shell编程之awk命令详解

shell编程之awk命令详解

shell编程之awk命令详解

linux

本篇博客主要介绍linux常用命令中的对文本和数据进行处理的命令awk的用法。

awk命令

awk是一种编程语言，用于在linux/unix下对文本和数据进行处理。数据可以来自标准输入(stdin)、一个或多个文件，或其它命令的输出。它支持用户自定义函数和动态正则表达式等先进功能，是linux/unix下的一个强大编程工具。它在命令行中使用，但更多是作为脚本来使用。awk有很多内建的功能，比如数组、函数等，这是它和C语言的相同之处，灵活性是awk最大的优势。

awk命令格式和选项

语法格式

  1. awk [options] 'script' var=value file(s) 
  2. awk [options] -f scriptfile var=value file(s) 

常用命令选项

  • -F fs fs 指定输入分隔符，fs可以时字符串或正则表达式

  • -v var=value 赋值一个用户定义变量，将外部变量传递给awk

  • -f scriptfile 从脚本文件中读取awk命令

awk脚本

awk脚本是由模式和操作组成的。

模式与操作

模式

模式可以是以下任意一种：

  • 正则表达式：使用通配符的扩展集

  • 关系表达式：使用运算符进行操作，可以是字符串或数字的比较测试

  • 模式匹配表达式：用运算符～（匹配）和~!不匹配

  • BEGIN 语句块， pattern语句块， END语句块

操作

操作由一个或多个命令、函数、表达式组成，之间由换行符或分号隔开，并位于大刮号内，主要部分是：变量或数组赋值、输出命令、内置函数、控制流语句。

awk脚本基本格式

  1. awk 'BEGIN{ commands } pattern{ commands } END{ commands }' file 

一个awk脚本通常由BEGIN， 通用语句块，END语句块组成，三部分都是可选的。 脚本通常是被单引号或双引号包住。

  1. awk 'BEGIN{ i=0 } { i++ } END{ print i }' filename  
  2. awk "BEGIN{ i=0 } { i++ } END{ print i }" filename 

awk执行过程分析

  • 第一步： 执行BEGIN { commands } pattern 语句块中的语句

    BEGIN语句块：在awk开始从输入输出流中读取行之前执行，在BEGIN语句块中执行如变量初始化，打印输出表头等操作。

  • 第二步：从文件或标准输入中读取一行，然后执行pattern{ commands }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，直到全部文件都被读取完毕。

    pattern语句块：pattern语句块中的通用命令是最重要的部分，它也是可选的。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。{ }类似一个循环体，会对文件中的每一行进行迭代，通常将变量初始化语句放在BEGIN语句块中，将打印结果等语句放在END语句块中。

  • 第三步：当读至输入流末尾时，执行END { command }语句块

    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。

AWK内置变量

  • $n : 当前记录的第n个字段，比如n为1表示第一个字段，n为2表示第二个字段。

  • $0 : 这个变量包含执行过程中当前行的文本内容。

  • ARGC : 命令行参数的数目。

  • ARGIND : 命令行中当前文件的位置（从0开始算）。

  • ARGV : 包含命令行参数的数组。

  • CONVFMT : 数字转换格式（默认值为%.6g）。

  • ENVIRON : 环境变量关联数组。

  • ERRNO : 最后一个系统错误的描述。

  • FIELDWIDTHS : 字段宽度列表（用空格键分隔）。

  • FILENAME : 当前输入文件的名。

  • NR : 表示记录数，在执行过程中对应于当前的行号

  • FNR : 同NR :，但相对于当前文件。

  • FS : 字段分隔符（默认是任何空格）。

  • IGNORECASE : 如果为真，则进行忽略大小写的匹配。

  • NF : 表示字段数，在执行过程中对应于当前的字段数。 print $NF答应一行中最后一个字段

  • OFMT : 数字的输出格式（默认值是%.6g）。

  • OFS : 输出字段分隔符（默认值是一个空格）。

  • ORS : 输出记录分隔符（默认值是一个换行符）。

  • RS : 记录分隔符（默认是一个换行符）。

  • RSTART : 由match函数所匹配的字符串的第一个位置。

  • RLENGTH : 由match函数所匹配的字符串的长度。

  • SUBSEP : 数组下标分隔符（默认值是34）。

将外部变量值传递给awk

  • 借助 -v 选项，可以将来自外部值（非stdin）传递给awk

    VAR=10000
    echo | awk -v VARIABLE=$VAR '{ print VARIABLE }'

  • 定义内部变量接收外部变量

    var1="aaa"
    var2="bbb"
    echo | awk '{ print v1,v2 }' v1=$var1 v2=$var2

  • 当输入来自文件时

    awk '{ print v1,v2 }' v1=$var1 v2=$var2 filename

awk运算

  • 算术运算：（+，-，*，/，&，！，……，++，--）

    所有用作算术运算符进行操作时，操作数自动转为数值，所有非数值都变为0

  • 赋值运算：（=， +=， -=，*=，/=，%=，……=，**=）

  • 逻辑运算符: (||, &&)

  • 关系运算符：（<, <=, >,>=,!=, ==）

  • 正则运算符：（～，～!）(匹配正则表达式，与不匹配正则表达式)

    awk 'BEGIN{a="100testa";if(a ~ /^100*/){print "ok";}}'
    ok

awk高级输入输出

读取下一条记录：next 语句

awk中next语句使用：在循环逐行匹配，如果遇到next，就会跳过当前行，直接忽略下面语句。而进行下一行匹配。net语句一般用于多行合并：

awk 'NR%2==1{next}{print NR,$0;}' text.txt
说明： 当记录行号除以2余1，就跳过当前行。下面的print NR,$0也不会执行。下一行开始，程序有开始判断NR%2值。这个时候记录行号是：2 ，就会执行下面语句块：print NR,$0

读取一行记录：getline 语句

awk getline用法：输出重定向需用到getline函数。getline从标准输入、管道或者当前正在处理的文件之外的其他输入文件获得输入。它负责从输入获得下一行的内容，并给NF,NR和FNR等内建变量赋值。如果得到一条记录，getline函数返回1，如果到达文件的末尾就返回0，如果出现错误，例如打开文件失败，就返回-1。
语法格式：getline var 变量var包含了特定行的内容
用法说明：

  • 当其左右无重定向符时|，<时：getline作用于当前文件，读入当前文件的第一行给其后跟的变量var或$0（无变量），应该注意到，由于awk在处理getline之前已经读入了一行，所以getline得到的返回结果是隔行的。

  • 当其左右有重定向符时|，<时：getline则作用于定向输入文件，由于该文件是刚打开，并没有被awk读入一行，只是getline读入，那么getline返回的是该文件的第一行，而不是隔行。

文件操作

  • 打开文件 open("filename")

  • 关闭文件 close("filename")

  • 输出到文件 重定向到文件，如echo | awk '{printf("hello word!n") > "datafile"}'

循环结构

for循环

  1. for(变量 in 数组)  
  2. {语句} 
  3.  
  4. for(变量;条件;表达式) 
  5. {语句} 

while循环

  1. while(表达式) 
  2.     {语句} 

do...while循环

  1. do  
  2. {语句} while(条件) 

其他相关语句

  • break：退出程序循环

  • continue: 进入下一次循环

  • next：读取下一个输入行

  • exit：退出主输入循环，进入END，若没有END或END中有exit语句，则退出脚本。

数组

在awk中数组叫做关联数组(associative arrays)。awk 中的数组不必提前声明，也不必声明大小。数组元素用0或空字符串来初始化，这根据上下文而定。

  1. awk 'BEGIN{ 
  2.         Array[1]="sun"  
  3.         Array[2]="kai" 
  4.         Array["first"]="www"  
  5.         Array["last"]="name"  
  6.         Array["birth"]="1987" 
  7.          
  8.         info = "it is a test"; 
  9.         lens = split(info,tA," "); 
  10.         for(item in tA) 
  11.         {print tA[item];} 
  12.         for(i=1;i<=lens;i++) 
  13.         {print tA[i];} 
  14.         print length(tA[lens]); 
  15.         } { 
  16.         print "item in array"; 
  17.         for(item in Array) {print Array[item]}; 
  18.         print "print in i++"; 
  19.         for(i=1;i<=length(Array);i++) {print Array[i]};   
  20.         }' 

  • 获取数组长度

  1. awk 'BEGIN{ 
  2.         info="it is a test"; 
  3.         lens=split(info,tA," ");    #使用split函数获取数组长度 
  4.         print length(tA),lens;      #使用length函数获取数组长度（版本有要求） 
  5.         }' 
**说明：** **版本够高**的awk当中，支持直接得到数组长度的方法length()，如果awk的版本过低，则不支持。另外，如果传给length的变量是一个字符串，那么length返回的则字符串的长度。

  • 输出数组内容

    • 有序输出 for...in

      因为数组时关联数组，默认是无序的

    • 无序输出 for(i=1;i<l=ens;i++)

      数组下标从1开始

  • 判断键值是否存在

  1. #错误的判断方法，awk数组是关联数组，只要通过数组引用它的KEY，就会自动创建。 
  2. awk 'BEGIN{ 
  3.     tB["a"]="a1"; 
  4.     tB["b"]="b1"; 
  5.     if(tB["c"]!="1"){   #tB["c"]没有定义，但是循环的时候会输出 
  6.         print "no found"; 
  7.     }; 
  8.     for(k in tB){ 
  9.         print k,tB[k]; 
  10.     }}' 
  11.  
  12. #正确的判定方法：使用 if ( key in array) 判断数组中是否包含 键值 
  13. awk 'BEGIN{ 
  14.         tB["a"]="a1"; 
  15.         tB["b"]="b1"; 
  16.         if( "c" in tB){ 
  17.             print "ok"; 
  18.         }; 
  19.         for(k in tB){ 
  20.             print k,tB[k]; 
  21.         }}' 

  • 删除键值
    delete array[key]可以删除，对应数组key的，序列值。

  1. awk 'BEGIN{ 
  2.         tB["a"]="a1"; 
  3.         tB["b"]="b1"; 
  4.         delete tB["a"]; 
  5.         for(k in tB){ 
  6.             print k,tB[k]; 
  7.         }}' 

  • 二维，多维数组
    awk的多维数组在本质上是一维数组，更确切一点，awk在存储上并不支持多维数组。awk提供了逻辑上模拟二维数组的访问方式。例如，array[2,4]=1这样的访问是允许的。awk使用一个特殊的字符串SUBSEP作为分割字段。 类似一维数组的成员测试，多维数组可以使用if ( (i,j) in array)这样的语法，但是下标必须放置在圆括号中。类似一维数组的循环访问，多维数组使用for ( item in array )这样的语法遍历数组。与一维数组不同的是，多维数组必须使用split()函数来访问单独的下标分量。

  1. awk 'BEGIN{  
  2.     for(i=1;i<=9;i++){  
  3.         for(j=1;j<=9;j++){  
  4.             tarr[i,j]=i*j;  
  5.             print i,"*",j,"=",tarr[i,j];  
  6.             } 
  7.         } 
  8.      }' 
  9.  
  10. awk 'BEGIN{  
  11.         for(i=1;i<=9;i++){  
  12.             for(j=1;j<=9;j++){  
  13.                     tarr[i,j]=i*j; } } 
  14.         for(m in tarr){  
  15.             split(m,tarr2,SUBSEP);  
  16.             print tarr2[1],"*",tarr2[2],"=",tarr[m]; } }' 

内置函数

算术函数

格式 描述
atan2( y, x ) 返回 y/x 的反正切。
cos( x ) 返回 x 的余弦；x 是弧度。
sin( x ) 返回 x 的正弦；x 是弧度。
exp( x ) 返回 x 幂函数。
log( x ) 返回 x 的自然对数。
sqrt( x ) 返回 x 平方根。
int( x ) 返回 x 的截断至整数的值。
rand( ) 返回任意数字 n，其中 0 <= n < 1。
srand( [expr] ) 将 rand 函数的种子值设置为 Expr 参数的值，或如果省略 Expr 参数则使用某天的时间。返回先前的种子值。
  1. awk 'BEGIN{ 
  2.         OFMT="%.3f";    #OFMT 设置输出数据格式是保留3位小数。 
  3.         fs=sin(1); 
  4.         fe=exp(10); 
  5.         fl=log(10); 
  6.         fi=int(3.1415); 
  7.         print fs,fe,fl,fi; 
  8.         }' 
  9. 输出结果为：0.841 22026.466 2.303 3 
  10.  
  11. awk 'BEGIN{ 
  12.         srand(); 
  13.         fr=int(100*rand()); 
  14.         print fr; 
  15.         }'  
  16. 输出：78 

字符串函数

格式 描述
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）。
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。

说明： Ere都可以是正则表达式。

时间函数

格式 描述
mktime( YYYY MM dd HH MM ss[ DST]) 生成时间格式
strftime([format [, timestamp]]) 格式化时间输出，将时间戳转为时间字符串 具体格式，见下表.
systime() 得到时间戳,返回从1970年1月1日开始到当前时间(不计闰年)的整秒数

strftime日期和时间格式说明符 :

格式 描述
%a 星期几的缩写(Sun)
%A 星期几的完整写法(Sunday)
%b 月名的缩写(Oct)
%B 月名的完整写法(October)
%c 本地日期和时间
%d 十进制日期
%D 日期 08/20/99
%e 日期，如果只有一位会补上一个空格
%H 用十进制表示24小时格式的小时
%I 用十进制表示12小时格式的小时
%j 从1月1日起一年中的第几天
%m 十进制表示的月份
%M 十进制表示的分钟
%p 12小时表示法(AM/PM)
%S 十进制表示的秒
%U 十进制表示的一年中的第几个星期(星期天作为一个星期的开始)
%w 十进制表示的星期几(星期天是0)
%W 十进制表示的一年中的第几个星期(星期一作为一个星期的开始)
%x 重新设置本地日期(08/20/99)
%X 重新设置本地时间(12：00：00)
%y 两位数字表示的年(99)
%Y 当前月份
%Z 时区(PDT)
%% 百分号(%)
  1. #mktime使用 
  2. awk 'BEGIN{tstamp=mktime("2001 01 01 12 12 12");print strftime("%c",tstamp);}'  
  3. 输出：2001年01月01日 星期一 12时12分12秒  
  4.  
  5. awk 'BEGIN{tstamp1=mktime("2001 01 01 12 12 12");tstamp2=mktime("2001 02 01 0 0 0");print tstamp2-tstamp1;}'  
  6. 输出：2634468  
  7.  
  8. #求2个时间段中间时间差，介绍了strftime使用方法 
  9. awk 'BEGIN{tstamp1=mktime("2001 01 01 12 12 12");tstamp2=systime();print tstamp2-tstamp1;}'  
  10. 输出：308201392 
  11.  

其他一般函数

格式 描述
close( Expression ) 用同一个带字符串值的 Expression 参数来关闭由 print 或 printf 语句打开的或调用getline 函数打开的文件或管道。如果文件或管道成功关闭，则返回 0；其它情况下返回非零值。如果打算写一个文件，并稍后在同一个程序中读取文件，则 close 语句是必需的。
system(command ) 执行 Command 参数指定的命令，并返回退出状态。等同于 system 子例程。
Expression | getline [ Variable ] 从来自 Expression 参数指定的命令的输出中通过管道传送的流中读取一个输入记录，并将该记录的值指定给 Variable 参数指定的变量。如果当前未打开将 Expression 参数的值作为其命令名称的流，则创建流。创建的流等同于调用 popen 子例程，此时 Command 参数取 Expression 参数的值且 Mode 参数设置为一个是 r 的值。只要流保留打开且 Expression 参数求得同一个字符串，则对 getline 函数的每次后续调用读取另一个记录。如果未指定 Variable 参数，则 $0 记录变量和 NF 特殊变量设置为从流读取的记录。
getline [ Variable ] < Expression 从 Expression 参数指定的文件读取输入的下一个记录，并将 Variable 参数指定的变量设置为该记录的值。只要流保留打开且 Expression 参数对同一个字符串求值，则对 getline 函数的每次后续调用读取另一个记录。如果未指定 Variable 参数，则 $0 记录变量和 NF 特殊变量设置为从流读取的记录。
getline [ Variable ] 将 Variable 参数指定的变量设置为从当前输入文件读取的下一个输入记录。如果未指定 Variable 参数，则 $0 记录变量设置为该记录的值，还将设置 NF、NR 和 FNR 特殊变量。
  1. #打开外部文件（close用法） 
  2. awk 'BEGIN{while("cat /etc/passwd"|getline){print $0;};close("/etc/passwd");}'  
  3. 输出: root:x:0:0:root:/root:/bin/bash bin:x:1:1:bin:/bin:/sbin/nologin daemon:x:2:2:daemon:/sbin:/sbin/nologin  
  4.  
  5. #逐行读取外部文件(getline使用方法）  
  6. awk 'BEGIN{while(getline < "/etc/passwd"){print $0;};close("/etc/passwd");}'  
  7. 输出：root:x:0:0:root:/root:/bin/bash bin:x:1:1:bin:/bin:/sbin/nologin daemon:x:2:2:daemon:/sbin:/sbin/nologin  
  8.  
  9. awk 'BEGIN{print "Enter your name:";getline name;print name;}' 
  10. Enter your name:  
  11. chengmo  
  12. chengmo  
  13.  
  14. #调用外部应用程序(system使用方法） b返回值，是执行结果。 
  15. awk 'BEGIN{b=system("ls -al");print b;}'  
  16. 输出： total 42092 drwxr-xr-x 14 chengmo chengmo 4096 09-30 17:47 . drwxr-xr-x 95 root root 4096 10-08 14:01 ..  
  17.  
(附件: markdownFile.md)



附件列表

     

    posted @ 2016-09-19 11:06  QuincyHu  阅读(97993)  评论(1)  编辑  收藏  举报