shell编程之awk详解

96
Chris_Zheng
2018.11.04 21:49* 字数 5050

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

awk [options]'script'var=value file(s)

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

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

awk'BEGIN{ i=0 } { i++ } END{ print i }'filename

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打印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

for(变量in数组)

{语句}

for(变量;条件;表达式)

{语句}

while循环

while(表达式)

{语句}

do...while循环

do

{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。

awk'BEGIN{

        Array[1]="sun"

        Array[2]="kai"

        Array["first"]="www"

        Array["last"]="name"

        Array["birth"]="1987"


        info = "it is a test";

        lens = split(info,tA," ");

        for(item in tA)

        {print tA[item];}

        for(i=1;i<=lens;i++)

        {print tA[i];}

        print length(tA[lens]);

        } {

        print "item in array";

        for(item in Array) {print Array[item]};

        print "print in i++";

        for(i=1;i<=length(Array);i++) {print Array[i]}; 

        }'

获取数组长度

awk'BEGIN{

        info="it is a test";

        lens=split(info,tA," ");    #使用split函数获取数组长度

        print length(tA),lens;      #使用length函数获取数组长度(版本有要求)

        }'

**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

#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。

awk'BEGIN{

    tB["a"]="a1";

    tB["b"]="b1";

    if(tB["c"]!="1"){  #tB["c"]没有定义,但是循环的时候会输出

        print "no found";

    };

    for(k in tB){

        print k,tB[k];

    }}'

#正确的判定方法:使用 if ( key in array) 判断数组中是否包含 键值

awk'BEGIN{

        tB["a"]="a1";

        tB["b"]="b1";

        if( "c" in tB){

            print "ok";

        };

        for(k in tB){

            print k,tB[k];

        }}'

删除键值

delete array[key]可以删除,对应数组key的,序列值。

awk'BEGIN{

        tB["a"]="a1";

        tB["b"]="b1";

        delete tB["a"];

        for(k in tB){

            print k,tB[k];

        }}'

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。

awk'BEGIN{

    for(i=1;i<=9;i++){

        for(j=1;j<=9;j++){

            tarr[i,j]=i*j;

            print i,"*",j,"=",tarr[i,j];

            }

        }

    }'

awk'BEGIN{

        for(i=1;i<=9;i++){

            for(j=1;j<=9;j++){

                    tarr[i,j]=i*j; } }

        for(m in tarr){

            split(m,tarr2,SUBSEP);

            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。

awk'BEGIN{

        OFMT="%.3f";    #OFMT 设置输出数据格式是保留3位小数。

        fs=sin(1);

        fe=exp(10);

        fl=log(10);

        fi=int(3.1415);

        print fs,fe,fl,fi;

        }'

输出结果为:0.84122026.4662.3033

awk'BEGIN{

        srand();

        fr=int(100*rand());

        print fr;

        }'

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

%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(%)

#mktime使用

awk'BEGIN{tstamp=mktime("2001 01 01 12 12 12");print strftime("%c",tstamp);}'

输出:2001年01月01日 星期一12时12分12秒

awk'BEGIN{tstamp1=mktime("2001 01 01 12 12 12");tstamp2=mktime("2001 02 01 0 0 0");print tstamp2-tstamp1;}'

输出:2634468

#求2个时间段中间时间差,介绍了strftime使用方法

awk'BEGIN{tstamp1=mktime("2001 01 01 12 12 12");tstamp2=systime();print tstamp2-tstamp1;}'

输出:308201392

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。

#打开外部文件(close用法)

awk'BEGIN{while("cat /etc/passwd"|getline){print $0;};close("/etc/passwd");}'

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

#逐行读取外部文件(getline使用方法)

awk'BEGIN{while(getline < "/etc/passwd"){print $0;};close("/etc/passwd");}'

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

awk'BEGIN{print "Enter your name:";getline name;print name;}'

Enter your name:

chengmo

chengmo

#调用外部应用程序(system使用方法) b返回值,是执行结果。

awk'BEGIN{b=system("ls -al");print b;}'

输出: total42092drwxr-xr-x14chengmo chengmo409609-3017:47. drwxr-xr-x95root root409610-0814:01..

日记本