shell 文本处理之 awk

awk是一个处理文本的编程语言工具，能用简短的程序处理标准输入或文件、数据排序、计算以及生成报表等等。
基本的命令语法：awk option ‘pattern {action}‘ file
其中pattern表示AWK在数据中查找的内容，而action是在找到匹配内容时所执行的一系列命令。花括号用于根据特定的模式对一系列指令进行分组。
awk处理的工作方式与数据库类似，支持对记录和字段处理，这也是grep和sed不能实现的。
在awk中，缺省的情况下将文本文件中的一行视为一个记录，逐行放到内存中处理，而将一行中的某一部分作为记录中的一个字段。用1,2,3...数字的方式顺序的表示行（记录）中的不同字段。用$后跟数字，引用对应的字段，以逗号分隔，0表示整个行。
在Linux系统下默认awk是gawk，它是awk的GNU版本。可以通过命令查看应用的版本：ls -l /bin/awk
选项

描述

-f program-file

从文件中读取awk程序源文件

-F fs

指定fs为输入字段分隔符

-v var=value

变量赋值

--posix

兼容POSIX正则表达式

--dump-variables=[file]

把awk命令时的全局变量写入文件，

默认文件是awkvars.out

--profile=[file]

格式化awk语句到文件，默认是awkprof.out

模式
常用模式有：

Pattern

Description

BEGIN{ }

给程序赋予初始状态，先执行的工作

END{ }

程序结束之后执行的一些扫尾工作

/regular  expression/

为每个输入记录匹配正则表达式

pattern &&  pattern

逻辑and，满足两个模式

pattern || pattern

逻辑or，满足其中一个模式

! pattern

逻辑not，不满足模式

pattern1, pattern2

范围模式，匹配所有模式1的记录，直到匹配到模式2

而动作呢，就是下面所讲的print、流程控制、I/O语句等。

示例：

1）从文件读取awk程序处理文件

# vi test.awk
{print$2}
# tail -n3 /etc/services |awk -f test.awk
48049/tcp
48128/tcp
49000/tcp
2）指定分隔符，打印指定字段 

打印第二字段，默认以空格分隔：
# tail -n3 /etc/services |awk ‘{print $2}‘
48049/tcp
48128/tcp
48128/udp
指定冒号为分隔符打印第一字段：
# awk-F ‘:‘ ‘{print $1}‘ /etc/passwd
root
bin
daemon
adm
lp
sync
......
还可以指定多个分隔符，作为同一个分隔符处理：

# tail -n3 /etc/services |awk -F‘[/#]‘ ‘{print $3}‘   
 iqobject
 iqobject
 MatahariBroker
# tail -n3 /etc/services |awk -F‘[/#]‘ ‘{print $1}‘
iqobject       48619
iqobject       48619
matahari       49000
# tail -n3 /etc/services |awk -F‘[/#]‘ ‘{print $2}‘
tcp              
udp              
tcp              
# tail -n3 /etc/services |awk -F‘[/#]‘ ‘{print $3}‘
 iqobject
 iqobject
 MatahariBroker
# tail -n3 /etc/services |awk -F‘[ /]+‘ ‘{print $2}‘
48619
48619
49000
[]元字符的意思是符号其中任意一个字符，也就是说每遇到一个/或#时就分隔一个字段，当用多个分隔符时，就能更方面处理字段了。

3）变量赋值

# awk-v a=123 ‘BEGIN{print a}‘   
123
系统变量作为awk变量的值：
#a=123
# awk-v a=$a ‘BEGIN{print a}‘   
123
或使用单引号
# awk‘BEGIN{print ‘$a‘}‘   
123
4）输出awk全局变量到文件

# seq 5|awk --dump-variables ‘{print $0}‘
1
2
3
4
5
# cat awkvars.out                         
ARGC:number (1)
ARGIND:number (0)
ARGV:array, 1 elements
BINMODE:number (0)
CONVFMT:string ("%.6g")
ERRNO:number (0)
FIELDWIDTHS:string ("")
FILENAME:string ("-")
FNR:number (5)
FS:string (" ")
IGNORECASE:number (0)
LINT:number (0)
NF:number (1)
NR:number (5)
OFMT:string ("%.6g")
OFS:string (" ")
ORS:string ("\n")
RLENGTH:number (0)
RS:string ("\n")
RSTART:number (0)
RT:string ("\n")
SUBSEP:string ("\034")
TEXTDOMAIN:string ("messages")
5）BEGIN和END

BEGIN模式是在处理文件之前执行该操作，常用于修改内置变量、变量赋值和打印输出的页眉或标题。

例如：打印页眉

# tail /etc/services |awk ‘BEGIN{print"Service\t\tPort\t\t\tDescription\n==="}{print $0}‘
Service        Port                   Description
===
3gpp-cbsp      48049/tcp              # 3GPP Cell Broadcast Service 
isnetserv      48128/tcp              # Image Systems Network Services
isnetserv      48128/udp              # Image Systems Network Services
blp5          48129/tcp              # Bloomberg locator
blp5          48129/udp              # Bloomberg locator
com-bardac-dw    48556/tcp              # com-bardac-dw
com-bardac-dw    48556/udp              # com-bardac-dw
iqobject       48619/tcp               #iqobject
iqobject       48619/udp              # iqobject
matahari       49000/tcp              # Matahari Broker
END模式是在程序处理完才会执行。

例如：打印页尾

# tail /etc/services |awk ‘{print $0}END{print "===\nEND......"}‘
3gpp-cbsp      48049/tcp              # 3GPP Cell Broadcast Service 
isnetserv      48128/tcp              # Image Systems Network Services
isnetserv      48128/udp              # Image Systems Network Services
blp5          48129/tcp              # Bloomberg locator
blp5          48129/udp              # Bloomberg locator
com-bardac-dw    48556/tcp              # com-bardac-dw
com-bardac-dw    48556/udp              # com-bardac-dw
iqobject       48619/tcp              # iqobject
iqobject       48619/udp              # iqobject
matahari       49000/tcp              # Matahari Broker
===
END......
6）格式化输出awk命令到文件

# tail /etc/services |awk --profile ‘BEGIN{print"Service\t\tPort\t\t\tDescription\n==="}{print $0}END{print"===\nEND......"}‘
Service         Port                    Description
===
nimgtw          48003/udp               # Nimbus Gateway
3gpp-cbsp       48049/tcp               # 3GPP Cell Broadcast ServiceProtocol
isnetserv       48128/tcp               # Image Systems Network Services
isnetserv       48128/udp               # Image Systems Network Services
blp5            48129/tcp               # Bloomberg locator
blp5            48129/udp               # Bloomberg locator
com-bardac-dw   48556/tcp               # com-bardac-dw
com-bardac-dw   48556/udp               # com-bardac-dw
iqobject        48619/tcp               # iqobject
iqobject        48619/udp               # iqobject
===
END......
# cat awkprof.out 
        # gawk profile, created Sat Jan  7 19:45:22 2017
 
        # BEGIN block(s)
 
        BEGIN {
                print"Service\t\tPort\t\t\tDescription\n==="
        }
 
        # Rule(s)
 
        {
                print $0
        }
 
        # END block(s)
 
        END {
                print "===\nEND......"
        }
7）/re/正则匹配

匹配包含tcp的行：
# tail /etc/services |awk ‘/tcp/{print $0}‘   
3gpp-cbsp      48049/tcp              # 3GPP Cell Broadcast Service 
isnetserv      48128/tcp              # Image Systems Network Services
blp5          48129/tcp              # Bloomberg locator
com-bardac-dw    48556/tcp              # com-bardac-dw
iqobject       48619/tcp              # iqobject
matahari       49000/tcp              # Matahari Broker
匹配开头是blp5的行：
# tail /etc/services |awk ‘/^blp5/{print $0}‘   
blp5          48129/tcp              # Bloomberg locator
blp5          48129/udp              # Bloomberg locator
匹配第一个字段是8个字符的行：
# tail /etc/services |awk ‘/^[a-z0-9]{8} /{print $0}‘
iqobject       48619/tcp              # iqobject
iqobject       48619/udp              # iqobject
matahari       49000/tcp              # Matahari Broker
8）逻辑and、or和not

匹配记录中包含blp5和tcp的行：
#tail /etc/services |awk ‘/blp5/ && /tcp/{print $0}‘      
blp5          48129/tcp              # Bloomberg locator
匹配记录中包含blp5或tcp的行：
#tail /etc/services |awk ‘/blp5/ || /tcp/{print $0}‘       
3gpp-cbsp      48049/tcp              # 3GPP Cell Broadcast Service 
isnetserv      48128/tcp              # Image Systems Network Services
blp5          48129/tcp              # Bloomberg locator
blp5          48129/udp              # Bloomberg locator
com-bardac-dw    48556/tcp              # com-bardac-dw
iqobject       48619/tcp              # iqobject
matahari       49000/tcp              # Matahari Broker
不匹配开头是#和空行：
# awk‘! /^#/ && ! /^$/{print $0}‘ /etc/httpd/conf/httpd.conf
或
# awk‘! /^#|^$/‘ /etc/httpd/conf/httpd.conf  
或
# awk‘/^[^#]|"^$"/‘ /etc/httpd/conf/httpd.conf
9）匹配范围

# tail /etc/services |awk ‘/^blp5/,/^com/‘
blp5           48129/tcp              # Bloomberg locator
blp5           48129/udp              # Bloomberg locator
com-bardac-dw      48556/tcp              # com-bardac-dw




再续.....