文本處理三劍客之 awk

時間 2019-11-13

標籤文本處理劍客 awk 欄目 Linux 简体版

原文原文鏈接

GAWK：報告生成器，格式化文本輸出

　　　　awk [options] ‘program’ var=value file…
　　　　awk [options] -f programfile var=value file…
　　　　awk [options] 'BEGIN{ action;… } pattern{ action;… } END{ action;… }' file ... html

　　awk程序組成部分：mysql

　　　　BEGIN語句塊、可以使用模式匹配的通用語句塊、END語句塊sql

　　　　選項：
shell

　　　　　　-F：指明輸入時用到的字段分割符；
　　　　　　-v var=value：自定義變量
　　　　　　-f：指定awk腳本，從腳本中讀取programexpress

　　　　基本格式：數組

　　　　　　awk [options] 'program' file...
bash

　　　　　　program：pattern{action statements;...} 一般在單引號或雙引號中；
　　　　　　pattern與action：
　　　　　　　　pattern部分決定動做語句什麼時候觸發及事件
　　　　　　　　　　BEGIN：模式匹配以前要執行的動做post

　　　　　　　　　　END：模式匹配結束以後要執行的動做
url

　　　　　　　　action statements對數據進行處理，放在{}內指明；
　　　　　　　　　　print $0,$!.......$(NF-1)........$NF(最後一列)spa

　　　　分隔符,域,記錄：

　　　　　　awk執行時，由分隔符分隔的字段(域)標記$1,$2...$n稱爲域標識。$0爲全部域。
　　　　　　文件的每一行稱爲記錄；
　　　　　　省略action，則默認執行print $0的操做；

awk的工做原理：

　　1)、執行BEGIN{action;...}語句塊中的語句；
　　2)、從文件或標準輸入(stdin)讀取一行，而後執行pattern{action;...}語句塊，它會逐行掃描文件，從第一行到最後一行重複這個過程，知道文件被所有讀取完畢；
　　3)、當讀至輸入流末尾時，執行END{action;...}語句塊

　　BEGIN語句塊：在awk開始從輸入流中讀取行以前被執行，這是一個可選的語句塊，好比變量初始化、打印輸出表格的表頭等語句一般能夠寫在BEGIN語句塊中。

　　END語句塊：在awk從輸入流中讀取完全部的行以後即被執行，好比打印全部行的分析結果這類信息彙總都是在END語句塊中完成它也是一個可選語句塊

　　pattern語句塊中的通用命令是最重要的部分，也是可選的。若是沒有提供pattern語句塊，則默認執行{ print }，即打印每個讀取到的行，awk讀取的每一行都會執行該語句塊

　　　　print格式：print item1,item2,...
　　　　　　1)、逗號爲分隔符；
　　　　　　2)、輸出的個item能夠是字符串，也能夠是當前記錄的字段、變量或awk的表達式；
　　　　　　3)、如省略item，至關於print $0；

　　　　　awk '{print "hello,awk"}'
　　　　　awk –F: '{print}' /etc/passwd 　　　　　　　　# -F指定分割符爲  ：冒號
　　　　　awk –F: '{print 「wang」}' /etc/passwd 
　　　　

　　　　awk –F: '{print $1}' /etc/passwd 
　　　　awk –F: '{print $0}' /etc/passwd 
　　　　awk –F: '{print $1」\t」$3}' /etc/passwd 
　　　　tail –3 /etc/fstab |awk '{print $2,$4}'

　　　　變量：

　　　　　　FS：輸入字段分隔符，默認爲空白字符；

　　　　　　awk -v FS=':' '{print $1,FS,$3}' file

　　　　　　OFS：輸出字段分隔符，默認爲空白字符；指定輸出時的分隔符是什麼，通常能夠進行分隔符號替換，相似下面的ORS的做用

　　　　　　awk -v FS=':' -v OFS=':' '{print $1,$2,$3}' file

　　　　　　[root@mysql-141 ~]# awk -v FS=':' -v OFS='#' '{print $1,$2,$3}' /etc/passwd
　　　　　　root#x#0
　　　　　　bin#x#1
　　　　　　daemon#x#2
　　　　　　adm#x#3

　　　　　　RS：輸入記錄分隔符，指定輸入時的換行符，原換行符仍有效；

　　　　　　awk -v RS=' ' '{print}' file

　　　　　　ORS：輸出記錄分隔符，輸出時用指定符號代替換行符；

　　　　　　awk -v RS=' ' -v ORS='$$$' '{print}' file

　　　　　　NF：字段數量

　　　　　　awk -F: '{print NF}' file
　　　　　　awk -F: '{print $(NF-1)}' file
　　　　　　# 顯示文件的第一列，第三列，倒數第二列和最後一列

　　　　　　　　[root@mysql-141 ~]# awk -F : '{print $1,$2,$(NF-1),$NF}' /etc/passwd
　　　　　　　　root x /root /bin/bash
　　　　　　　　bin x /bin /sbin/nologin
　　　　　　　　daemon x /sbin /sbin/nologin
　　　　　　　　adm x /var/adm /sbin/nologin

　　　　　　NR：行號

　　　　　　awk -F: '{print NR,$1}' file   # 與FNR相似
　　　　　　awk END'{print NR}' file

　　　　　　[root@mysql-141 ~]# awk END'{print NR}' /etc/passwd　　#將文件內容讀取完成以後，統計行數
　　　　　　　26

　　　　　　awk 'NR==2,NR==6{print NR,$0}}' file　　#顯示文件2-6行

　　　　　　FNR：各文件的行號分別計數；

　　　　　　awk -F: '{print FNR,$1}' file1 file2...

　　　　　　[root@mysql-141 ~]# awk -F: '{print FNR,$1}' /etc/passwd
　　　　　　1 root
　　　　　　2 bin
　　　　　　3 daemon
　　　　　　4 adm
　　　　　　5 lp
　　　　　　6 sync
　　　　　　7 shutdown
　　　　　　8 halt

　　　　　　FILENAME：當前文件名；文件內容有多少行，awk就會輸出多少行

　　　　　awk '{print FILENAME}' FILE1 FILE2...

　　　　　　[root@mysql-141 ~]# awk '{print FILENAME}' /etc/passwd |wc -l
　　　　　　26
　　　　　　[root@mysql-141 ~]# wc -l /etc/passwd
　　　　　　26 /etc/passwd

　　　　　　ARGV：數組，保存的是命令行所給定的各參數；

　　　　　　awk 'BEGIN {print ARGV[0]}' /etc/fstab /etc/inittab 
　　　　　　awk 'BEGIN {print ARGV[1]}' /etc/fstab /etc/inittab

　　　　　　[root@mysql-141 ~]# awk 'BEGIN {print ARGV[1]}' /etc/fstab /etc/inittab　　　　　　# 至關於shell裏面的$1 $2 $3 的概念
　　　　　　/etc/fstab
　　　　　　[root@mysql-141 ~]# awk 'BEGIN {print ARGV[2]}' /etc/fstab /etc/inittab
　　　　　　/etc/inittab
　　　　　　[root@mysql-141 ~]# awk 'BEGIN {print ARGV[0]}' /etc/fstab /etc/inittab
　　　　　　awk
　　　　　　[root@mysql-141 ~]# awk 'BEGIN {print ARGV[3]}' /etc/fstab /etc/inittab

　　　　算術操做符：
　　　　　　x+y x-y x*y x/y x^y x%y
　　　　　　-x：轉換爲負數；
　　　　　　+x：轉換爲數值，變量經過+鏈接運算，自動強制將字符串轉爲整形，非數字變成0，發現第一個非數字字符，後面的自動忽略；

字符串操做符：沒有符號的操做符，字符串鏈接
　　　　賦值操做符：
　　　　　　

　　　　　　= += -= *= /= %= ^= ++ --

　　　　比較操做符：
　　　　　　

　　　　　　== != > >= < <=

　　　　模式匹配符：
　　　　　　~：左邊的內容是否被右邊的模式包含匹配

　　　　　　 !~：是否不匹配；

　　　　　[root@mysql-141 ~]# awk -F: '$0 ~ /root/{print $1}' /etc/passwd  　　# 以：爲分隔符，匹配所有內容包含root的行，打印第一列

　　　　　　　root
　　　　　　　operator

　　　　　　[root@mysql-141 ~]# awk '$0 ~ "^root"' /etc/passwd 　　　　　　# 匹配全部內容，期初以root開頭的行
　　　　　　　root:x:0:0:root:/root:/bin/bash　　

　　　　　　[root@mysql-141 ~]# awk -F: '$3==0' /etc/passwd　　　　　　　　# 匹配以冒號爲分隔符，第三列是0的行
　　　　　　root:x:0:0:root:/root:/bin/bash

cat >>/tmp/reg.txt<<EOF
Zhang    Dandan        41117397    :250:100:175
Zhang    Xiaoyu        390320151    :155:90:201
Meng    Feixue        80042789    :250:60:50
Wu    Waiwai        70271111    :250:80:75
Liu    Bingbing    41117483    :250:100:175
Wang    Xiaoai        3515064655    :50:95:135
Zi    Gege        1986787350    :250:168:200
Li    Youjiu        918391635    :175:75:300
Lao    Nanhai        918391635    :250:100:175
EOF

　　　　操做符：

　　　　　　與&&

　　　　　　或||

　　　　　　非！

示例：

[root@mysql-141 ~]# awk -F : '$3>=0 && $3<=1000 {print $1}' /etc/passwd
root
bin
daemon
adm
lp

[root@mysql-141 ~]# awk -F : '$3==0 || $3>=1000 {print $1}' /etc/passwd
root

[root@mysql-141 ~]# awk -F : '!($3==0) {print $1}' /etc/passwd
bin
daemon
adm
lp

[root@mysql-141 ~]# awk -F : '!($3>=500) {print $3}' /etc/passwd
0
1
2
3
4
5
6

　　　　awk PATTERN：
　　　　　　1)、若是未指定：空模式，匹配每一行；
　　　　　　2)、/regular expression/：僅處理可以被模式匹配到的行，須要用//括起來；

awk '/^UUID/{print $1}' /etc/passwd
awk '!/^UUID/{print $1}' /etc/passwd

　　　　　　3)、relational expression：關係表達式，結果未"真"纔會被處理；
　　　　　　　　真：結果爲非0值，非空字符串；
　　　　　　　　假：結果爲空字符串或0值；

awk -F : 'i=1;j=1{print i,j}' /etc/passwd 
awk '!0' /etc/passwd ; awk '!1' /etc/passwd 
awk –F : '$3>=1000{print $1,$3}' /etc/passwd 
awk -F : '$3<1000{print $1,$3}' /etc/passwd

[root@mysql-141 ~]# awk -F : '$NF=="/bin/bash"{print $1,$NF}' /etc/passwd
root /bin/bash
lipeng /bin/bash

[root@mysql-141 ~]# awk -F : '$NF ~ /nologin$/{print $1,$NF}' /etc/passwd
bin /sbin/nologin
daemon /sbin/nologin
adm /sbin/nologin
lp /sbin/nologin
mail /sbin/nologin
uucp /sbin/nologin

　　　　　　4)、line ranges：行範圍：
　　　　　　　　startline,endine：/pat1/,/pat2/　不支持直接給出數字格式：

[root@mysql-141 ~]# awk -F: '/^root\>/,/^nobody\>/{print $1}' /etc/passwd 
root
bin
daemon
adm
lp
nobody
[root@mysql-141 ~]# awk -F: '(NR>=10&&NR<=20){print NR,$1}' /etc/passwd
10 uucp
11 operator
12 games
13 gopher
14 ftp

　　awk數組概念:

預備知識: 瞭解兩種awk運算方法
　　　　1) 累加運算 1+1+1
　　　　　　i=i+1 i初始狀態爲0
　　　　　　i++
　　　　　　eg: 統計/etc/services文件中空行數量

　　　　　　第一個里程: 找出文件中空行信息
　　　　　　awk '/^$/' /etc/services

　　　　　　第二個里程: 統計空行數量
　　　　　　awk '/^$/{i=i+1;print i}' /etc/services

PS: awk中全部字符串信息都會識別爲變量名稱信息, 調取變量是不須要加上$符號
awk中想顯示指定字符串信息, 須要在字符串外面加上雙引號信息

[root@oldgirl ~]# awk '/^$/{i=i+1;print i}' /etc/services
1        #  i=i+1 i=0 i=0+1 --> i=1 
2 　　　　#  i=i+1 i=1 i=1+1 --> i=2
3 　　　　#  i=2 i=2+1 --> i=3
4
5
6
7
8
9
10
11
12
13
14
15
16


[root@oldgirl ~]# awk '/^$/{i=i+1}END{print i}' /etc/services　　# 將文件內容加載完以後，作出統計
16

　　　　2) 求和運算 10+20+5
　　　　　　　i=i+$n i的初始狀態爲0 $n取第幾列數值信息

[root@oldgirl ~]# seq 10|awk '{i=i+$0;print i}'
1 i=i+$0 i=0 $0=1 i=0+1 -- 1 1 
2 i=i+$0 i=1 $0=2 i=1+2 -- 3 3 
3 i=i+$0 i=3 $0=3 i=3+3 -- 6 6
4 10
5 15
6 21
7 28
8 36
9 45
10 55

　　[root@mysql-141 ~]# seq 10|awk '{i=i+$0;print i}'
　　　　1
　　　　3
　　　　6
　　　　10
　　　　15
　　　　21
　　　　28
　　　　36
　　　　45
　　　　55

　　　　3). 數組的表現形式　　　　　　

　　　　　　　　數組中的括號裏面的內容

　　　　　　　　hotel[元素01]=xiaolizi1 --- 調用print xiaolizi1[元素01]--- xiaolizi1
　　　　　　　　hotel[元素02]=xiaolizi2 --- 調用print xiaolizi2[元素02]--- xiaolizi2

　　　　　　數組統計命令組成說明:
　　　　　　1) 找出要統計的信息
　　　　　　　　$1

　　　　　　2) 把指定要統計信息做爲數組的元素
　　　　　　　　h[$1]

　　　　　　3) 利用統計運算公式,進行運算
　　　　　　　　h[$1]=h[$1]+1 --- i=i+1

　　　　　　4) 顯示運算的結果信息
　　　　　　　　a 只看某一個元素的結果信息

　　　　　awk '{h[$1]=h[$1]+1}END{print h["101.226.61.184"]}' access.log 
　　　　　5

　　　　　　　　b 要看所有元素的結果信息
　　　　　　　　　

　　　　　awk '{h[$1]=h[$1]+1}END{print h["101.226.61.184"],h["114.94.29.165"]}' access.log 
　　　　　　
# 精簡後命令
　　　　　　awk '{h[$1]++}END{for(name in h)print name,h[name]}' access.log

　　　　for name in 101.226.61.184 114.94.29.165
　　　　　　print h[$name]

　　　　　　==>
　　　　for(name in h) --- > echo name=h=第一個元素信息
　　　　echo name=h=第二個元素信息

說明: 循環中讀取數組名稱==讀取每個元素名稱信息

cat >>url.txt<<EOF
http://www.etiantian.org/index.html
http://www.etiantian.org/1.html
http://post.etiantian.org/index.html
http://mp3.etiantian.org/index.html
http://www.etiantian.org/3.html
http://post.etiantian.org/2.html
EOF
awk '{h[$1]++}END{for(name in h)print name,h[name]}' access.log

[root@mysql-141 ~]# awk '{h[$1]++}END{for(name in h)print name,h[name]}' access.log
101.226.61.184 5
27.154.190.158 2
218.79.64.76 2
114.94.29.165 1


第一步: 定義數組信息
awk '{h[$1]}' access.log 
說明: 數組中的元素就是你關注要統計的列的信息

第二步: 進行統計運算,編寫公式
awk '{h[$1]=h[$1]+1}' access.log 

第三步: 編寫元素循環信息
awk '{h[$1]=h[$1]+1}END{for(name in h)}' access.log

第四步: 輸出結果信息    
awk '{h[$1]=h[$1]+1}END{for(name in h) print name,h[name]}' access.log

將文本內容格式化輸出

　　原文以下：

job_name    job_group
syncCommStockJob    dataSync
syncStoreChnlJob    dataSync
syncOrderJob    dataSync
syncReportStoreJob    dataSync
hdfsScanJob    report
orderSaleDailyJob    report
jdzmdOrdersJob    report
jdCanJob    report

　　使用awk格式化輸出後

cat xxx.txt | awk '{printf "%-30s%-15s\n",$1,$2}'               　　　　　　#%-30s表示輸出字符串,寬度30位(字符串若是過長，能夠本身調整),左對齊.%-15s用來指定第二列的,左對齊,寬度15.兩個百分號之間能夠沒有空格.使用\n對每一行的輸出加上換行符


job_name                      job_group      
syncCommStockJob              dataSync       
syncStoreChnlJob              dataSync       
syncOrderJob                  dataSync       
syncReportStoreJob            dataSync       
hdfsScanJob                   report

相關標籤/搜索

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。