文本和数据进行处理的编程语言
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SEO靠我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awkSEO靠我最大的优势。
语法形式
awk [options] script var=value file(s) awk [options] -f scriptfile var=vSEO靠我alue file(s)常用命令选项
-F fs fs指定输入分隔符,fs可以是字符串或正则表达式,如-F:,默认的分隔符是连续的空格或制表符-v var=value赋值一个用户定义变量,将外部变量传递给SEO靠我awk-f scripfile 从脚本文件中读取awk命令-m[fr] val对val值设置内在限制,-mf选项限制分配给val的最大块数目;-mr选项限制记录的最大数目。这两个功能是Bell实验室版aSEO靠我wk的扩展功能,在标准awk中不适用。awk脚本是由模式和操作组成的。
模式可以是以下任意一个:
/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SEO靠我的比较测试。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:参见awk的工作原理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SEO靠我隔开,并位于大括号内,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一个awk脚本通常由:BEGIN语句块、能够使用模式匹配的通用语句块、END语句块3部分组成,这三个部分是可选的。任意一个部分都可以不出现在脚本中,脚本通常是被 单引号中SEO靠我,例如:
awk BEGIN{ i=0 } { i++ } END{ print i } filenameBEGIN语句块在awk开始从输入流中读SEO靠我取行之前 被执行,这是一个可选的语句块,比如变量初始化、打印输出表格的表头等语句通常可以写在BEGIN语句块中。
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SEO靠我汇总都是在END语句块中完成,它也是一个可选语句块。
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SEO靠我,awk读取的每一行都会执行该语句块。
示例
echo -e "A line 1\nA line 2" | awk BEGIN{ print "Start" } { print } END{ print SEO靠我"End" } Start A line 1 A line 2 End当使用不带参数的print时,它就打印当前行,当print的参数是SEO靠我以逗号进行分隔时,打印时则以空格作为定界符。在awk的print语句块中双引号是被当作拼接符使用,例如:
echo | awk { var1="v1"; var2="v2"; var3="v3"; prSEO靠我int var1,var2,var3; } v1 v2 v3双引号拼接使用:
echo | awk { var1="v1"; var2="v2"; var3="v3"; print vaSEO靠我r1"="var2"="var3; } v1=v2=v3{ }类似一个循环体,会对文件中的每一行进行迭代,通常变量初始化语句(如:i=0)以及打印文件头部的语句放入BEGIN语句块中,SEO靠我将打印的结果等语句放在END语句块中。
说明:[A][N][P][G]表示第一个支持变量的工具,[A]=awk、[N]=nawk、[P]=POSIXawk、[G]=gawk
*SEO靠我*$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。 [N] **ARGC** 命令行参数的数目。SEO靠我 [G] **ARGIND** 命令行中当前文件的位置(从0开始算)。 [N] **ARGV** 包含命令行参数的数组。 [G] **CONVFMT**SEO靠我 数字转换格式(默认值为%.6g)。 [P] **ENVIRON** 环境变量关联数组。 [N] **ERRNO** 最后一个系统错误的描述。 [G] SEO靠我**FIELDWIDTHS** 字段宽度列表(用空格键分隔)。 [A] **FILENAME** 当前输入文件的名。 [P] **FNR** 同NR,但相对于当前文件。SEO靠我 [A] **FS** 字段分隔符(默认是任何空格)。 [G] **IGNORECASE** 如果为真,则进行忽略大小写的匹配。 [A] **NF** SEO靠我表示字段数,在执行过程中对应于当前的字段数。 [A] **NR** 表示记录数,在执行过程中对应于当前的行号。 [A] **OFMT** 数字的输出格式(默认值是%.6SEO靠我g)。 [A] **OFS** 输出字段分隔符(默认值是一个空格)。 [A] **ORS** 输出记录分隔符(默认值是一个换行符)。 [A] **RS*SEO靠我* 记录分隔符(默认是一个换行符)。 [N] **RSTART** 由match函数所匹配的字符串的第一个位置。 [N] **RLENGTH** 由match函数所匹配SEO靠我的字符串的长度。 [N] **SUBSEP** 数组下标分隔符(默认值是34)。转义序列
\ \自身 $ 转义$ \t 制表符 \b 退格SEO靠我符 \r 回车符 \n 换行符 \c 取消换行示例
echo -e "line1 f2 f3\nline2 f4 f5\nline3 f6 f7" | aSEO靠我wk {print "Line No:"NR", No of fields:"NF, "$0="$0, "$1="$1, "$2="$2, "$3="$3} Line No:1, NoSEO靠我 of fields:3 $0=line1 f2 f3 $1=line1 $2=f2 $3=f3 Line No:2, No of fields:3 $0=line2 f4 f5 $1SEO靠我=line2 $2=f4 $3=f5 Line No:3, No of fields:3 $0=line3 f6 f7 $1=line3 $2=f6 $3=f7使用print $NF可SEO靠我以打印出一行中的最后一个字段,使用$(NF-1)则是打印倒数第二个字段,其他以此类推:
echo -e "line1 f2 f3\n line2 f4 f5" | awk {print $NF} SEO靠我 f3 f5 echo -e "line1 f2 f3\n line2 f4 f5" | awk {print $(NF-1)} f2 SEO靠我 f4打印每一行的第二和第三个字段:
awk { print $2,$3 } filename统计文件中的行数:
awk END{ print NR } filename以上命令只使用了END语句SEO靠我块,在读入每一行的时,awk会将NR更新为对应的行号,当到达最后一行NR的值就是最后一行的行号,所以END语句块中的NR就是文件的行数。
一个每一行中第一个字段值累加的例子:
seq 5 | awk BESEO靠我GIN{ sum=0; print "总和:" } { print $1"+"; sum+=$1 } END{ print "等于"; print sum } 总和: SEO靠我1+ 2+ 3+ 4+ 5+ 等于 15借助 -v选项,可以将外部值(并非来自stSEO靠我din)传递给awk:
VAR=10000 echo | awk -v VARIABLE=$VAR { print VARIABLE }另一种传递外部变量方法:
var1="aaa" SEO靠我 var2="bbb" echo | awk { print v1,v2 } v1=$var1 v2=$var2当输入来自于文件时使用:
awk { print v1,v2 }SEO靠我 v1=$var1 v2=$var2 filename以上方法中,变量之间用空格分隔作为awk的命令行参数跟随在BEGIN、{}和END语句块之后。
作为一种程序设计语言所应具有的特点之一,awk支持多种运算,这些运算与C语言提供的基本相同SEO靠我。awk还提供了一系列内置的运算函数(如log、sqr、cos、sin等)和一些用于对字符串进行操作(运算)的函数(如length、substr等等)。这些函数的引用大大的提高了awk的运算功能。作为SEO靠我对条件转移指令的一部分,关系判断是每种程序设计语言都具备的功能,awk也不例外,awk中允许进行多种测试,作为样式匹配,还提供了模式匹配表达式(匹配)和!(不匹配)。作为对测试的一种扩充,awk也支持SEO靠我用逻辑运算符。
例:
awk BEGIN{a="b";print a++,SEO靠我++a;} 0 2注意:所有用作算术运算符进行操作,操作数自动转为数值,所有非数值都变为0
例:
a+=5; 等价SEO靠我于:a=a+5; 其它同类例:
awk BEGIN{a=1;b=2;print (a>5 && b<=2),(a>5 || b<=2);} 0 1正则需要用 /正则/ 包围住
例:
awk BEGIN{a="100testa";if(a ~ /^100*/){print "ok";}} SEO靠我 ok例:
awk BEGIN{a=11;if(a >= 9){print "ok";}} ok注意:> < 可SEO靠我以作为字符串比较,也可以用作数值比较,关键看操作数如果是字符串就会转换为字符串比较。两个都为数字才转为数值比较。字符串比较:按照ASCII码顺序比较。
例:
awk BEGIN{a="b";print a=="b"?"ok":"err";} ok awk BEGIN{a="b";arSEO靠我r[0]="b";arr[1]="c";print (a in arr);} 0 awk BEGIN{a="b";arr[0]="b";arr["b"]="c";prSEO靠我int (a in arr);} 1!级别越高越优先
级别越高越优先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SEO靠我行,直接忽略下面语句。而进行下一行匹配。next语句一般用于多行合并:
cat text.txt a b c d eawkSEO靠我 NR%2==1{next}{print NR,$0;} text.txt 2 b 4 d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SEO靠我一行开始,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
分析发现需要将包含有“web”行进行跳过,然后需要将内容与下面行合并为一行:
cat text.tSEO靠我xt web01[192.168.2.100] httpd ok tomcat ok sendmail ok web02SEO靠我[192.168.2.101] httpd ok postfix ok web03[192.168.2.102] mysqld ok SEO靠我 httpd ok 0 awk /^web/{T=$0;next;}{print T":"t,$0;} text.txt web01[192SEO靠我.168.2.100]: httpd ok web01[192.168.2.100]: tomcat ok web01[192.168.2.100]: sendmailSEO靠我 ok web02[192.168.2.101]: httpd ok web02[192.168.2.101]: postfix ok web03[19SEO靠我2.168.2.102]: mysqld ok web03[192.168.2.102]: httpd okawk getline用法:输出重定向需用到getlineSEO靠我函数。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SEO靠我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。
getline语法:getline var,变量var包含了特定行的内容。
awk getline从整体上来说,用法说明:
当其左右无SEO靠我重定向符|或<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SEO靠我是隔行的。当其左右有重定向符|或<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。示例SEO靠我:
执行linux的date命令,并通过管道输出给getline,然后再把输出赋值给自定义变量out,并打印它:
awk BEGIN{ "date" | getline out; print out } SEO靠我test执行shell的date命令,并通过管道输出给getline,然后getline从管道中读取并将输入赋值给out,split函数把变量out转化成数组mon,然后打印数组mon的第二个元素:
aSEO靠我wk BEGIN{ "date" | getline out; split(out,mon); print mon[2] } test命令ls的输出传递给geline作为输入,循环使getline从lSEO靠我s的输出中读取一行,并把它打印到屏幕。这里没有输入文件,因为BEGIN块在打开输入文件前执行,所以可以忽略输入文件。
awk BEGIN{ while( "ls" | getline) print }awk中允许在程序中关闭一个输入或输出文件,方法是使用awk的close语句。
close("filename")filename可以是getline打开的文件,也可以是stdin,包含文件名的变SEO靠我量或者getline使用的确切命令。或一个输出文件,可以是stdout,包含文件名的变量或使用管道的确切命令。
awk中允许用如下方式将结果输出到一个文件:
echo | awk {prinSEO靠我tf("hello word!n") > "datafile"} # 或 echo | awk {printf("hello word!n") >> "datafileSEO靠我"}默认的字段定界符是空格,可以使用-F "定界符" 明确指定一个定界符:
awk -F: { print $NF } /etc/passwd # 或 awSEO靠我k BEGIN{ FS=":" } { print $NF } /etc/passwd在BEGIN语句块中则可以用OFS=“定界符”设置输出字段的定界符。
在linux awk的while、SEO靠我do-while和for语句中允许使用break,continue语句来控制流程走向,也允许使用exit这样的语句来退出。break中断当前正在执行的循环并跳到循环外执行下一条语句。if 是流程选择用SEO靠我法。awk中,流程控制语句,语法结构,与c语言类型。有了这些语句,其实很多shell程序都可以交给awk,而且性能是非常快的。下面是各个语句用法。
格式中语句1可以是多个语句,为了方便判断和阅读,最好将多个语句用{}括起来。awk分枝结构允许嵌套,其格式为:
if(表达式){语句1} else if(表达式){语句2} SEO靠我 else{语句3}示例:
awk BEGIN{ test=100; if(test>90){print "very good";}else if(test>SEO靠我60){print "good";}else{print "no pass";} }very good每条命令语句后面可以用; 分号 结尾。
示例:
awk BEGIN{ test=100; total=0; while(i<=test){total+=i;i++; } SEO靠我 print total; } 5050for循环有两种格式:
格式1:
for(变量 in 数组){语句}示例:
awk BEGIN{ SEO靠我 for(k in ENVIRON){print k"="ENVIRON[k]; }} TERM=linux G_BROKEN_FILENAMES=SEO靠我1 SHLVL=1 pwd=/root/text ... logname=root HOME=/root SEO靠我 SSH_CLIENT=192.168.1.21 53087 22注:ENVIRON是awk常量,是子典型数组。
格式2:
for(变量;条件;表达式){语句}示例:
awk BEGIN{ SEO靠我total=0; for(i=0;i<=100;i++){total+=i; } print total; } 5050SEO靠我例子:
awk BEGIN{ total=0; i=0; do {total+=i;i++;SEO靠我} while(i<=100)print total; } 5050数组是awk的灵魂,处理文本中最不能少的就是它的数SEO靠我组处理。因为数组索引(下标)可以是数字和字符串在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SEO靠我下文而定。
数字做数组索引(下标):
Array[1]="sun" Array[2]="kai"字符串做数组索引(下标):
Array["first"]="www" SEO靠我 Array"[last"]="name" Array["birth"]="1987"使用中print Array[1]会打印出sun;使用print Array[2]会打印出kai;SEO靠我使用print["birth"]会得到1987。
读取数组的值
{ for(item in array) {print array[item]}; } #输出的顺序是随机的 { for(iSEO靠我=1;i<=len;i++) {print array[i]}; } #Len是数组的长度得到数组长度:
awk BEGIN{info="it is a test";lens=split(iSEO靠我nfo,tA," ");print length(tA),lens;} 4 4length返回字符串以及数组长度,split进行分割字符串为数组,也会返回分割得到数组长度。
awk BESEO靠我GIN{info="it is a test";split(info,tA," ");print asort(tA);} 4asort对数组进行排序,返回数组长度。
输出数组内容(无序,SEO靠我有序输出):
awk BEGIN{info="it is a test";split(info,tA," ");for(k in tA){print k,tA[k];}} 4 test SEO靠我 1 it 2 is 3 afor…in输出,因为数组是关联数组,默认是无序的。所以通过for…in得到是无序的数组。如果需要得到有序数组,需要通过下标获SEO靠我得。
awk BEGIN{info="it is a test";tlen=split(info,tA," ");for(k=1;k<=tlen;k++){print k,tA[k];}} SEO靠我 1 it 2 is 3 a 4 test注意:数组下标是从1开始,与C数组不一样。
判断键值存在以及删除键值:
# 错误的判断方法: aSEO靠我wk BEGIN{tB["a"]="a1";tB["b"]="b1";if(tB["c"]!="1"){print "no found";};for(k in tB){print k,tB[k];}}SEO靠我 no found a a1 b b1 c以上出现奇怪问题,tB[“c”]没有定义,但是循环时候,发现已经存在该键值,它的值为空,这里需SEO靠我要注意,awk数组是关联数组,只要通过数组引用它的key,就会自动创建改序列。
# 正确判断方法: awk BEGIN{tB["a"]="a1";tB["b"]="b1";if( "c"SEO靠我 in tB){print "ok";};for(k in tB){print k,tB[k];}} a a1 b b1if(key in array)通过这种方法判断SEO靠我数组中是否包含key键值。
#删除键值: awk BEGIN{tB["a"]="a1";tB["b"]="b1";delete tB["a"];for(k in tB){print k,SEO靠我tB[k];}} b b1delete array[key]可以删除,对应数组key的,序列值。
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SEO靠我多维数组。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(�34)作为分割字段,在上面的例子中,关联数组array存SEO靠我储的键值实际上是2�344。
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 ( itSEO靠我em 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++){foSEO靠我r(j=1;j<=9;j++){tarr[i,j]=i*j; print i,"*",j,"=",tarr[i,j];} } } 1 * 1 = 1 SEO靠我 1 * 2 = 2 1 * 3 = 3 1 * 4 = 4 1 * 5 = 5 1 * 6 = 6 ...SEO靠我 9 * 6 = 54 9 * 7 = 63 9 * 8 = 72 9 * 9 = 81可以通过array[k,k2]引用获得数组内容。SEO靠我
另一种方法:
awk BEGIN{ for(i=1;i<=9;i++){for(j=1;j<=9;j++){tarr[i,j]=i*j;} } for(mSEO靠我 in tarr){split(m,tarr2,SUBSEP); print tarr2[1],"*",tarr2[2],"=",tarr[m]; } }awkSEO靠我内置函数,主要分以下3种类似:算数函数、字符串函数、其它一般函数、时间函数。
举例说明SEO靠我:
awk BEGIN{OFMT="%.3f";fs=sin(1);fe=exp(10);fl=log(10);fi=int(3.1415);print fs,fe,fl,fi;} 0.SEO靠我841 22026.466 2.303 3OFMT 设置输出数据格式是保留3位小数。
获得随机数:
awk BEGIN{srand();fr=int(100*rand());print fr;} SEO靠我 78 awk BEGIN{srand();fr=int(100*rand());print fr;} 31 awk BEGIN{srand();SEO靠我fr=int(100*rand());print fr;} 41注:Ere都可以是正则表达式。
gsub,sub使用
awk SEO靠我BEGIN{info="this is a test2010test!";gsub(/[0-9]+/,"!",info);print info} this is a test!testSEO靠我!在 info中查找满足正则表达式,/[0-9]+/ 用””替换,并且替换后的值,赋值给info 未给info值,默认是$0
查找字符串(index使用)
awk BEGIN{info="this is SEO靠我a test2010test!";print index(info,"test")?"ok":"no found";} ok未找到,返回0
正则表达式匹配查找(match使用)
awk BSEO靠我EGIN{info="this is a test2010test!";print match(info,/[0-9]+/)?"ok":"no found";} ok截取字符串(subSEO靠我str使用)
[wangsl@centos5 ~]$ awk BEGIN{info="this is a test2010test!";print substr(info,4,10);} SEO靠我 s is a tes从第 4个 字符开始,截取10个长度字符串
字符串分割(split使用)
awk BEGIN{info="this is a test";split(info,tA," ");priSEO靠我nt length(tA);for(k in tA){print k,tA[k];}} 4 4 test 1 this 2 is SEO靠我 3 a分割info,动态创建数组tA,这里比较有意思,awk for …in循环,是一个无序的循环。 并不是从数组下标1…n ,因此使用时候需要注意。
格式化字符串输出(sprintf使用)
格SEO靠我式化字符串格式:
其中格式化字符串包括两部分内容:一部分是正常字符,这些字符将按原样输出; 另一部分是格式化规定字符,以"%"开始,后跟一个或几个规定字符,用来确定输出内容格式。
格式描述格式描述%d十进SEO靠我制有符号整数%u十进制无符号整数%f浮点数%s字符串%c单个字符%p指针的值%e指数形式的浮点数%x%X 无符号以十六进制表示的整数%o无符号以八进制表示的整数%g自动选择合适的表示法 SEO靠我 awk BEGIN{n1=124.113;n2=-1.224;n3=1.2345; printf("%.2f,%.2u,%.2g,%X,%on",n1,n2,n3,n1,n1);} SEO靠我124.11,18446744073709551615,1.2,7C,174打开外部文件(close用法)
awk BEGIN{while("cat /etc/passwd"|getline){print $0;};close("/etc/passwSEO靠我d");} root:x:0:0:root:/root:/bin/bash bin:x:1:1:bin:/bin:/sbin/nologin daemoSEO靠我n:x:2:2:daemon:/sbin:/sbin/nologin逐行读取外部文件(getline使用方法)
awk BEGIN{while(getline < "/etc/passwd"){prinSEO靠我t $0;};close("/etc/passwd");} root:x:0:0:root:/root:/bin/bash bin:x:1:1:bin:/bin:/sbSEO靠我in/nologin daemon:x:2:2:daemon:/sbin:/sbin/nologin awk BEGIN{print "Enter your nameSEO靠我:";getline name;print name;} Enter your name: chengmo chengmo调用外部应用程序(systemSEO靠我使用方法)
awk BEGIN{b=system("ls -al");print b;} total 42092 drwxr-xr-x 14 chengmo chengmSEO靠我o 4096 09-30 17:47 . drwxr-xr-x 95 root root 4096 10-08 14:01 ..b返回值,是执行结果。
建指定时间(mktime使用)
awk BEGIN{tstamp=mktime("2001 01 01 12 12 12"SEO靠我);print strftime("%c",tstamp);} 2001年01月01日 星期一 12时12分12秒 awk BEGIN{tstamp1=mktime(SEO靠我"2001 01 01 12 12 12");tstamp2=mktime("2001 02 01 0 0 0");print tstamp2-tstamp1;} 2634468求2个SEO靠我时间段中间时间差,介绍了strftime使用方法
awk BEGIN{tstamp1=mktime("2001 01 01 12 12 12");tstamp2=systime();print tstaSEO靠我mp2-tstamp1;} 308201392strftime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SEO靠我的完整写法(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SEO靠我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%p12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SEO靠我天是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%%百分号SEO靠我(%)网站备案号:浙ICP备17034767号-2