linux awk工具的使用，awk是一个文本处理


awk的由来

  • awk这个工具的名字是由三个发明者的首字母组合而成。

  • awk是一个文本处理工具。

awk的版本

  • AWK:最早AWK是在unix上实现的，属于贝尔实验室的

  • NAWK:即NEW AWK,是AWK的升级版，也属于贝尔实验室。

  • GAWK：即GNU AWK，基于GNU重新编译而来的，兼容NAWK和AWK。

linux使用的是gawk，我们执行的awk是gawk的一个软连接。

which awk #查看awk这个命令所在的位置
ll /usr/bin/awk #awk是一个软连接，指向GAWK

awk工作原理

awk是逐行处理文本内容，当awk处理一个文本时，会一行一行进行处理，处理完当前行，再处理下一行，awk默认以”换行符”为标记，识别每一行

会把读入的一行按照一个的条件分割成列 #默认使用空格作为分隔符

awk的语法格式

格式：
ark [option] 'program' file..

选项：
-F：用于指定分隔符  #例如：-F"|" 表示使用|作为每行的分隔符
-v：用于指定变量

awk的program

awk 的 program 参数由 pattern 和 action 组成。

Pattern 用于指定匹配模式，并对匹配的行执行后面的 action 操作，不匹配的行不做处理。

Action 用于指定要对匹配到的行进行什么样的操作，这些操作语句要包含在大括号 {} 里面。

如果没有提供 pattern 参数，默认处理所有行。

program需要用单引号括起来

常见的action动作：print

   pattern省略或为1，等价于 /.*/(任意字符)
   action省略，等价于 { print }
   program就是由pattern和action组成的

awk的工作过程

  • 第一步：BEGIN:在文件处理之前所作的操作

  • 第二步：读入文件的每一行进行处理

  • 第三步：文件处理完成之后执行END的语句块

awk program的动作 print

  • print这个动作可以实现打印的功能。

  • 使用分隔符将一行切成若干列（默认的分隔符：空格），用S1..$n来表示第几列 $0表示整行

print格式

格式：print item1, item2, ...

逗号作为分隔符

只有一个print动作，默认为：print $0

打印字符串要用双引号括起来，不然就会认为是要给变量，数字不用加双引号,变量和数字不需要

范例

例如：获取分区的利用率
df -h | awk '{print $5}'

df  | awk -F"[ %]+" '{print$1,$5}' #[ %]+：表示以一个以上空格或百分号作为分隔符


例如：取出网站访问量最大的前3个IP
awk '{print $1}' nginx.access.log-20200428 |sort | uniq -c |sort -nr|head -3

sort命令：实现排序的功能（默认从小到大）
选项：
-n：以字符串的数字作为排序的一句
-r：将要比较的结果反转 #逆序排序 最大的排最前面

uniq命令：用于去除重复的行
选项：
-c：在每一行的前面显示统计改行出现过的次数
-d：仅显示重复的行
-u：仅显示不重复的行

head命令：显示文件指定的前几行
-n num或 -num：显示文件的开头num行

例如：获取指定网卡的ip地址
ifconfig eth0 | sed -n '2p' | awk '{print $2}'

sed命令：对指定的行进行操作，
-n：关闭自动打印功能
脚本位置：
2：表示第二行

脚本指定：
p：表示打印指定的行内容

awk中的变量

  • 内置变量

  • 外置变量

行；称为记录

列：称为字段或者域

awk的program中引用变量，不需要添加$符号

内置变量

FS：指定字段的分隔符，相当于-F选项

例如： awk -v FS=":" #指定冒号作为每行分段的分隔符
OFS：指定输出字段的分隔符，FS值指定输入字段的分隔符。默认的都是空格
NF：字段数量

NF:一行有多少列

NR：记录的编号

NR：第几行的编号，比如第四行，NR就是4

范例：获取指定网卡的ip地址
ifconfig eth0 | awk 'NR==2{print $2}' #表示取第二行的内容 NR==2就是条件
FNR：对多个文件进行单独的编号

使用NR的话就是把多个文件合在一起进行编号。

FILENAME：当前文件名

自定义变量

自定义变量的格式：-v 变量名=值

awk的PATTERN

pattern(模式)用户指定需要处理文本的那些行。

  • 没指定pattern：表示匹配所有

  • 匹配指定的行

  • 匹配一个范围

不指定pattern
没有写pattern：表示空模式，所有的行都匹配（大括号前面没任何条件内容）
匹配指定的行：
/正则表达式/：过滤符合正则表达式的行进行打印 --和sed的使用方法一样的

#范例：ifconfig eth0 | awk '/netmask/{print }'
匹配一个范围：

  • 正则表达式写法

  • 内置变量NR写法

行的区间范围：不能直接写行号，使用NR变量

例如：
NR>=5 && NR <=8 --- 第五行到第八行

正则表达式的写法： /pattern1/,/pattern2/

awk的操作符

  • 算数操作符

  • 模式匹配符

  • 逻辑操作符

算数操作符：> < == != >= <= % =(赋值)

范例：取奇，偶数行

seq 10 | awk 'NR%2==0'  #能被2整除的就是偶数

seq 10 | awk 'NR%2==1'  #不能被2整除的就是奇数

模式匹配符：

  • ~ 左边是否和右边匹配，包含关系

  • !~ 是否不匹配

awk -F: '$0 ~ /root/{print $1}' /etc/passwd  #表示包含root的行

逻辑操作符：

  • 与：&&，并且关系

  • 或：||，或者关系

  • 非：!，取反

例如：
awk -F:  '$3>=0 && $3<=1000 {print $1,$3}' /etc/passwd  #第三列大于等于0并且第三列的值小于等于1000

关系表达式：结果为真才进行处理

  • 真：结果为非0值或非空字符串

  • 假：结果为空字符串或0值

例如：
seq 10 | awk '1' #会输出1到10，因为pattern为1表示为真，而action省略等价于 { print }

seq 10 | awk '0' #什么都不会输出，0表示为假

seq 10 | awk '"false"' #会输出0到10，因为它不是空字符串

相关内容