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
awk[options]'script'var=valuefile(s)
awk[options]-fscriptfilevar=valuefile(s)
常用命令选项
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
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。
awk'BEGIN{i=0}{i++}END{printi}'filename
awk"BEGIN{i=0}{i++}END{printi}"filename
awk执行过程分析
第一步: 执行
BEGIN { commands } pattern
语句块中的语句第二步: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 $NF
答应一行中最后一个字段OFMT : 数字的输出格式(默认值是%.6g)。
OFS : 输出字段分隔符(默认值是一个空格)。
ORS : 输出记录分隔符(默认值是一个换行符)。
RS : 记录分隔符(默认是一个换行符)。
RSTART : 由match函数所匹配的字符串的第一个位置。
RLENGTH : 由match函数所匹配的字符串的长度。
SUBSEP : 数组下标分隔符(默认值是34)。
将外部变量值传递给awk
借助
-v
选项,可以将来自外部值(非stdin)传递给awkVAR=10000
echo | awk -v VARIABLE=$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
循环结构
for循环
for(变量in数组)
{语句}
-
for(变量;条件;表达式)
{语句}
while循环
while(表达式)
{语句}
do...while循环
do
{语句}while(条件)
其他相关语句
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。
awk'BEGIN{
Array[1]="sun"
Array[2]="kai"
Array["first"]="www"
Array["last"]="name"
Array["birth"]="1987"
info="itisatest";
lens=split(info,tA,"");
for(itemintA)
{printtA[item];}
for(i=1;i<=lens;i++)
{printtA[i];}
printlength(tA[lens]);
}{
print"iteminarray";
for(iteminArray){printArray[item]};
print"printini++";
for(i=1;i<=length(Array);i++){printArray[i]};
}'
获取数组长度
awk'BEGIN{
info="itisatest";
lens=split(info,"");#使用split函数获取数组长度
printlength(tA),lens;#使用length函数获取数组长度(版本有要求)
}'
**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。
#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。
awk'BEGIN{
tB["a"]="a1";
tB["b"]="b1";
if(tB["c"]!="1"){#tB["c"]没有定义,但是循环的时候会输出
print"nofound";
};
for(kintB){
printk,tB[k];
}}'
-
#正确的判定方法:使用if(keyinarray)判断数组中是否包含键值
awk'BEGIN{
tB["a"]="a1";
tB["b"]="b1";
if("c"intB){
print"ok";
};
for(kintB){
printk,tB[k];
}}'
awk'BEGIN{
tB["a"]="a1";
tB["b"]="b1";
deletetB["a"];
for(kintB){
printk,tB[k];
}}'
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。
awk'BEGIN{
for(i=1;i<=9;i++){
for(j=1;j<=9;j++){
tarr[i,j]=i*j;
printi,"*",j,"=",tarr[i,j];
}
}
}'
-
awk'BEGIN{
for(i=1;i<=9;i++){
for(j=1;j<=9;j++){
tarr[i,j]=i*j;}}
for(mintarr){
split(m,tarr2,SUBSEP);
printtarr2[1],tarr2[2],tarr[m];}}'
内置函数
算术函数
@H_403_1112@awk'BEGIN{
OFMT="%.3f";#OFMT设置输出数据格式是保留3位小数。
fs=sin(1);
fe=exp(10);
fl=log(10);
fi=int(3.1415);
printfs,fe,fl,fi;
}'
输出结果为:0.84122026.4662.3033
-
awk'BEGIN{
srand();
fr=int(100*rand());
printfr;
}'
输出:78
字符串函数
@H_403_1112@说明: Ere都可以是正则表达式。
时间函数
@H_403_1112@strftime日期和时间格式说明符 :
@H_403_1112@#mktime使用
awk'BEGIN{tstamp=mktime("20010101121212");printstrftime("%c",tstamp);}'
输出:2001年01月01日星期一12时12分12秒
-
awk'BEGIN{tstamp1=mktime("20010101121212");tstamp2=mktime("20010201000");printtstamp2-tstamp1;}'
输出:2634468
-
#求2个时间段中间时间差,介绍了strftime使用方法
awk'BEGIN{tstamp1=mktime("20010101121212");tstamp2=systime();printtstamp2-tstamp1;}'
输出:308201392
-
其他一般函数
@H_403_1112@-
awk'BEGIN{while("cat/etc/passwd"|getline){print$0;};close("/etc/passwd");}'
输出:root:x:0:0:root:/root:/bin/bashbin:x:1:1:bin:/bin:/sbin/nologindaemon:x:2:2:daemon:/sbin:/sbin/nologin
-
-
awk'BEGIN{while(getline<"/etc/passwd"){print$0;};close("/etc/passwd");}'
输出:root:x:0:0:root:/root:/bin/bashbin:x:1:1:bin:/bin:/sbin/nologindaemon:x:2:2:daemon:/sbin:/sbin/nologin
-
awk'BEGIN{print"Enteryourname:";getlinename;printname;}'
Enteryourname:
chengmo
chengmo
-
#调用外部应用程序(system使用方法)b返回值,是执行结果。
awk'BEGIN{b=system("ls-al");printb;}'
输出:total42092drwxr-xr-x14chengmochengmo409609-3017:47.drwxr-xr-x95rootroot409610-0814:01..