码迷，mamicode.com
首页 > 其他好文 > 详细

awk

时间：2018-02-07 10:20:40      阅读：177      评论：0      收藏：0      [点我收藏+]

标签：输入输出   语句块   -bash   字段   组成   key   部分   www   定向   

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

  1. awk [options] ‘script‘ var=value file(s) 
  2. awk [options] -f scriptfile var=value file(s) 

常用命令选项

  • -F fs fs 指定输入分隔符，fs可以时字符串或正则表达式

  • -v var=value 赋值一个用户定义变量，将外部变量传递给awk

  • -f scriptfile 从脚本文件中读取awk命令

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

  1. 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。

  1. awk ‘BEGIN{ i=0 } { i++ } END{ print i }‘ filename  
  2. awk "BEGIN{ i=0 } { i++ } END{ print i }" filename 

awk执行过程分析

  • 第一步： 执行BEGIN { commands } pattern 语句块中的语句

    BEGIN语句块：在awk开始从输入输出流中读取行之前执行，在BEGIN语句块中执行如变量初始化，打印输出表头等操作。

  • 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awk

    VAR=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

  • 打开文件 open("filename")

  • 关闭文件 close("filename")

  • 输出到文件 重定向到文件，如echo | awk ‘{printf("hello word!n") > "datafile"}‘

循环结构

for循环

  1. for(变量 in 数组)  
  2. {语句} 
  3.  
  4. for(变量;条件;表达式) 
  5. {语句} 

while循环

  1. while(表达式) 
  2.     {语句} 

do...while循环

  1. do  
  2. {语句} while(条件) 

其他相关语句

  • break：退出程序循环

  • continue: 进入下一次循环

  • next：读取下一个输入行

  • exit：退出主输入循环，进入END，若没有END或END中有exit语句，则退出脚本。

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。

  1. awk ‘BEGIN{ 
  2.         Array[1]="sun"  
  3.         Array[2]="kai" 
  4.         Array["first"]="www"  
  5.         Array["last"]="name"  
  6.         Array["birth"]="1987" 
  7.          
  8.         info = "it is a test"; 
  9.         lens = split(info,tA," "); 
  10.         for(item in tA) 
  11.         {print tA[item];} 
  12.         for(i=1;i<=lens;i++) 
  13.         {print tA[i];} 
  14.         print length(tA[lens]); 
  15.         } { 
  16.         print "item in array"; 
  17.         for(item in Array) {print Array[item]}; 
  18.         print "print in i++"; 
  19.         for(i=1;i<=length(Array);i++) {print Array[i]};   
  20.         }‘ 

  • 获取数组长度

  1. awk ‘BEGIN{ 
  2.         info="it is a test"; 
  3.         lens=split(info,tA," ");    #使用split函数获取数组长度 
  4.         print length(tA),lens;      #使用length函数获取数组长度（版本有要求） 
  5.         }‘ 
**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。

  • 输出数组内容

    • 有序输出 for...in

      因为数组时关联数组，默认是无序的

    • 无序输出 for(i=1;i<l=ens;i++)

      数组下标从1开始

  • 判断键值是否存在

  1. #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。 
  2. awk ‘BEGIN{ 
  3.     tB["a"]="a1"; 
  4.     tB["b"]="b1"; 
  5.     if(tB["c"]!="1"){   #tB["c"]没有定义，但是循环的时候会输出 
  6.         print "no found"; 
  7.     }; 
  8.     for(k in tB){ 
  9.         print k,tB[k]; 
  10.     }}‘ 
  11.  
  12. #正确的判定方法：使用 if ( key in array) 判断数组中是否包含 键值 
  13. awk ‘BEGIN{ 
  14.         tB["a"]="a1"; 
  15.         tB["b"]="b1"; 
  16.         if( "c" in tB){ 
  17.             print "ok"; 
  18.         }; 
  19.         for(k in tB){ 
  20.             print k,tB[k]; 
  21.         }}‘ 

  • 删除键值
    delete array[key]可以删除，对应数组key的，序列值。

  1. awk ‘BEGIN{ 
  2.         tB["a"]="a1"; 
  3.         tB["b"]="b1"; 
  4.         delete tB["a"]; 
  5.         for(k in tB){ 
  6.             print k,tB[k]; 
  7.         }}‘ 

  • 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。

  1. awk ‘BEGIN{  
  2.     for(i=1;i<=9;i++){  
  3.         for(j=1;j<=9;j++){  
  4.             tarr[i,j]=i*j;  
  5.             print i,"*",j,"=",tarr[i,j];  
  6.             } 
  7.         } 
  8.      }‘ 
  9.  
  10. awk ‘BEGIN{  
  11.         for(i=1;i<=9;i++){  
  12.             for(j=1;j<=9;j++){  
  13.                     tarr[i,j]=i*j; } } 
  14.         for(m in tarr){  
  15.             split(m,tarr2,SUBSEP);  
  16.             print tarr2[1],"*",tarr2[2],"=",tarr[m]; } }‘ 

内置函数

算术函数

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 幂函数。
log( x ) 返回 x 的自然对数。
sqrt( x ) 返回 x 平方根。
int( x ) 返回 x 的截断至整数的值。
rand( ) 返回任意数字 n，其中 0 <= n < 1。
srand( [expr] ) 将 rand 函数的种子值设置为 Expr 参数的值，或如果省略 Expr 参数则使用某天的时间。返回先前的种子值。
  1. awk ‘BEGIN{ 
  2.         OFMT="%.3f";    #OFMT 设置输出数据格式是保留3位小数。 
  3.         fs=sin(1); 
  4.         fe=exp(10); 
  5.         fl=log(10); 
  6.         fi=int(3.1415); 
  7.         print fs,fe,fl,fi; 
  8.         }‘ 
  9. 输出结果为：0.841 22026.466 2.303 3 
  10.  
  11. awk ‘BEGIN{ 
  12.         srand(); 
  13.         fr=int(100*rand()); 
  14.         print fr; 
  15.         }‘  
  16. 输出：78 

字符串函数

格式描述
gsub( Ere, Repl, [ In ] ) 除了正则表达式所有具体值被替代这点，它和 sub 函数完全一样地执行。
sub( Ere, Repl, [ In ] ) 用 Repl 参数指定的字符串替换 In 参数指定的字符串中的由 Ere 参数指定的扩展正则表达式的第一个具体值。sub 函数返回替换的数量。出现在 Repl 参数指定的字符串中的 &（和符号）由 In 参数指定的与 Ere 参数的指定的扩展正则表达式匹配的字符串替换。如果未指定 In 参数，缺省值是整个记录（$0 记录变量）。
index( String1, String2 ) 在由 String1 参数指定的字符串（其中有出现 String2 指定的参数）中，返回位置，从 1 开始编号。如果 String2 参数不在 String1 参数中出现，则返回 0（零）。
length [(String)] 返回 String 参数指定的字符串的长度（字符形式）。如果未给出 String 参数，则返回整个记录的长度（$0 记录变量）。
blength [(String)] 返回 String 参数指定的字符串的长度（以字节为单位）。如果未给出 String 参数，则返回整个记录的长度（$0 记录变量）。
substr( String, M, [ N ] ) 返回具有 N 参数指定的字符数量子串。子串从 String 参数指定的字符串取得，其字符以 M 参数指定的位置开始。M 参数指定为将 String 参数中的第一个字符作为编号 1。如果未指定 N 参数，则子串的长度将是 M 参数指定的位置到 String 参数的末尾 的长度。
match( String, Ere ) 在 String 参数指定的字符串（Ere 参数指定的扩展正则表达式出现在其中）中返回位置（字符形式），从 1 开始编号，或如果 Ere 参数不出现，则返回 0（零）。RSTART 特殊变量设置为返回值。RLENGTH 特殊变量设置为匹配的字符串的长度，或如果未找到任何匹配，则设置为 -1（负一）。
tolower( String ) 返回 String 参数指定的字符串，字符串中每个大写字符将更改为小写。大写和小写的映射由当前语言环境的 LC_CTYPE 范畴定义。
toupper( String ) 返回 String 参数指定的字符串，字符串中每个小写字符将更改为大写。大写和小写的映射由当前语言环境的 LC_CTYPE 范畴定义。
sprintf(Format, Expr, Expr, . . . ) 根据 Format 参数指定的 printf 子例程格式字符串来格式化 Expr 参数指定的表达式并返回最后生成的字符串。

说明： Ere都可以是正则表达式。

时间函数

格式描述
mktime( YYYY MM dd HH MM ss[ DST]) 生成时间格式
strftime([format [, timestamp]]) 格式化时间输出，将时间戳转为时间字符串 具体格式，见下表.
systime() 得到时间戳,返回从1970年1月1日开始到当前时间(不计闰年)的整秒数

strftime日期和时间格式说明符 :

格式描述
%a 星期几的缩写(Sun)
%A 星期几的完整写法(Sunday)
%b 月名的缩写(Oct)
%B 月名的完整写法(October)
%c 本地日期和时间
%d 十进制日期
%D 日期 08/20/99
%e 日期，如果只有一位会补上一个空格
%H 用十进制表示24小时格式的小时
%I 用十进制表示12小时格式的小时
%j 从1月1日起一年中的第几天
%m 十进制表示的月份
%M 十进制表示的分钟
%p 12小时表示法(AM/PM)
%S 十进制表示的秒
%U 十进制表示的一年中的第几个星期(星期天作为一个星期的开始)
%w 十进制表示的星期几(星期天是0)
%W 十进制表示的一年中的第几个星期(星期一作为一个星期的开始)
%x 重新设置本地日期(08/20/99)
%X 重新设置本地时间(12：00：00)
%y 两位数字表示的年(99)
%Y 当前月份
%Z 时区(PDT)
%% 百分号(%)
  1. #mktime使用 
  2. awk ‘BEGIN{tstamp=mktime("2001 01 01 12 12 12");print strftime("%c",tstamp);}‘  
  3. 输出：2001年01月01日 星期一 12时12分12秒  
  4.  
  5. awk ‘BEGIN{tstamp1=mktime("2001 01 01 12 12 12");tstamp2=mktime("2001 02 01 0 0 0");print tstamp2-tstamp1;}‘  
  6. 输出：2634468  
  7.  
  8. #求2个时间段中间时间差，介绍了strftime使用方法 
  9. awk ‘BEGIN{tstamp1=mktime("2001 01 01 12 12 12");tstamp2=systime();print tstamp2-tstamp1;}‘  
  10. 输出：308201392 
  11.  

其他一般函数

格式描述
close( Expression ) 用同一个带字符串值的 Expression 参数来关闭由 print 或 printf 语句打开的或调用getline 函数打开的文件或管道。如果文件或管道成功关闭，则返回 0；其它情况下返回非零值。如果打算写一个文件，并稍后在同一个程序中读取文件，则 close 语句是必需的。
system(command ) 执行 Command 参数指定的命令，并返回退出状态。等同于 system 子例程。
Expression | getline [ Variable ] 从来自 Expression 参数指定的命令的输出中通过管道传送的流中读取一个输入记录，并将该记录的值指定给 Variable 参数指定的变量。如果当前未打开将 Expression 参数的值作为其命令名称的流，则创建流。创建的流等同于调用 popen 子例程，此时 Command 参数取 Expression 参数的值且 Mode 参数设置为一个是 r 的值。只要流保留打开且 Expression 参数求得同一个字符串，则对 getline 函数的每次后续调用读取另一个记录。如果未指定 Variable 参数，则 $0 记录变量和 NF 特殊变量设置为从流读取的记录。
getline [ Variable ] < Expression 从 Expression 参数指定的文件读取输入的下一个记录，并将 Variable 参数指定的变量设置为该记录的值。只要流保留打开且 Expression 参数对同一个字符串求值，则对 getline 函数的每次后续调用读取另一个记录。如果未指定 Variable 参数，则 $0 记录变量和 NF 特殊变量设置为从流读取的记录。
getline [ Variable ] 将 Variable 参数指定的变量设置为从当前输入文件读取的下一个输入记录。如果未指定 Variable 参数，则 $0 记录变量设置为该记录的值，还将设置 NF、NR 和 FNR 特殊变量。
  1. #打开外部文件（close用法） 
  2. awk ‘BEGIN{while("cat /etc/passwd"|getline){print $0;};close("/etc/passwd");}‘  
  3. 输出: root:x:0:0:root:/root:/bin/bash bin:x:1:1:bin:/bin:/sbin/nologin daemon:x:2:2:daemon:/sbin:/sbin/nologin  
  4.  
  5. #逐行读取外部文件(getline使用方法）  
  6. awk ‘BEGIN{while(getline < "/etc/passwd"){print $0;};close("/etc/passwd");}‘  
  7. 输出：root:x:0:0:root:/root:/bin/bash bin:x:1:1:bin:/bin:/sbin/nologin daemon:x:2:2:daemon:/sbin:/sbin/nologin  
  8.  
  9. awk ‘BEGIN{print "Enter your name:";getline name;print name;}‘ 
  10. Enter your name:  
  11. chengmo  
  12. chengmo  
  13.  
  14. #调用外部应用程序(system使用方法） b返回值，是执行结果。 
  15. awk ‘BEGIN{b=system("ls -al");print b;}‘  
  16. 输出： total 42092 drwxr-xr-x 14 chengmo chengmo 4096 09-30 17:47 . drwxr-xr-x 95 root root 4096 10-08 14:01 ..  
  17.  

awk

标签：输入输出   语句块   -bash   字段   组成   key   部分   www   定向   

原文地址：https://www.cnblogs.com/demonxian3/p/8425247.html
踩
(0)
赞
(0)
   
举报
评论 一句话评论（0）
登录后才能评论！
分享档案
更多>
2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)
周排行
mamicode.com排行更多图片
更多
友情链接
兰亭集智   国之画   百度统计   站长统计   阿里云   chrome插件   新版天听网
关于我们 - 联系我们 - 留言反馈
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码！