Shell文本處理三劍客之awk

awk 是一個文本處理工具，一般用於處理數據並生成結果報告。其命名源於三位創始人姓氏首字母：Alfred Aho、Peter Weinberger、Brian Kernighan。

語法：

• awk [options] 'BEGIN{} pattern {commands} END{}' file
• stdout | awk [options] 'BEGIN{} pattern {commands} END{}'

說明：

• options 選項
• BEGIN{} 正式處理數據以前執行
• pattern 匹配模式
• {commands;...} 處理命令，可能多行
• END{} 處理完全部匹配數據後執行

<!-- more -->

內置變量

變量名	說明
$0	整行內容
$1-$n	當前行的第 1 - n 個字段（列）
NF	Number Field，當前行字段個數（多少列）
NR	Number Row，當前行的行號，從 1 開始計數
FNR	File Number Row，多文件處理時，每一個文件行號單獨計數，都是從 0 開始
FS	Field Separator，輸入字段分隔符（默認空格或 tab 鍵）
RS	Row Separator，輸入行分隔符（默認回車換行）
OFS	Output Field Separator，輸出字段分隔符（默認空格）
ORS	Output Row Separator，輸出行分隔符（默認回車換行）
FILENAME	當前輸入的文件名字
ARGC	命令行參數個數
ARGV	命令行參數數組

示例：

# 以 : 分隔，輸出第 1 列
➜  awk 'BEGIN{FS=":"} {print $1}' /etc/passwd

# 以 -- 分隔成行，以 : 分隔成列，輸出第 一、2 列
➜  awk 'BEGIN{FS=":";RS="--"} {print $1,$2}' /etc/passwd

# 以 : 分隔列，輸出最後一列，由於 NF 變量是總列數
➜  awk 'BEGIN{FS=":"} {print $NF}' /etc/passwd

格式化輸出（printf）

格式符	說明	修飾符	說明
%s	字符串	-	左對齊
%d	十進制	+	右對齊
%f	浮點數	#	八進制前面加 0，十六進制前面加 0x
%x	十六進制
%o	八進制
%e	科學計數法
%c	單個字符的 ASCII 碼

示例：

# printf "%+20s %-20s\n",$1,$7
#   - 左對齊；+ 右對齊
#   20 列寬，不足則補空
#   s 打印字符串
#   .3f 打印保留 3 位數的浮點數
➜  awk 'BEGIN{FS=":";OFS="-"}{printf "%+20s %20.3f %-20s\n",$1,$3,$7}' /etc/passwd
                root                0.000 /bin/bash
                 bin                1.000 /sbin/nologin
              daemon                2.000 /sbin/nologin
                 adm                3.000 /sbin/nologin
                  lp                4.000 /sbin/nologin

模式匹配（pattern）

• RegExp：/patern/
• 關係運算：<、>、<=、>=、==、!=、~ 正則匹配、!~ 非正則匹配、&& 與、|| 或、! 非

示例：

# 打印以 root 開頭的行
➜  awk 'BEGIN{FS=":"} /^root/ {print $0}' /etc/passwd
root:x:0:0:root:/root:/bin/bash

# 打印第 3 列大於 1000 的行
➜  awk 'BEGIN{FS=":"} $3>1000 {print $0}' /etc/passwd
nfsnobody:x:65534:65534:Anonymous NFS User:/var/lib/nfs:/sbin/nologin

# 打印第 7 列是 /sbin/nologin 的行
➜  awk 'BEGIN{FS=":"} $7=="/sbin/nologin" {print $0}' /etc/passwd
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin

# 打印第 7 列以 nologin 結尾的行
➜  awk 'BEGIN{FS=":"} $7~/.*nologin$/ {print $0}' /etc/passwd
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin

# 打印第 3 列大於 500，而且第 7 列以 nologin 結尾的行
➜  awk 'BEGIN{FS=":"} $3>500 && $7~/.*nologin$/ {print $0}' /etc/passwd
chrony:x:997:995::/var/lib/chrony:/sbin/nologin
dockerroot:x:996:993:Docker User:/var/lib/docker:/sbin/nologin

計算表達式

示例：

# 數學計算
➜  awk 'BEGIN{x=10;y=2; print x+y}'
12
➜  awk 'BEGIN{x=10;y=2; print x*y}'
20
➜  awk 'BEGIN{x=10;y=2; print x^y}'
100
➜  awk 'BEGIN{x=10;y=2; print x**y}'
100
➜  awk 'BEGIN{x=10;y=x++; print x,y}'
11 10
➜  awk 'BEGIN{x=10;y=++x; print x,y}'
11 11


# 打印空行行號、統計空行數量
➜  awk 'BEGIN{idx=0;} /^$/ {idx++; print NR} END{print idx;}' /etc/passwd

流程控制語句

語法：

# 條件判斷
if(condition1) {
    # do something
} else if(condition2) {
    # do something
} else {
    # do something
}

# 循環
while(condition) {
    #do something
}

do
    # do something
while(condition)

for(i=0;i<10;i++) {
    # do something
}

示例：

# 若是第 3 列小於 10 而且第 7 列是 /sbin/nologin 的行打印 this is if
# 若是第 3 列大於 500 的打印 this is else if
# 不然打印 this is else
➜  awk 'BEGIN{FS=":"} { if($3<10 && $7="/sbin/nologin") {print "this is if"} else if($3>500) {print "this is else if"} else {print "this is else"}}' /etc/passwd
this is if
this is if
this is else
this is else if
this is else

# 計算 1-10 相加的結果
# 注意：變量不須要提早聲明
➜  awk 'BEGIN{ while(i<10) { sum+=i; i++}; print sum}'
45
➜  awk 'BEGIN{do { sum+=i; i++; } while(i<10); print sum}'
45
➜  awk 'BEGIN{ for(i=0;i<10;i++) { sum+=i; }; print sum}'
45

字符串函數

函數名	說明	返回值
length(str)	計算字符串長度	整數長度值
index(str,sub_str)	在 str 中查找 sub_str 的位置	位置索引，從 1 計數
tolower(str)	轉小寫	轉換後的小寫字符串
toupper(str)	轉大些	轉換後的大寫字符串
substr(str,start,length)	從 str 第 start 個字符開始，截取 length 位	截取後到子串
split(str,arr,fs)	按 fs 拆分字符串，結果保存到 arr	拆分後子串的個數
match(str,reg)	在 str 中按 reg 查找，返回位置	索引位置
sub(reg,new_sub_str,str)	在 str 中搜索符合 reg 的子串，將其替換爲 new_sub_str，只替換第一個	替換的個數
gsub(reg,new_sub_str,str)	相似 sub，替換全部	替換的個數

示例：

# sub(/oo/,"11",$1) 返回替換的個數；後面的 $1 爲替換後的值
➜  awk 'BEGIN{FS=":"} { print length($1),toupper($1),substr($1,0,2),sub(/oo/,"11",$1),$1}' /etc/passwd
4 ROOT ro 1 r11t
3 BIN bi 0 bin
6 DAEMON da 0 daemon
4 SYNC sy 0 sync

# 數組下標從 1 開始
➜  awk 'BEGIN{str="Shell;Python;C;C++;Java;PHP"; split(str,arr,";"); print arr[2]}'
Python
➜  awk 'BEGIN{str="Shell;Python;C;C++;Java;PHP"; split(str,arr,";"); for(i in arr) { print arr[i]; }}'
C++
Java
PHP
Shell
Python
C

經常使用選項（options）

• -v 參數傳遞
• -f 指定腳本文件
• -v 指定分隔符
• -V 查看 awk 版本

示例：

# 引入外部變量
➜  var1=10
➜  var2="hello awk"
➜  awk -v var1="$var1" -v var2="$var2" 'BEGIN{print var1,var2}'
10 hello awk

# 把全部操做抽離到一個獨立文件
# 建議：複雜操做優先使用這種方式，更易於程序理解和管理
➜  touch script.awk
BEGIN{
    FS=":"
}

{
    if($3<10 && $7="/sbin/nologin") {
        print "this is if"
    } else if($3>500) {
        print "this is else if"
    } else {
        print "this is else"
    }
}

➜  awk -f script.awk /etc/passwd

# -F: 至關於 BEGIN{FS=":"}
$ awk -F: '{print $1}' pwd
root
bin
daemon

數組

shell 中的數組操做以下：

操做	示例	輸出
定義一個數組	arr=("Python" "PHP" "Java" "Go" "Rust")
某個數組元素（下標從 0 開始）	echo ${arr[2]}	Java
數組元素個數	echo ${#arr[@]}	5
某個元素的長度	echo ${#arr[0]}	6
修改元素值	arr[2]="JAVA"
刪除數組元素	unset arr[1]
打印全部數組元素）	echo ${arr[@]}	Python JAVA Go Rust
分片訪問	echo ${arr[@]:0:2}	Python JAVA
數組元素替換（找到的第一個）	echo ${arr[@]/A/a}	Python JaVA Go Rust
數組元素替換（全部）	echo ${arr[@]//A/a}	Python JaVa Go Rust
數組遍歷	for a in ${arr[*]}; do echo $a; done

而 awk 中數組的使用略有不一樣，它使用 關聯數組提供數組功能，即數組的索引能夠是 數字或 任意字符串。

語法示例：

# 定義
# 語法：array_name[index]=value
➜  awk 'BEGIN{arr[0]=0; arr["second"]="2"; print arr[0],arr["second"];}'
0 2

# 數組元素參與計算
➜  awk 'BEGIN{arr[0]=0; arr["second"]="2"; print arr[0]+3,arr["second"];}'
3 2

# 刪除數組元素
# 語法：delete array_name[index]
➜  awk 'BEGIN{arr[0]=0;arr["second"]="2"; delete arr["second"]; print arr["second"];}'

# 遍歷數組
# 方式一：for ... in 是無序輸出
➜  awk 'BEGIN{str="Python Rust PHP Go"; arrLen=split(str,arr," "); for(i in arr){ print i,arr[i] }}'
4 Go
1 Python
2 Rust
3 PHP
# 方式二：for(i=1;i<=len;i++) { ... } 有序輸出
➜  awk 'BEGIN{str="Python Rust PHP Go"; arrLen=split(str,arr," "); for(i=1;i<=arrLen;i++){ print i,arr[i] }}'
1 Rust
2 Go
3 Python
4 PHP