使用awk格式化输出文本
注意：本文并不是一篇awk入门文章，而是偏重实例讲解
awk借鉴了c语法，因此awk在许多地方还保留有c语言的痕迹，比如printf语句；for，if的语法结构等
介绍
最简单地说，AWK 是一种用于处理文本的编程语言工具，处理模式是只要在输入数据中有模式匹配，就执行一系列指令。awk命令格式为：
awk {pattern + action} {filenames}
相比于sed常常作用于一整行的处理，awk则比较倾向于将一行分成数个字段来处理。awk将输入数据视为一个文本数据库，像数据库一样，它也有记录和字段的概念。默认情况下，记录的分隔符是回车，字段的分隔符是空白符(空格,\t)，所以输入数据的每一行表示一个记录，而每一行中的内容被空白分隔成多个字段。利用字段和记录，awk可以非常灵活地处理文件
语法
1 语法
一个典型的awk语法如下：
awk '{ BEGIN{stat1} BEGIN{stat2}
pattern1{action1} pattern2{action2} ... patternn{actionn} {默认动作,无条件,始终执行} END{stat1} END{stat2} }'
- /reg/: 在整行范围内匹配reg，匹配到就执行后续动作
- ! /reg/: 整行没匹配到reg，才执行后续动作
- $1 ~ /reg/：只在第一字段匹配reg
- $1 !~ /reg/: 不匹配
- NR>=2： 从第二行开始处理
pattern，部分和随后的if，for部分，能用到的符号有：
2 内建变量
$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\t 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，如果有多个文件话，这个值也是不断累加中。 FNR 当前记录数，与NR不同的是，这个值会是各个文件自己的行号 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
3 if,for语句
#在任何时候{}内都可以跟多个并列动作(使用“;”分隔)，下面的{action1} 和 {action1；action2；...} 都表示{}体内有多个动作，两种表示没有任何区别，写第二种仅仅是为了直观的表示可以有多个动作
#for循环写法
for(i=1;i<=NF;i++){action1; action2; ..} #{}中用分号分隔多个动作 for(i=1;i<=NF;i++)if; else if;else #for后接一个if结构 for(i=1;i<=NF;i++)printf “for add” #简单的循环打印
#if 判断写法
if($1 ~ /reg/){action1}; else if($1 ~ /reg2/){action2}; else{action3} #else if部分可以没有 if($1 ~ /reg/ && $2 ~ /reg2/){action} #多个条件用”&&”,”||”表示 if($1 ~ /reg/ || NR >= 5){action
# if,for 混合写法
{ for(i=1;i<=NF;i++)if(…) printf “test”; else if(…) printf “test2”; else printf “test3”; print "not_for" }
#print “not_for”部分是并列与for循环结构的另一个action，在for循环之外，只会打印一次
{ for(i=1;i<=NF;i++){if(…) printf “test”; else if(…) printf “test2”; else printf “test3”；print “in_for“}; print "not_in_for" }
{ for(i=1;i<=NF;i++){if {s1;s2;} else if {s3;s4;} else {s5;s6;}; print "test"} } #else if前不加分号
{ for(i=1;i<=NF;i++)printf "for_add"; if(…);else if(…); else } #if并不在for循环体内
- 其后紧跟的if; else if; else语句
- 其后紧跟的{}中的多个动作
- 其后紧跟的一个第一个普通动作
if语句的作用范围：
- if后紧跟的第一个动作
- if后紧跟的{}中的多个动作
4 awk技巧
1: AWK使用的RE为ERE
2: 如果在BEGIN中设置了OFS, 只有$0有改动OFS才能生效
3: printf 与 print 的区别: printf 不自动打印换行符, print 则自动打印
4: gsub的返回值并不是替换后的字符串,而是返回替换的次数
5: 字符串常量一定在用" "包围起来,否则当作变量使用, 如 $1=="ipaddress"
6: AWK 的 for 循环为 C-Style,即为 for(), 区别于shell中的for i in ...
7: AWK中可以使用多个分隔符,要封装在方括号里,用' '包围,以防 shell 对它们进行解释,如 awk -F '[ :/t]' ,使用空格,冒号,tab作为分隔符
8: next语句:从输入文件中取得下一个输入行,在AWK命令表顶部重新执行命令,一般用于跳过一些特殊的行
9: awk 匹配多个条件: awk '/kobe/ && /james/' #匹配同时有kobe和james的行
10: FS的默认值是[ /t/n]+, OFS的默认值为空格,RS,ORS的默认值都是换行
11: 定位行有两种方法: 1: NR==行号 2: 用RE /Love$/
12: exit语句:终止AWK程序,但不跳过END语句
13：$1..$n表示第几列(字段),$0表示整个行.
14：awk可用比较运算符：!=, >, <, >=, <=
15: 字符串匹配：~: 匹配 !~: 不匹配
16： &&：多个条件且, || 多个条件或
17: {s1;s2;s3;...}中多个语句用分号隔开;if; else if; else
18: print 后不带任何参数时，相当于print $0 ，将会打印整行记录
awk字符函数
| 函数 | 说明 |
| gsub( Ere, Repl, [ In ] ) | 除了正则表达式所有具体值被替代这点，它和 sub 函数完全一样地执行，。 |
| sub( Ere, Repl, [ In ] ) | 用 Repl 参数指定的字符串替换 In 参数指定的字符串中的由 Ere 参数指定的扩展正则表达式的第一个具体值。sub 函数返回替换的数量。出现在 Repl 参数指定的字符串中的 &（和符号）由 In 参数指定的与 Ere 参数的指定的扩展正则表达式匹配的字符串替换。如果未指定 In 参数，缺省值是整个记录（$0 记录变量）。 |
| index( String1, String2 ) | 在由 String1 参数指定的字符串（其中有出现 String2 指定的参数）中，返回位置，从 1 开始编号。如果 String2 参数不在 String1 参数中出现，则返回 0（零）。 |
| length [(String)] | 返回 String 参数指定的字符串的长度（字符形式）。如果未给出 String 参数，则返回整个记录的长度（$0 记录变量）。 |
| blength [(String)] | 返回 String 参数指定的字符串的长度（以字节为单位）。如果未给出 String 参数，则返回整个记录的长度（$0 记录变量）。 |
| substr( String, M, [ N ] ) | 返回具有 N 参数指定的字符数量子串。子串从 String 参数指定的字符串取得，其字符以 M 参数指定的位置开始。M 参数指定为将 String 参数中的第一个字符作为编号 1。如果未指定 N 参数，则子串的长度将是 M 参数指定的位置到 String 参数的末尾 的长度。 |
| match( String, Ere ) | 在 String 参数指定的字符串（Ere 参数指定的扩展正则表达式出现在其中）中返回位置（字符形式），从 1 开始编号，或如果 Ere 参数不出现，则返回 0（零）。RSTART 特殊变量设置为返回值。RLENGTH 特殊变量设置为匹配的字符串的长度，或如果未找到任何匹配，则设置为 -1（负一）。 |
| split( String, A, [Ere] ) | 将 String 参数指定的参数分割为数组元素 A[1], A[2], . . ., A[n]，并返回 n 变量的值。此分隔可以通过 Ere 参数指定的扩展正则表达式进行，或用当前字段分隔符（FS 特殊变量）来进行（如果没有给出 Ere 参数）。除非上下文指明特定的元素还应具有一个数字值，否则 A 数组中的元素用字符串值来创建。 |
| tolower( String ) | 返回 String 参数指定的字符串，字符串中每个大写字符将更改为小写。大写和小写的映射由当前语言环境的 LC_CTYPE 范畴定义。 |
| toupper( String ) | 返回 String 参数指定的字符串，字符串中每个小写字符将更改为大写。大写和小写的映射由当前语言环境的 LC_CTYPE 范畴定义。 |
| sprintf(Format, Expr, Expr, . . . ) | 根据 Format 参数指定的 printf 子例程格式字符串来格式化 Expr 参数指定的表达式并返回最后生成的字符串。 |
以上函数转自：linux awk 内置函数详细介绍（实例）
awk 实例
1.awk作用域
awk '/AL/ {printf $1; print $2}' emp.txt awk '/AL/{print $1} {print $2}' emp.txt
1.第一种只处理匹配到AL的行; 然后打印这些行的第一字段和第二字段
2.第二种只有在匹配到AL的行才打印字段一，但是字段二是无条件的，始终打印
2.awk内置函数用法
如下文本test.log，需要把文本中单位是"M"的字段转换为"G"
16G 16G 1.9G 40G none 4G 4G 952M 60G 16G 16G 1.6G 40G none 5G 780M 5G 80G
若我们单纯地想替换字符串，则可以使用一下命令,注意：print没带默认参数时，默认打印整行记录
cat 1.txt | awk '{
sub(/M/,"G",$i)
}'
完整替换如下，替换的同时进行数值计算
cat 1.log | \ awk '{ for(i=1;i<=NF;i++){ if($i ~ /M/) printf int(substr($i,1,match($i,/M/)-1)/1024*100)/100"G\t" else printf $i"\t" } print "" }'
1.使用for遍历每一行的每一个字段，使用if处理匹配到"M"的字段，然后调用awk内置函数int, substr, match处理, 关于awk内置函数，可以参考linux awk 内置函数详细介绍（实例）
2.先乘100，再除以100，是为了转换为"G"单位后保留两位小数
3.注意 printf,print 两个函数的区别
3.awk条件语句
如第二个例子中的文本，现在需要分别统计每行中带有"G", "M", "none" 字段的个数，并输出
cat test.log | \ awk ' BEGIN{OFS="\t"} { a=b=c=0 for(i=1;i<=NF;i++){ if($i ~ /G/) a+=1 else if($i ~ /M/) b+=1 else c+=1 } print $0,"G:"a,"M:"b,"none:"c } END{print "end!"} '
结果如下：
16G 16G 1.9G 40G G:4 M:0 none:0 4G 4G 952M 60G G:3 M:1 none:0 16G 16G 1.6G 40G G:4 M:0 none:0 5G 780M 5G 80G G:3 M:1 none:0 end!
4.awk中break用法
给出一个如下文本test2.log，在每一行中，只输出字母及其之前的字符
1 2 a 5 6 11 b 55 66 21 22 23 c 25 26
写法如下：
cat test2.log | \ awk '{ for(i=1;i<=NF;i++){ if($i ~ /[a-z]/) { printf $i"\t" break } else printf $i"\t" } print "" }'
1.break 用法跟c语言用法一样，跳出for循环
5.awk中数组
如下文本test3.log，给定一个id值，输出其在所有id中是第几个
test1
id=615187629 test2
test3
id=615183434 test4
id=615123789 test5
id=615975882
给定id值615123789，其在所有id中是第三个，计算如下：
cat test3.log | \ awk -v var1=615123789 -F [=] ' /id/ { b+=1 a[b]=$2 } END { for(i in a) if(a[i] == var1) print "number:",i } '
6.awk中的整数计算
如下文本，这是一个kvm虚拟机进程(省略了部分文本)，我们要获取其映射到宿主机上的vnc端口号，即由"-vnc 0.0.0.0:1"字符串计算出其vnc端口号为5901(5900 + 1)，若是"-vnc 0.0.0.0:2",则端口号为5902
cat kvm.txt
qemu 144148 4.7 4.2 ... /usr/local/qemu/bin/qemu-kvm -name lnmptest-107 ... -device isa-serial,chardev=charserial0,id=serial0 -vnc 0.0.0.0:1 -vga cirrus timestamp=on
实现有多种，sed,shell,awk都可以
#awk
cat kvm.txt | awk '{ for(i=1;i<=NF;i++){if($i == "-vnc"){sub(/0.0.0.0:/,"",$(i+1));print $(i+1)+5900}} }'
#shell
cat kvm.txt | egrep -o "\-vnc [^ ]*" | awk -F: '{print $2+5900}'
#sed
cat kvm.txt | sed "s/^.* -vnc [0-9.]*:\([0-9]*\).*/\1+5900/g" | bc
