bh]
root          9  0.0  0.0      0     0 ?        R    09:23   0:00 [rcu_sched]
root         10  0.0  0.0      0     0 ?        S<   09:23   0:00 [lru-add-drain]
...

USER: 运行进程的用户

PID 进程的ID号

%CPU 进程占用CPU的百分比

%MEM 进程占用内存的百分比

VSZ 进程占用虚拟内存的百分比

RSS 占用固定内存的百分比

TTY 进程在哪个终端运行, 如果和终端无关, 会显示?; 如果显示pts/0, 则表示通过网络连接主机并运行进程

STAT 进程的运行状态, linux下一共有5种状态

D 不可中断 uninterruptible sleep (usually IO)
R 运行 runnable (on run queue)
S 中断 sleeping
T 停止 traced or stopped
Z 僵尸 a defunct (”zombie”) process

START 进程的开始时间

TIME 进程的执行时间

COMMAND 进程的执行路径

函数实例

素材准备

Tom　　  2012-12-11      car     53000
John　　 2013-01-13      bike    41000
vivi    2013-01-18      car     42800
Tom　　  2013-01-20      car     32500
John　　 2013-01-28      bike    63500

split

输出一月份每个员工的工资：

$  awk '{split($2,a,"-");if(a[2]=01){sum[$1]+=$4}}END{for(i in sum) print sum[i],i}' test.txt 
42800 vivi
85500 Tom　　
104500 John

gsub

将/sbin/nologin替换成/bin/bash

$  cp /etc/passwd passwd

$  awk -F: '$NF~/\/sbin\/nologin/{print $1,"-->",$NF}' passwd
bin --> /sbin/nologin
daemon --> /sbin/nologin
adm --> /sbin/nologin
lp --> /sbin/nologin
mail --> /sbin/nologin
operator --> /sbin/nologin
games --> /sbin/nologin
ftp --> /sbin/nologin
nobody --> /sbin/nologin
systemd-network --> /sbin/nologin
dbus --> /sbin/nologin
polkitd --> /sbin/nologin
tss --> /sbin/nologin
sshd --> /sbin/nologin
postfix --> /sbin/nologin
chrony --> /sbin/nologin

$  awk -F: '{gsub("/sbin/nologin","/bin/bash")}$NF~/\/bin\/bash/{print $1,"-->",$NF}' passwd 
root --> /bin/bash
bin --> /bin/bash
daemon --> /bin/bash
adm --> /bin/bash
lp --> /bin/bash
mail --> /bin/bash
operator --> /bin/bash
games --> /bin/bash
ftp --> /bin/bash
nobody --> /bin/bash
systemd-network --> /bin/bash
dbus --> /bin/bash
polkitd --> /bin/bash
tss --> /bin/bash
sshd --> /bin/bash
postfix --> /bin/bash
chrony --> /bin/bash
java --> /bin/bash

核心代码段是 {gsub("/sbin/nologin","/bin/bash")}, 将passwd文件中每一行中的 /sbin/nologin替换成 /bin/bash

$NF~/\/bin\/bash/{print $1,"-->",$NF} 这段代码就是将处理好的文件进行过滤, 将文件中/bin/bash的字符串匹配出来, 并输出第一列和最后一列

substr

$  echo "hhp love a man" |awk '{print substr($2,1,4)}'
love
$  echo "hhp love a man" |awk '{print substr($0,1,2)}'
hh
$  echo "hhp love a man" |awk '{print substr($0,1,3)}'
hhp

length

$  echo "hhp love a man" |awk '{print length}'
14

$  cat test.txt 
Tom　　  2012-12-11      car     53000
John　　 2013-01-13      bike    41000
vivi    2013-01-18      car     42800
Tom　　  2013-01-20      car     32500
John　　 2013-01-28      bike    63500
$  awk '{if(NR==1){next}print $0}' test.txt 
John　　 2013-01-13      bike    41000
vivi    2013-01-18      car     42800
Tom　　  2013-01-20      car     32500
John　　 2013-01-28      bike    63500

posted @ 2019-09-29 17:00 cjw1219 阅读(223) 评论(0) 编辑收藏举报

刷新页面返回顶部

cjw1219

罗马不是一天建成的

文本处理之awk

基本语法

常用内置变量：

自定义外部变量

关系操作符

输出

awk的流程控制

循环

while

for

数组

函数

split

substr

length

gsub

next

基本的实例

素材准备

输出第1列和第4例

补充

显示第一列和最后一列

过滤记录

指定分隔符

内建变量

字符串匹配

拆分文件

统计

统计/etc/passwd第7列的值及对应的个数

统计各个connection

统计每个用户的进程的占了多少内存

函数实例

素材准备

split

gsub

substr

length

next

公告

统计`/etc/passwd`第7列的值及对应的个数