shell編程之awk命令詳解
本篇博客主要介紹linux常用命令中的對文本和數據進行處理的命令awk的用法。
awk命令
awk是一種編程語言，用於在linux/unix下對文本和數據進行處理。數據可以來自標准輸入(stdin)、一個或多個文件，或其它命令的輸出。它支持用戶自定義函數和動態正則表達式等先進功能，是linux/unix下的一個強大編程工具。它在命令行中使用，但更多是作為腳本來使用。awk有很多內建的功能，比如數組、函數等，這是它和C語言的相同之處，靈活性是awk最大的優勢。
awk命令格式和選項
語法格式
- awk [options] 'script' var=value file(s)
- awk [options] -f scriptfile var=value file(s)
常用命令選項
-F fsfs 指定輸入分隔符，fs可以時字符串或正則表達式-v var=value賦值一個用戶定義變量，將外部變量傳遞給awk-f scriptfile從腳本文件中讀取awk命令
awk腳本
awk腳本是由模式和操作組成的。
模式與操作
模式
模式可以是以下任意一種：
正則表達式：使用通配符的擴展集
關系表達式：使用運算符進行操作，可以是字符串或數字的比較測試
模式匹配表達式：用運算符
～（匹配）和~!不匹配BEGIN 語句塊， pattern語句塊， END語句塊
操作
操作由一個或多個命令、函數、表達式組成，之間由換行符或分號隔開，並位於大刮號內，主要部分是：變量或數組賦值、輸出命令、內置函數、控制流語句。
awk腳本基本格式
- awk 'BEGIN{ commands } pattern{ commands } END{ commands }' file
一個awk腳本通常由BEGIN， 通用語句塊，END語句塊組成，三部分都是可選的。 腳本通常是被單引號或雙引號包住。
- awk 'BEGIN{ i=0 } { i++ } END{ print i }' filename
- awk "BEGIN{ i=0 } { i++ } END{ print i }" filename
awk執行過程分析
-
第一步： 執行
BEGIN { commands } pattern語句塊中的語句BEGIN語句塊：在awk開始從輸入輸出流中讀取行之前執行，在BEGIN語句塊中執行如變量初始化，打印輸出表頭等操作。
-
第二步：從文件或標准輸入中讀取一行，然后執行
pattern{ commands }語句塊。它逐行掃描文件，從第一行到最后一行重復這個過程，直到全部文件都被讀取完畢。pattern語句塊：pattern語句塊中的通用命令是最重要的部分，它也是可選的。如果沒有提供pattern語句塊，則默認執行{ print }，即打印每一個讀取到的行。
{ }類似一個循環體，會對文件中的每一行進行迭代，通常將變量初始化語句放在BEGIN語句塊中，將打印結果等語句放在END語句塊中。 -
第三步：當讀至輸入流末尾時，執行
END { command }語句塊END語句塊:在awk從輸入流中讀取完所有的行之后即被執行，比如打印所有行的分析結果這類信息匯總都是在END語句塊中完成，它也是一個可選語句塊。
AWK內置變量
$n : 當前記錄的第n個字段，比如n為1表示第一個字段，n為2表示第二個字段。
$0 : 這個變量包含執行過程中當前行的文本內容。
ARGC : 命令行參數的數目。
ARGIND : 命令行中當前文件的位置（從0開始算）。
ARGV : 包含命令行參數的數組。
CONVFMT : 數字轉換格式（默認值為%.6g）。
ENVIRON : 環境變量關聯數組。
ERRNO : 最后一個系統錯誤的描述。
FIELDWIDTHS : 字段寬度列表（用空格鍵分隔）。
FILENAME : 當前輸入文件的名。
NR : 表示記錄數，在執行過程中對應於當前的行號
FNR : 同NR :，但相對於當前文件。
FS : 字段分隔符（默認是任何空格）。
IGNORECASE : 如果為真，則進行忽略大小寫的匹配。
NF : 表示字段數，在執行過程中對應於當前的字段數。
print $NF答應一行中最后一個字段OFMT : 數字的輸出格式（默認值是%.6g）。
OFS : 輸出字段分隔符（默認值是一個空格）。
ORS : 輸出記錄分隔符（默認值是一個換行符）。
RS : 記錄分隔符（默認是一個換行符）。
RSTART : 由match函數所匹配的字符串的第一個位置。
RLENGTH : 由match函數所匹配的字符串的長度。
SUBSEP : 數組下標分隔符（默認值是34）。
將外部變量值傳遞給awk
借助
-v選項，可以將來自外部值（非stdin）傳遞給awkVAR=10000
echo | awk -v VARIABLE=$VAR '{ print VARIABLE }'定義內部變量接收外部變量
var1="aaa"
var2="bbb"
echo | awk '{ print v1,v2 }' v1=$var1 v2=$var2當輸入來自文件時
awk '{ print v1,v2 }' v1=$var1 v2=$var2 filename
awk運算
算術運算：（+，-，*，/，&，！，……，++，--）
所有用作算術運算符進行操作時，操作數自動轉為數值，所有非數值都變為0
賦值運算：（=， +=， -=，*=，/=，%=，……=，**=）
邏輯運算符: (||, &&)
關系運算符：（<, <=, >,>=,!=, ==）
正則運算符：（～，～!）(匹配正則表達式，與不匹配正則表達式)
awk 'BEGIN{a="100testa";if(a ~ /^100*/){print "ok";}}'
ok
awk高級輸入輸出
讀取下一條記錄：next 語句
awk中next語句使用：在循環逐行匹配，如果遇到next，就會跳過當前行，直接忽略下面語句。而進行下一行匹配。net語句一般用於多行合並：
awk 'NR%2==1{next}{print NR,$0;}' text.txt
說明： 當記錄行號除以2余1，就跳過當前行。下面的print NR,$0也不會執行。下一行開始，程序有開始判斷NR%2值。這個時候記錄行號是：2 ，就會執行下面語句塊：print NR,$0
讀取一行記錄：getline 語句
awk getline用法：輸出重定向需用到getline函數。getline從標准輸入、管道或者當前正在處理的文件之外的其他輸入文件獲得輸入。它負責從輸入獲得下一行的內容，並給NF,NR和FNR等內建變量賦值。如果得到一條記錄，getline函數返回1，如果到達文件的末尾就返回0，如果出現錯誤，例如打開文件失敗，就返回-1。
語法格式：getline var 變量var包含了特定行的內容
用法說明：
當其左右無重定向符時
|，<時：getline作用於當前文件，讀入當前文件的第一行給其后跟的變量var或$0（無變量），應該注意到，由於awk在處理getline之前已經讀入了一行，所以getline得到的返回結果是隔行的。當其左右有重定向符時
|，<時：getline則作用於定向輸入文件，由於該文件是剛打開，並沒有被awk讀入一行，只是getline讀入，那么getline返回的是該文件的第一行，而不是隔行。
文件操作
打開文件
open("filename")關閉文件
close("filename")輸出到文件 重定向到文件，如
echo | awk '{printf("hello word!n") > "datafile"}'
循環結構
for循環
- for(變量 in 數組)
- {語句}
-
- for(變量;條件;表達式)
- {語句}
while循環
- while(表達式)
- {語句}
do...while循環
- do
- {語句} while(條件)
其他相關語句
break：退出程序循環continue: 進入下一次循環next：讀取下一個輸入行exit：退出主輸入循環，進入END，若沒有END或END中有exit語句，則退出腳本。
數組
在awk中數組叫做關聯數組(associative arrays)。awk 中的數組不必提前聲明，也不必聲明大小。數組元素用0或空字符串來初始化，這根據上下文而定。
- awk 'BEGIN{
- Array[1]="sun"
- Array[2]="kai"
- Array["first"]="www"
- Array["last"]="name"
- Array["birth"]="1987"
-
- info = "it is a test";
- lens = split(info,tA," ");
- for(item in tA)
- {print tA[item];}
- for(i=1;i<=lens;i++)
- {print tA[i];}
- print length(tA[lens]);
- } {
- print "item in array";
- for(item in Array) {print Array[item]};
- print "print in i++";
- for(i=1;i<=length(Array);i++) {print Array[i]};
- }'
獲取數組長度
- awk 'BEGIN{
- info="it is a test";
- lens=split(info,tA," "); #使用split函數獲取數組長度
- print length(tA),lens; #使用length函數獲取數組長度（版本有要求）
- }'
**說明：** **版本夠高**的awk當中，支持直接得到數組長度的方法length()，如果awk的版本過低，則不支持。另外，如果傳給length的變量是一個字符串，那么length返回的則字符串的長度。
輸出數組內容
-
有序輸出
for...in因為數組時關聯數組，默認是無序的
-
無序輸出
for(i=1;i<l=ens;i++)數組下標從1開始
-
判斷鍵值是否存在
- #錯誤的判斷方法，awk數組是關聯數組，只要通過數組引用它的KEY，就會自動創建。
- awk 'BEGIN{
- tB["a"]="a1";
- tB["b"]="b1";
- if(tB["c"]!="1"){ #tB["c"]沒有定義，但是循環的時候會輸出
- print "no found";
- };
- for(k in tB){
- print k,tB[k];
- }}'
-
- #正確的判定方法：使用 if ( key in array) 判斷數組中是否包含 鍵值
- awk 'BEGIN{
- tB["a"]="a1";
- tB["b"]="b1";
- if( "c" in tB){
- print "ok";
- };
- for(k in tB){
- print k,tB[k];
- }}'
刪除鍵值
delete array[key]可以刪除，對應數組key的，序列值。
- awk 'BEGIN{
- tB["a"]="a1";
- tB["b"]="b1";
- delete tB["a"];
- for(k in tB){
- print k,tB[k];
- }}'
二維，多維數組
awk的多維數組在本質上是一維數組，更確切一點，awk在存儲上並不支持多維數組。awk提供了邏輯上模擬二維數組的訪問方式。例如，array[2,4]=1這樣的訪問是允許的。awk使用一個特殊的字符串SUBSEP作為分割字段。 類似一維數組的成員測試，多維數組可以使用if ( (i,j) in array)這樣的語法，但是下標必須放置在圓括號中。類似一維數組的循環訪問，多維數組使用for ( item in array )這樣的語法遍歷數組。與一維數組不同的是，多維數組必須使用split()函數來訪問單獨的下標分量。
- awk 'BEGIN{
- for(i=1;i<=9;i++){
- for(j=1;j<=9;j++){
- tarr[i,j]=i*j;
- print i,"*",j,"=",tarr[i,j];
- }
- }
- }'
-
- awk 'BEGIN{
- for(i=1;i<=9;i++){
- for(j=1;j<=9;j++){
- tarr[i,j]=i*j; } }
- for(m in tarr){
- split(m,tarr2,SUBSEP);
- print tarr2[1],"*",tarr2[2],"=",tarr[m]; } }'
內置函數
算術函數
| 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 冪函數。 |
| log( x ) | 返回 x 的自然對數。 |
| sqrt( x ) | 返回 x 平方根。 |
| int( x ) | 返回 x 的截斷至整數的值。 |
| rand( ) | 返回任意數字 n，其中 0 <= n < 1。 |
| srand( [expr] ) | 將 rand 函數的種子值設置為 Expr 參數的值，或如果省略 Expr 參數則使用某天的時間。返回先前的種子值。 |
- awk 'BEGIN{
- OFMT="%.3f"; #OFMT 設置輸出數據格式是保留3位小數。
- fs=sin(1);
- fe=exp(10);
- fl=log(10);
- fi=int(3.1415);
- print fs,fe,fl,fi;
- }'
- 輸出結果為：0.841 22026.466 2.303 3
-
- awk 'BEGIN{
- srand();
- fr=int(100*rand());
- print fr;
- }'
- 輸出：78
字符串函數
| 格式 | 描述 |
|---|---|
| gsub( Ere, Repl, [ In ] ) | 除了正則表達式所有具體值被替代這點，它和 sub 函數完全一樣地執行。 |
| sub( Ere, Repl, [ In ] ) | 用 Repl 參數指定的字符串替換 In 參數指定的字符串中的由 Ere 參數指定的擴展正則表達式的第一個具體值。sub 函數返回替換的數量。出現在 Repl 參數指定的字符串中的 &（和符號）由 In 參數指定的與 Ere 參數的指定的擴展正則表達式匹配的字符串替換。如果未指定 In 參數，缺省值是整個記錄（$0 記錄變量）。 |
| index( String1, String2 ) | 在由 String1 參數指定的字符串（其中有出現 String2 指定的參數）中，返回位置，從 1 開始編號。如果 String2 參數不在 String1 參數中出現，則返回 0（零）。 |
| length [(String)] | 返回 String 參數指定的字符串的長度（字符形式）。如果未給出 String 參數，則返回整個記錄的長度（$0 記錄變量）。 |
| blength [(String)] | 返回 String 參數指定的字符串的長度（以字節為單位）。如果未給出 String 參數，則返回整個記錄的長度（$0 記錄變量）。 |
| substr( String, M, [ N ] ) | 返回具有 N 參數指定的字符數量子串。子串從 String 參數指定的字符串取得，其字符以 M 參數指定的位置開始。M 參數指定為將 String 參數中的第一個字符作為編號 1。如果未指定 N 參數，則子串的長度將是 M 參數指定的位置到 String 參數的末尾 的長度。 |
| match( String, Ere ) | 在 String 參數指定的字符串（Ere 參數指定的擴展正則表達式出現在其中）中返回位置（字符形式），從 1 開始編號，或如果 Ere 參數不出現，則返回 0（零）。RSTART 特殊變量設置為返回值。RLENGTH 特殊變量設置為匹配的字符串的長度，或如果未找到任何匹配，則設置為 -1（負一）。 |
| tolower( String ) | 返回 String 參數指定的字符串，字符串中每個大寫字符將更改為小寫。大寫和小寫的映射由當前語言環境的 LC_CTYPE 范疇定義。 |
| toupper( String ) | 返回 String 參數指定的字符串，字符串中每個小寫字符將更改為大寫。大寫和小寫的映射由當前語言環境的 LC_CTYPE 范疇定義。 |
| sprintf(Format, Expr, Expr, . . . ) | 根據 Format 參數指定的 printf 子例程格式字符串來格式化 Expr 參數指定的表達式並返回最后生成的字符串。 |
說明： Ere都可以是正則表達式。
時間函數
| 格式 | 描述 |
|---|---|
| mktime( YYYY MM dd HH MM ss[ DST]) | 生成時間格式 |
| strftime([format [, timestamp]]) | 格式化時間輸出，將時間戳轉為時間字符串 具體格式，見下表. |
| systime() | 得到時間戳,返回從1970年1月1日開始到當前時間(不計閏年)的整秒數 |
strftime日期和時間格式說明符 :
| 格式 | 描述 |
|---|---|
| %a | 星期幾的縮寫(Sun) |
| %A | 星期幾的完整寫法(Sunday) |
| %b | 月名的縮寫(Oct) |
| %B | 月名的完整寫法(October) |
| %c | 本地日期和時間 |
| %d | 十進制日期 |
| %D | 日期 08/20/99 |
| %e | 日期，如果只有一位會補上一個空格 |
| %H | 用十進制表示24小時格式的小時 |
| %I | 用十進制表示12小時格式的小時 |
| %j | 從1月1日起一年中的第幾天 |
| %m | 十進制表示的月份 |
| %M | 十進制表示的分鍾 |
| %p | 12小時表示法(AM/PM) |
| %S | 十進制表示的秒 |
| %U | 十進制表示的一年中的第幾個星期(星期天作為一個星期的開始) |
| %w | 十進制表示的星期幾(星期天是0) |
| %W | 十進制表示的一年中的第幾個星期(星期一作為一個星期的開始) |
| %x | 重新設置本地日期(08/20/99) |
| %X | 重新設置本地時間(12：00：00) |
| %y | 兩位數字表示的年(99) |
| %Y | 當前月份 |
| %Z | 時區(PDT) |
| %% | 百分號(%) |
- #mktime使用
- awk 'BEGIN{tstamp=mktime("2001 01 01 12 12 12");print strftime("%c",tstamp);}'
- 輸出：2001年01月01日 星期一 12時12分12秒
-
- awk 'BEGIN{tstamp1=mktime("2001 01 01 12 12 12");tstamp2=mktime("2001 02 01 0 0 0");print tstamp2-tstamp1;}'
- 輸出：2634468
-
- #求2個時間段中間時間差，介紹了strftime使用方法
- awk 'BEGIN{tstamp1=mktime("2001 01 01 12 12 12");tstamp2=systime();print tstamp2-tstamp1;}'
- 輸出：308201392
-
其他一般函數
| 格式 | 描述 |
|---|---|
| close( Expression ) | 用同一個帶字符串值的 Expression 參數來關閉由 print 或 printf 語句打開的或調用getline 函數打開的文件或管道。如果文件或管道成功關閉，則返回 0；其它情況下返回非零值。如果打算寫一個文件，並稍后在同一個程序中讀取文件，則 close 語句是必需的。 |
| system(command ) | 執行 Command 參數指定的命令，並返回退出狀態。等同於 system 子例程。 |
| Expression | getline [ Variable ] | 從來自 Expression 參數指定的命令的輸出中通過管道傳送的流中讀取一個輸入記錄，並將該記錄的值指定給 Variable 參數指定的變量。如果當前未打開將 Expression 參數的值作為其命令名稱的流，則創建流。創建的流等同於調用 popen 子例程，此時 Command 參數取 Expression 參數的值且 Mode 參數設置為一個是 r 的值。只要流保留打開且 Expression 參數求得同一個字符串，則對 getline 函數的每次后續調用讀取另一個記錄。如果未指定 Variable 參數，則 $0 記錄變量和 NF 特殊變量設置為從流讀取的記錄。 |
| getline [ Variable ] < Expression | 從 Expression 參數指定的文件讀取輸入的下一個記錄，並將 Variable 參數指定的變量設置為該記錄的值。只要流保留打開且 Expression 參數對同一個字符串求值，則對 getline 函數的每次后續調用讀取另一個記錄。如果未指定 Variable 參數，則 $0 記錄變量和 NF 特殊變量設置為從流讀取的記錄。 |
| getline [ Variable ] | 將 Variable 參數指定的變量設置為從當前輸入文件讀取的下一個輸入記錄。如果未指定 Variable 參數，則 $0 記錄變量設置為該記錄的值，還將設置 NF、NR 和 FNR 特殊變量。 |
- #打開外部文件（close用法）
- awk 'BEGIN{while("cat /etc/passwd"|getline){print $0;};close("/etc/passwd");}'
- 輸出: root:x:0:0:root:/root:/bin/bash bin:x:1:1:bin:/bin:/sbin/nologin daemon:x:2:2:daemon:/sbin:/sbin/nologin
-
- #逐行讀取外部文件(getline使用方法）
- awk 'BEGIN{while(getline < "/etc/passwd"){print $0;};close("/etc/passwd");}'
- 輸出：root:x:0:0:root:/root:/bin/bash bin:x:1:1:bin:/bin:/sbin/nologin daemon:x:2:2:daemon:/sbin:/sbin/nologin
-
- awk 'BEGIN{print "Enter your name:";getline name;print name;}'
- Enter your name:
- chengmo
- chengmo
-
- #調用外部應用程序(system使用方法） b返回值，是執行結果。
- awk 'BEGIN{b=system("ls -al");print b;}'
- 輸出： total 42092 drwxr-xr-x 14 chengmo chengmo 4096 09-30 17:47 . drwxr-xr-x 95 root root 4096 10-08 14:01 ..
-
附件列表