awk 笔记

 

cat quora_duplicate_questions.tsv | awk -F  "\t"  'BEGIN{a=""} {if ($1=="\""){print a""$0;} else if ($5==""){ a=$4; } else if ($5!="" && $6==""){ a=$4"\t"$5; } else i    f (NF >= 6) { print $4"\t"$5"\t"$6;}}' > temp.tsv

awk 指令的通用语法是这样的：

awk 'script' filenames  

 -F "\t" 以冒号为列分隔符

 

awk 的特殊模式：BEGIN 和 END 

awk '
BEGIN { actions } 
/pattern/ { actions }
/pattern/ { actions }
……….
END { actions } 
' filenames  

• BEGIN 模式：是指 awk 将在读取任何输入行之前立即执行BEGIN 中指定的动作。
• END 模式：是指 awk 将在它正式退出前执行 END中指定的动作。

含有这些特殊模式的 awk 命令脚本的执行流程如下：

1. 当在脚本中使用了 BEGIN 模式，则 BEGIN 中所有的动作都会在读取任何输入行之前执行。
2. 然后，读入一个输入行并解析成不同的段。
3. 接下来，每一条指定的非特殊模式都会和输入行进行比较匹配，当匹配成功后，就会执行模式对应的动作。对所有你指定的模式重复此执行该步骤。
4. 再接下来，对于所有输入行重复执行步骤 2 和 步骤 3。
5. 当读取并处理完所有输入行后，假如你指定了 END 模式，那么将会执行相应的动作。

匹配

~ 匹配正则

!~ 不匹配正则

== 等于

!= 不等于

打印test文件中第二列匹配80开头并以80结束的行

awk '{if($2~/^80$/)print}' test.txt
# $2 ~ /^80$/，～表示匹配后面的表达式， ~ /80/表示包含80，^80表示以80开头，80$表示以80结尾，^80$就是以80开头以80结尾，即等于80。 

 

 

例子：

file文件内容：

123343242
AAAAAAAA
343243243
BBBBBBBB

$awk -v line=$(awk '/(A)+/{a=NR-1;print a}' file) 'NR==line' file

awk '{if($0 == "AAAAAAAA"){print a;}a=$0}' 

在匹配到AAAAAAAA后，打印出上一行，也就是 "123343242"  

NR是当前行号，表示第几行

 

使用awk命令获取文本的某一行，某一列的技巧：

 

1）打印文件的第一列(域) ： awk '{print $1}' filename
2）打印文件的前两列(域) ： awk '{print $1,$2}' filename
3）打印完第一列，然后打印第二列 ： awk '{print $1 $2}' filename
4）打印文本文件的总行数 ： awk 'END{print NR}' filename
5）打印文本第一行 ：awk 'NR==1{print}' filename
6）打印文本第二行第一列 ：sed -n "2, 1p" filename | awk 'print $1

 

使用awk取某一行数据中的倒数第N列：$(NF-(n-1)) 

（$NF表示倒数第一列，$(NF-1)表示倒数第二列）

 

linux实现将文本文件每一行中相同第一列对应的其他列进行拼接：

[root@jump-v4 ~]# sort b.txt|uniq
1    34
1    49
2    45
2    48
3    54
3    57
3    89
 
[root@jump-v4 ~]# sort b.txt|uniq|awk '{a[$1]=(a[$1]" "$2);} END{for(i in a) print i ":"a[i]}'
1: 34 49
2: 45 48
3: 54 57 89
 
命令解析：
1）首先sort test|uniq实现对test文件的去重，去掉了重复的 1 49，保留不同的行；
2）awk '{a[$1]=(a[$1]" "$2);} END{for(i in a) print i ":"a[i]}' 表示的含义是： 将每一行的第一列作为数组a的key，
   第二列作为a的value，同时碰到相同的key，就把其值进行拼接，linux的shell的字符串拼接形式为str = （str  “ ” $var），
   最后遍历数组a，其中i为数组a的每一个key，a[i]为key对应的值；

 

不打印第一行：

awk 'NR!=1 {print $1,$2}' test.txt

 

模糊匹配

(1)模糊匹配

i)使用if        

cat test | awk '{if($0~/sss/) {print $0}}' 
sssbaby
sssdde
sdsssd

ii)不用if       

cat test | awk '$0~/sss/' 
sssbaby
sssdde
sdsssd

cat test | awk '/sss/' 
sssbaby
sssdde
sdsssd

 

(2)精确匹配

awk '$1=="sss" {print $0}' filename        #输出第一列等于sss的行

 

(3)反向匹配

awk '$1 !~ /sss/ {print $0}' filename    #输出第一列不是sss的行

 

(4)大小写匹配

awk '/[sS]ss/'  filename     #匹配含有sss 或是sss的字符串

 

(5)使用或运算

awk '$0 ~ /(sss|hover)/' filename     #查找含有sss或hover字串的行
或awk '{if($0~/sss/ OR $0~/hover/) print $0}' filename

cat test | awk '/[sS]ss|shona/' 
sssbaby
Sss------
shona
sssdde
sdsssd

 

参考1

AWK简明教程【todo】

一些AWK技巧【todo】

阮一峰的教程【todo】