awk

Mr.Hope ... 2020年6月4日 01:08 大约 4 分钟

# awk

awk (opens new window)是处理文本文件的一个应用程序,几乎所有 Linux 系统都自带这个程序。

它依次处理文件的每一行,并读取里面的每一个字段。对于日志、CSV 那样的每行格式相同的文本文件,awk 可能是最方便的工具。

Book

awk 其实不仅仅是工具软件,还是一种编程语言。不过,这里只介绍它的命令行用法,对于大多数场合,应该足够用了。

# 基本用法

awk 的基本用法就是下面的形式。

# 格式
$ awk 动作 文件名

# 示例
$ awk '{print $0}' demo.txt
1
2
3
4
5

上面示例中,demo.txtawk 所要处理的文本文件。前面单引号内部有一个大括号,里面就是每一行的处理动作 print $0。其中,print 是打印命令,$0 代表当前行,因此上面命令的执行结果,就是把每一行原样打印出来。

下面,我们先用标准输入(stdin)演示上面这个例子。

$ echo 'this is a test' | awk '{print $0}'
this is a test
1
2

上面代码中,print $0 就是把标准输入 this is a test,重新打印了一遍。

awk 会根据空格和制表符,将每一行分成若干字段,依次用$1$2$3 代表第一个字段、第二个字段、第三个字段等等。

$ echo 'this is a test' | awk '{print $3}'
a
1
2

上面代码中,$3 代表 this is a test 的第三个字段 a

下面,为了便于举例,我们把/etc/passwd 文件保存成 demo.txt

root:x:0:0:root:/root:/usr/bin/zsh
daemon:x:1:1:daemon:/usr/sbin:/usr/sbin/nologin
bin:x:2:2:bin:/bin:/usr/sbin/nologin
sys:x:3:3:sys:/dev:/usr/sbin/nologin
sync:x:4:65534:sync:/bin:/bin/sync
1
2
3
4
5

这个文件的字段分隔符是冒号(:),所以要用 -F 参数指定分隔符为冒号。然后,才能提取到它的第一个字段。

$ awk -F ':' '{ print $1 }' demo.txt
root
daemon
bin
sys
sync
1
2
3
4
5
6

# 变量

除了$ + 数字表示某个字段,awk 还提供其他一些变量。

变量 NF 表示当前行有多少个字段,因此$NF 就代表最后一个字段。

$ echo 'this is a test' | awk '{print $NF}'
test
1
2

$(NF-1) 代表倒数第二个字段。

$ awk -F ':' '{print $1, $(NF-1)}' demo.txt
root /root
daemon /usr/sbin
bin /bin
sys /dev
sync /bin
1
2
3
4
5
6

上面代码中,print 命令里面的逗号,表示输出的时候,两个部分之间使用空格分隔。

变量 NR 表示当前处理的是第几行。

$ awk -F ':' '{print NR ") " $1}' demo.txt
1) root
2) daemon
3) bin
4) sys
5) sync
1
2
3
4
5
6

上面代码中,print 命令里面,如果原样输出字符,要放在双引号里面。

awk 的其他内置变量如下。

  • FILENAME: 当前文件名
  • FS: 字段分隔符,默认是空格和制表符。
  • RS: 行分隔符,用于分割每一行,默认是换行符。
  • OFS: 输出字段的分隔符,用于打印时分隔字段,默认为空格。
  • ORS: 输出记录的分隔符,用于打印时分隔记录,默认为换行符。
  • OFMT: 数字输出的格式,默认为%.6g

# 函数

awk 还提供了一些内置函数,方便对原始数据的处理。

函数 toupper() 用于将字符转为大写。

$ awk -F ':' '{ print toupper($1) }' demo.txt
ROOT
DAEMON
BIN
SYS
SYNC
1
2
3
4
5
6

上面代码中,第一个字段输出时都变成了大写。

其他常用函数如下。

  • tolower(): 字符转为小写。
  • length(): 返回字符串长度。
  • substr(): 返回子字符串。
  • sin(): 正弦。
  • cos(): 余弦。
  • sqrt(): 平方根。
  • rand(): 随机数。

awk 内置函数的完整列表,可以查看手册 (opens new window)

# 条件

awk 允许指定输出条件,只输出符合条件的行。

输出条件要写在动作的前面。

awk '条件 动作' 文件名
1

请看下面的例子。

$ awk -F ':' '/usr/ {print $1}' demo.txt
root
daemon
bin
sys
1
2
3
4
5

上面代码中,print 命令前面是一个正则表达式,只输出包含 usr 的行。

下面的例子只输出奇数行,以及输出第三行以后的行。

# 输出奇数行
$ awk -F ':' 'NR % 2 == 1 {print $1}' demo.txt
root
bin
sync

# 输出第三行以后的行
$ awk -F ':' 'NR >3 {print $1}' demo.txt
sys
sync
1
2
3
4
5
6
7
8
9
10

下面的例子输出第一个字段等于指定值的行。

$ awk -F ':' '$1 == "root" {print $1}' demo.txt
root

$ awk -F ':' '$1 == "root" || $1 == "bin" {print $1}' demo.txt
root
bin
1
2
3
4
5
6

# if 语句

awk 提供了 if 结构,用于编写复杂的条件。

$ awk -F ':' '{if ($1 > "m") print $1}' demo.txt
root
sys
sync
1
2
3
4

上面代码输出第一个字段的第一个字符大于 m 的行。

if 结构还可以指定 else 部分。

$ awk -F ':' '{if ($1 > "m") print $1; else print "---"}' demo.txt
root
---
---
sys
sync
1
2
3
4
5
6

# 参考链接