CentOS Shell常用技巧 awk编程,centosawk变量的类型可以是数字

文章由LinuxBoy分享于2019-04-04 08:04:47热评（472）

CentOS Shell常用技巧 awk编程,centosawk变量的类型可以是数字

awk编程:

变量：

在awk中变量无须定义即可使用，变量在赋值时即已经完成了定义。变量的类型可以是数字、字符串。根据使用的不同，未初始化变量的值为0或空白字符串"

"，这主要取决于变量应用的上下文。下面为变量的赋值负号列表：

符号

含义

等价形式

a = 5

a = a + 5

a += 5

a = a - 5

a -= 5

a = a * 5

a *= 5

a = a / 5

a /= 5

a = a % 5

a %= 5

a = a ^ 5

a ^=

/> awk '$1 ~ /Tom/ {Wage = $2 * $3;

print Wage}' filename

该命令将从文件中读取，并查找第一个域字段匹配Tom的记录，再将其第二和第三个字段的乘积赋值给自定义的Wage变量，最后通过print命令将该变量打印输出。

awk ' {$5 = 1000 * $3 / $2; print}' filename

在上面的命令中，如果$5不存在，awk将计算表达式1000 * $3 /

$2的值，并将其赋值给$5。如果第五个域存在，则用表达式覆盖$5原来的值。

我们同样也可以在命令行中定义自定义的变量，用法如下：

/> awk -F: -f awkscript month=4

year=2011 filename

这里的month和year都是自定义变量，且分别被赋值为4和2000，在awk的脚本中这些变量将可以被直接使用，他们和脚本中定义的变量在使用上没有任何区别。

除此之外，awk还提供了一组内建变量(变量名全部大写)，见如下列表：

变量名

变量内容

ARGC

命令行参数的数量。

ARGIND

命令行正在处理的当前文件的AGV的索引。

ARGV

命令行参数数组。

CONVFMT

转换数字格式。

ENVIRON

从shell中传递来的包含当前环境变量的数组。

ERRNO

当使用close函数或者通过getline函数读取的时候，发生的重新定向错误的描述信息就保存在这个变量中。

FIELDWIDTHS

在对记录进行固定域宽的分割时，可以替代FS的分隔符的列表。

FILENAME

当前的输入文件名。

FNR

当前文件的记录号。

输入分隔符，默认是空格。

IGNORECASE

在正则表达式和字符串操作中关闭大小写敏感。

当前文件域的数量。

当前文件记录数。

OFMT

数字输出格式。

OFS

输出域分隔符。

ORS

输出记录分隔符。

RLENGTH

通过match函数匹配的字符串的长度。

输入记录分隔符。

RSTART

通过match函数匹配的字符串的偏移量。

SUBSEP

下标分隔符。

/> cat employees2

Tom Jones:4424:5/12/66:543354

Mary Adams:5346:11/4/63:28765

Sally

Chang:1654:7/22/54:650000

Mary Black:1683:9/23/44:336500

awk -F: '{IGNORECASE = 1}; $1 == "mary adams" { print NR, $1, $2, $NF}'

employees2

2 Mary Adams 5346 28765

awk -F: ' $1 == "mary adams" { print NR, $1, $2, $NF}'

employees2

没有输出结果。

当IGNORECASE内置变量的值为非0时，表示在进行字符串操作和处理正则表达式时关闭大小写敏感。这里的"mary adams"将匹配文件中的"Mary

Admams"记录。最后print打印出第一、第二和最后一个域。需要说明的是NF表示当前记录域的数量，因此$NF将表示最后一个域的值。

awk在动作部分还提供了BEGIN块和END块。其中BEGIN动作块在awk处理任何输入文件行之前执行。事实上，BEGIN块可以在没有任何输入

文件的条件下测试。因为在BEGIN块执行完毕以前awk将不读取任何输入文件。BEGIN块通常被用来改变内建变量的值，如OFS、RS或FS等。也可

以用于初始化自定义变量值，或打印输出标题。

/> awk 'BEGIN {FS = ":"; OFS =

"t"; ORS = "nn"} { print $1,$2,$3} filename

上例中awk在处理文件之前，已经将域分隔符(FS)设置为冒号，输出文件域分隔符(OFS)设置为制表符，输出记录分隔符(ORS)被设置为两个换行符。BEGIN之后的动作模块中如果有多个语句，他们之间用分号分隔。

和BEGIN恰恰相反，END模块中的动作是在整个文件处理完毕之后被执行的。

/> awk 'END {print "The number of

the records is " NR }' filename

awk在处理输入文件之后，执行END模块中的动作，上例中NR的值是读入的最后一个记录的记录号。

awk '/Mary/{count++} END{print "Mary was found " count " times." }'

employees2

Mary was found 2 times.

/> awk '/Mary/{count++} END{print

"Mary was found " count " times." }' employees2

Mary was

found 2 times.

/> cat

testfile

northwest NW Charles Main

3.0 .98 3 34

western WE Sharon

Gray 5.3 .97 5 23

southwest SW

Lewis Dalsass 2.7 .8 2 18

southern

SO Suan Chin 5.1 .95 4 15

southeast SE Patricia Hemenway 4.0 .7 4

eastern EA TB Savage 4.4 .84

5 20

northeast NE AM Main Jr. 5.1

.94 3 13

north NO Margot Weber

4.5 .89 5 9

central CT Ann

Stephens 5.7 .94 5 13

awk '/^north/{count += 1; print count}' testfile

#如记录以正则north开头，则创建变量count同时增一，再输出其值。

#这里只是输出前三个字段，其中第七个域先被赋值给变量x，在自减一，最后再同时打印出他们。

/> awk 'NR <= 3 {x = $7--; print "x = " x ", $7 =

" $7}' testfile

x = 3, $7 = 2

x = 5, $7 = 4

x =

2, $7 = 1

#打印NR(记录号)的值在2--5之间的记录。

/> awk 'NR == 2,NR == 5 {print "The record number is

" NR}' testfile

The record number is 2

The record

number is 3

The record number is 4

The record number is

#打印环境变量USER和HOME的值。环境变量的值由父进程shell传递给awk程序的。

/> awk 'BEGIN { print

ENVIRON["USER"],ENVIRON["HOME"]}'

root /root

#BEGIN块儿中对OFS内置变量重新赋值了，因此后面的输出域分隔符改为了t。

/> awk 'BEGIN { OFS = "t"}; /^Sharon/{ print

$1,$2,$7}' testfile

western WE 5

#从输入文件中找到以north开头的记录count就加一，最后在END块中输出该变量。

/> awk '/^north/{count++}; END{print count}'

testfile

2. 重新定向：

在

动作语句中使用shell通用的重定向输出符号">"就可以完成awk的重定向操作，当使用>的时候，原有文件将被清空，同时文件持续打开，

直到文件被明确的关闭或者awk程序终止。来自后面的打印语句的输出会追加到前面内容的后面。符号">>"用来打开一个文件但是不清空原有文

件的内容，重定向的输出只是被追加到这个文件的末尾。

/> awk '$4

>= 70 {print $1,$2 > "passing_file"}' filename #注意这里的文件名需要用双引号括起来。

#通过两次cat的结果可以看出>和>>的区别。

/> awk '/north/{print $1,$3,$4 > "districts" }'

testfile

/> cat

districts

northwest Joel Craig

northeast TJ

Nichols

north Val Shultz

awk '/south/{print $1,$3,$4 >> "districts" }'

testfile

/> cat

districts

northwest Joel Craig

northeast TJ

Nichols

north Val Shultz

southwest Chris Foster

southern

May Chin

southeast Derek Jonhson

awk中对于输入重定向是通过getline函数来完成的。getline函数的作用是从标准输入、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。他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。如果得到一个记录，getline就返回1，如果达到文件末尾就返回0。如

果出现错误，如打开文件失败，就返回-1。

/> awk 'BEGIN {

"date" | getline d; print d}'

Tue Nov 15 15:31:42 CST

2011

上例中的BEGIN动作模块中，先执行shell命令date，并通过管道输出给getline，然后再把输出赋值给自定义变量d并打印输出它。

/> awk 'BEGIN { "date" | getline d;

split(d,mon); print mon[2]}'

Nov

上例中date命令通过管道输出给getline并赋值给d变量，再通过内置函数split将d拆分为mon数组，最后print出mon数组的第二个元素。

/> awk 'BEGIN { while("ls" |

getline) print}'

employees

employees2

testfile

命令ls的输出传递给getline作为输入，循环的每个反复，getline都从ls的结果中读取一行输入，并把他打印到屏幕。

/> awk 'BEGIN { printf "What is your name?

getline name <

"/dev/tty"}

$1 ~ name

{print "Found" name " on line ", NR "."}

END {print "See ya, " name "."}'

employees2

What is your name? Mary

Found Mary on line

See ya, Mary.

上例先是打印出BEGIN块中的"What is your name?

"，然后等待用户从/dev/tty输入，并将读入的数据赋值给name变量，之后再从输入文件中读取记录，并找到匹配输入变量的记录并打印出来，最后在END块中输出结尾信息。

/> awk 'BEGIN { while(getline < "/etc/passwd" > 0) lc++;

print lc}'

awk将逐行读取/etc/passwd文件中的内容，在达到文件末尾之前，计数器lc一直自增1，当到了末尾后打印lc的值。lc的值为/etc/passwd文件的行数。

由于awk中同时打开的管道只有一个，那么在打开下一个管道之前必须关闭它，管道符号右边可以通过可以通过双引号关闭管道。如果不关闭，它将始终保持打开状态，直到awk退出。

/> awk {print $1,$2,$3 | "sort -4 +1 -2 +0 -1"} END

{close("sort -4 +1 -2 +0 -1") } filename

上例中END模块中的close显示关闭了sort的管道，需要注意的是close中关闭的命令必须和当初打开时的完全匹配，否则END模块产生的输出会和以前的输出一起被sort分类。

条件语句：

awk中的条件语句是从C语言中借鉴来的，见如下声明方式：

if (expression) {

statement;

... ...

}

/> awk '{if ($6 > 50)

print $1 "Too hign"}' filename

/> awk '{if ($6 > 20 && $6 <= 50) {

safe++; print "OK}}' filename

if (expression) {

statement;

} else {

statement2;

}

/> awk '{if ($6 > 50) print $1 " Too high"; else print "Range is OK" }'

filename

/> awk '{if ($6

> 50) { count++; print $3 } else { x = 5; print $5 }'

filename

if (expression)

{

statement1;

} else if (expression1) {

statement2;

} else {

statement3;

}

/> awk '{if ($6 > 50)

print "$6 > 50" else if ($6 > 30) print "$6 > 30" else print "other"}'

filename

循环语句：

awk中的循环语句同样借鉴于C语言，支持while、do/while、for、break、continue，这些关键字的语义和C语言中的语义完全相同。

流程控制语句：

next语句是从文件中读取下一行，然后从头开始执行awk脚本。

exit语句用于结束awk程序。它终止对记录的处理。但是不会略过END模块，如果exit()语句被赋值0--255之间的参数，如exit(1)，这个参数就被打印到命令行，以判断退出成功还是失败。

6. 数组：

因

为awk中数组的下标可以是数字和字母，数组的下标通常被称为关键字(key)。值和关键字都存储在内部的一张针对key/value应用hash的表格

里。由于hash不是顺序存储，因此在显示数组内容时会发现，它们并不是按照你预料的顺序显示出来的。数组和变量一样，都是在使用时自动创建的，awk也

同样会自动判断其存储的是数字还是字符串。一般而言，awk中的数组用来从记录中收集信息，可以用于计算总和、统计单词以及跟踪模板被匹配的次数等等。

/> cat employees

Tom

Jones 4424 5/12/66 543354

Mary Adams 5346

11/4/63 28765

Sally Chang 1654 7/22/54

650000

Billy Black 1683 9/23/44 336500

/> awk '{name[x++] = $2}; END{for (i = 0; i <

NR; i++) print i, name[i]}' employees

0 Jones

Adams

2 Chang

3 Black

在上例中，数组name的下标是变量x。awk初始化该变量的值为0，在每次使用后自增1，读取文件中的第二个域的值被依次赋值给name数组的各个元素。在END模块中，for循环遍历数组的值。因为下标是关键字，所以它不一定从0开始，可以从任何值开始。

#这里是用内置变量NR作为数组的下标了。

/> awk '{id[NR]

= $3}; END {for (x = 1; x <= NR; x++) print id[x]}'

employees

4424

5346

1654

1683

awk中还提供了一种special for的循环，见如下声明：

for (item

in arrayname) {

arrayname[item]

}

/> cat

Tom Jones

Mary Adams

Sally Chang

Billy Black

Tom Savage

Tom Chung

Reggie Steel

Tommy

Tucker

/> awk

'/^Tom/{name[NR]=$1}; END {for(i = 1;i <= NR; i++) print name[i]}'

Tom

Tommy

从输出结果可以看出，只有匹配正则表达式的记录的第一个域被赋值给数组name的指定下标元素。因为用NR作为下标，所以数组的下标不可能是连续的，因

此在END模块中用传统的for循环打印时，不存在的元素就打印空字符串了。下面我们看看用special for的方式会有什么样的输出。

/> awk '/^Tom/{name[NR]=$1};END{for(i in name)

print name[i]}' db

Tom

Tommy

Tom

下面我们看一下用字符串作为下标的例子：(如果下标是字符串文字常量，则需要用双引号括起来)

/> cat testfile2

tom

mary

sean

tom

mary

bob

mary

alex

/> awk

'/tom/{count["tom"]++}; /mary/{count["mary"]++}; END{print "There are "

count["tom"]

" Toms

and " count["mary"] " Marys in the file."} testfile2

There

are 2 Toms and 4 Marys in the file.

在上例中，count数组有两个元素，下标分别为tom和mary，每一个元素的初始值都是0，没有tom被匹配的时候，count["tom"]就会加一，count["mary"]在匹配mary的时候也同样如此。END模块中打印出存储在数组中的各个元素。

/> awk '{count[$1]++}; END{for(name in count)

printf "%-5s%dn",name, count[name]}' testfile2

mary 4

tom 2

alex 1

bob 1

sean 1

在上例中，awk是以记录的域作为数组count的下标。

awk '{count[$1]++; if (count[$1] > 1) name[$1]++}; END{print "The duplicates

were "; for(i in name) print i}' testfile2

The duplicates

were

mary

tom

在上例中，如count[$1]的元素值大于1的时候，也就是当名字出现多次的时候，一个新的数组name将被初始化，最后打印出那么数组中重复出现的名字下标。

之前我们介绍的都是如何给数组添加新的元素，并赋予初值，现在我们需要介绍一下如何删除数组中已经存在的元素。要完成这一功能我们需要使用内置函数delete，见如下命令：

/> awk '{count[$1]++};

END{for(name in count)

{

(count[name] == 1)

delete count[name];

}

for (name in count)

print name}'

testfile2

mary

tom

上例中的主要技巧来自END模块，先是变量count数组，如果数组中某个元素的值等于1，则删除该元素，这样等同于删除只出现一次的名字。最后用special

for循环打印出数组中仍然存在的元素下标名称。

最后我们来看一下如何使用命令行参数数组，见如下命令：

/> awk 'BEGIN {for(i = 0; i < ARGC; i++)

printf("argv[%d] is %s.n",i,ARGV[i]); printf("The number of arguments,

ARGC=%dn",ARGC)}' testfile "Peter Pan" 12

argv[0] is

awk.

argv[1] is testfile.

argv[2] is Peter Pan.

argv[3] is

12.

The number of arguments, ARGC=4

从输出结果可以看出，命令行参数数组ARGV是以0作为起始下标的，命令行的第一个参数为命令本身(awk)，这个使用方式和C语句main函数完全一致。

/> awk 'BEGIN{name=ARGV[2]; print "ARGV[2] is "

ARGV[2]}; $1 ~ name{print $0}' testfile2 "bob"

ARGV[2] is

bob

awk: (FILENAME=testfile2 FNR=9) fatal: cannot open file

`bob' for reading (No such file or directory)

先解释一下以上命令的含义，name变量被赋值为命令行的第三个参数，即bob，之后再在输入文件中找到匹配该变量值的记录，并打印出该记录。

在输出的第二行报出了awk的处理错误信息，这主要是因为awk将bob视为输入文件来处理了，然而事实上这个文件并不存在，下面我们需要做进一步的处理来修正这个问题。

/> awk 'BEGIN{name=ARGV[2]; print "ARGV[2] is "

ARGV[2]; delete ARGV[2]}; $1 ~ name{print $0}' testfile2 "bob"

ARGV[2] is bob

bob

从输出结果中我们可以看到我们得到了我们想要的结果。需要注意的是delete函数的调用必要要在BEGIN模块中完成，因为这时awk还没有开始读取命令行参数中指定的文件。

内建函数：

字符串函数

sub(regular expression,substitution

string);

sub(regular

expression,substitution string,target string);

/> awk '{sub("Tom","Tommy"); print}' employees

#这里使用Tommy替换了Tom。

Tommy Jones 4424 5/12/66

543354

#当正则表达式Tom在第一个域中第一次被匹配后，他将被字符串"Tommy"替换，如果将sub函数的第三个参数改为$2，将不会有替换发生。

/> awk '{sub("Tom","Tommy",$1); print}'

employees

Tommy Jones 4424 5/12/66

543354

gsub(regular

expression,substitution string);

gsub(regular expression,substitution string,target string);

和sub不同的是，如果第一个参数中正则表达式在记录中出现多次，那么gsub将完成多次替换，而sub只是替换第一次出现的。

index(string,substring)

该函数将返回第二个参数在第一个参数中出现的位置，偏移量从1开始。

awk 'BEGIN{print index("hello","el")}'

length(string)

该函数返回字符串的长度。

/> awk 'BEGIN{print

length("hello")}'

substr(string,starting position)

substr(string,starting position,length of string)

该函数返回第一个参数的子字符串，其截取起始位置为第二个参数(偏移量为1)，截取长度为第三个参数，如果没有该参数，则从第二个参数指定的位置起，直到string的末尾。

/> awk 'BEGIN{name = substr("Hello World",2,3);

print name}'

ell

match(string,regular expression)

该函数返回在字符串中正则表达式位置的索引，如果找不到指定的正则表达式就返回0.match函数设置内置变量RSTART为字符串中子字符串的开始位置，RLENGTH为到字字符串末尾的字符个数。

/> awk 'BEGIN{start=match("Good ole CHINA",

/[A-Z]+$/); print start}'

上例中的正则表达式[A-Z]+$表示在字符串的末尾搜索连续的大写字母。在字符串"Good ole

CHINA"的第10个位置找到字符串"CHINA"。

/> awk

'BEGIN{start=match("Good ole CHINA", /[A-Z]+$/); print RSTART,

RLENGTH}'

10 5

RSTART表示匹配时的起始索引，RLENGTH表示匹配的长度。

/> awk 'BEGIN{string="Good ole CHINA";start=match(string, /[A-Z]+$/); print

substr(string,RSTART, RLENGTH)}'

CHINA

这里将match、RSTART、RLENGTH和substr巧妙的结合起来了。

toupper(string)

tolower(string)

以上两个函数分别返回参数字符串的大写和小写的形式。

/> awk 'BEGIN {print toupper("hello"); print

tolower("WORLD")}'

HELLO

world

split(string,array,field seperator)

split(string,array)

该函数使用作为第三个参数的域分隔符把字符串分隔为一个数组。如果第三个参数没有提供，则使用当前默认的FS值。

/> awk 'BEGIN{split("11/20/2011",date,"/"); print

date[2]}'

variable

= sprintf("string with format specifiers ",expr1,expr2,...)

该函数和printf的差别等同于C语言中printf和sprintf的差别。前者将格式化后的结果输出到输出流，而后者输出到函数的返回值中。

/> awk 'BEGIN{line = sprintf("%-15s %6.2f ",

"hello",4.2); print line}'

hello 4.20

时间函数：

systime()

该函数返回当前时间距离1970年1月1日之间相差的秒数。

/> awk

'BEGIN{print systime()}'

1321369554

strftime()

时间格式化函数，其格式化规则等同于C语言中的strftime函数提供的规则，见以下列表：

数据格式

含义

Abbreviated weekday

name

Full weekday

name

Abbreviated month

name

Full month

name

Date and time representation

appropriate for locale

Day of month as decimal number

(01 – 31)

Hour in 24-hour format (00 –

23)

Hour in 12-hour format (01 –

12)

Day of year as decimal number

(001 – 366)

Month as decimal number (01 –

12)

Minute as decimal number (00 –

59)

Current locale's A.M./P.M.

indicator for 12-hour clock

Second as decimal number (00 –

59)

Week of year as decimal

number, with Sunday as first day of week (00 – 53)

Weekday as decimal number (0 –

6; Sunday is 0)

Week of year as decimal

number, with Monday as first day of week (00 – 53)

Date representation for

current locale

Time representation for

current locale

Year without century, as

decimal number (00 – 99)

Year with century, as decimal

number

/> awk 'BEGIN{ print

strftime("%D",systime())}'

11/15/11

/> awk 'BEGIN{ now = strftime("%T"); print

now}'

23:17:29

内置数学函数：

名称

返回值

atan2(x,y)

y,x范围内的余切

cos(x)

余弦函数

exp(x)

求幂

int(x)

取整

log(x)

自然对数

sin(x)

正弦函数

sqrt(x)

平方根

/> awk 'BEGIN{print

31/3}'

10.3333

awk 'BEGIN{print int(31/3)}'

自定义函数：

自定义函数可以放在awk脚本的任何可以放置模板和动作的地方。

function

name(parameter1,parameter2,...) {

statements

return

expression

}

给函数中本地变量传递值。只使用变量的拷贝。数组通过地址或者指针传递，所以可以在函数内部直接改变数组元素的值。函数内部使用的任何没有作为参数传递

的变量都被看做是全局变量，也就是这些变量对于整个程序都是可见的。如果变量在函数中发生了变化，那么就是在整个程序中发生了改变。唯一向函数提供本地变

量的办法就是把他们放在参数列表中，这些参数通常被放在列表的最后。如果函数调用没有提供正式的参数，那么参数就初始化为空。return语句通常就返回

程序控制并向调用者返回一个值。

/> cat

grades

20 10

30 20

40 30

/> cat add.sc

function add(first,second) {

return first + second

}

{ print

add($1,$2) }

/> awk -f

add.sc grades

推荐文章：

CentOS Shell常用技巧 awk编程,centosawk变量的类型可以是数字