注意:本文并不是一篇awk入门文章,而是偏重实例讲解,由于awk是借鉴了c语法,因此awk的许多地方还保留有c语言的痕迹,比如printf语句;for,if的语法结构等
介绍
最简单地说,AWK 是一种用于处理文本的编程语言工具,处理模式是只要在输入数据中有模式匹配,就执行一系列指令。awk命令格式为:
awk {pattern + action} {filenames}
awk可以读取后接的文件,也可以读取来自前一命令的标准输入,它分别扫描输入数据的每一行,查找命令行中pattern是否匹配。如果匹配,则进行后续动作action。如果pattern不匹配或action部分处理完毕,则继续处理下一行,直到结束
相比于sed常常作用于一整行的处理,awk则比较倾向于将一行分成数个字段来处理。awk将输入数据视为一个文本数据库,像数据库一样,它也有记录和字段的概念。默认情况下,记录的分隔符是回车,字段的分隔符是空白符(空格,\t),所以输入数据的每一行表示一个记录,而每一行中的内容被空白分隔成多个字段。利用字段和记录,awk可以非常灵活地处理文件
语法
1 语法
一个典型的awk语法如下:
awk ‘{ BEGIN{stat1} BEGIN{stat2} pattern1{action1} pattern2{action2} ... patternn{actionn} {默认动作,无条件,始终执行} END{stat1} END{stat2} }‘
其中BEGIN为处理文本前的操作,一般用于改变FS,OFS,RS,ORS等,BEGIN部分完成之后,awk读取第一行输入,并将第一行的数据填入$0,$1,$2,NR,NF等变量,然后进入正式处理阶段,待所有行处理完毕之后,进入END部分,END一般用于总结,打印报表等。正式处理是一个内建的循环,每一次循环读取一行数据,每一行的处理分为多模式,多动作,文本行符合条件pattern1就执行动作action1符合pattern2就执行动作action2…,还可以有默认的动作, 即没有pattern判断,始终执行此{}内的action。
BEGIN,END部分不是必须出现,可以没有,也可以有任意多个
pattern部分的写法有:
- /reg/: 在整行范围内匹配reg,匹配到就执行后续动作
- ! /reg/: 整行没匹配到reg,才执行后续动作
- $1 ~ /reg/:只在第一字段匹配reg
- $1 !~ /reg/: 不匹配
- NR>=2: 从第二行开始处理
pattern,部分和随后的if,for部分,能用到的符号有:
2 内建变量
$0 当前记录(这个变量中存放着整个行的内容) $1~$n 当前记录的第n个字段,字段间由FS分隔 FS 输入字段分隔符 默认是空格或\t NF 当前记录中的字段个数,就是有多少列 NR 已经读出的记录数,就是行号,从1开始,如果有多个文件话,这个值也是不断累加中。 FNR 当前记录数,与NR不同的是,这个值会是各个文件自己的行号 RS 输入的记录分隔符, 默认为换行符 OFS 输出字段分隔符, 默认也是空格 ORS 输出的记录分隔符,默认为换行符 FILENAME 当前输入文件的名字
3 if,for语句
#在任何时候{}内都可以跟多个并列动作(使用“;”分隔),下面的{action1} 和 {action1;action2;...} 都表示{}体内有多个动作,两种表示没有任何区别,写第二种仅仅是为了直观的表示可以有多个动作
#for循环写法
for(i=1;i<=NF;i++){action1; action2; ..} #{}中用分号分隔多个动作 for(i=1;i<=NF;i++)if; else if;else #for后接一个if结构 for(i=1;i<=NF;i++)printf “for add” #简单的循环打印
#if 判断写法
if($1 ~ /reg/){action1}; else if($1 ~ /reg2/){action2}; else{action3} #else if部分可以没有 if($1 ~ /reg/ && $2 ~ /reg2/){action} #多个条件用”&&”,”||”表示 if($1 ~ /reg/ || NR >= 5){action
# if,for 混合写法
{ for(i=1;i<=NF;i++)if(…) printf “test”; else if(…) printf “test2”; else printf “test3”; print "not_for" } #print “not_for”部分是并列与for循环结构的另一个action,在for循环之外,只会打印一次 { for(i=1;i<=NF;i++){if(…) printf “test”; else if(…) printf “test2”; else printf “test3”;print “in_for“}; print "not_in_for" } { for(i=1;i<=NF;i++){if {s1;s2;} else if {s3;s4;} else {s5;s6;}; print "test"} } #else if前不加分号 { for(i=1;i<=NF;i++)printf "for_add"; if(…);else if(…); else } #if并不在for循环体内
for循环的作用范围为:
- 其后紧跟的if; else if; else语句
- 其后紧跟的{}中的多个动作
- 其后紧跟的一个第一个普通动作
if语句的作用范围:
- if后紧跟的第一个动作
- if后紧跟的{}中的多个动作
4 awk技巧
1: AWK使用的RE为ERE
2: 如果在BEGIN中设置了OFS, 只有$0有改动OFS才能生效
3: printf 与 print 的区别: printf 不自动打印换行符, print 则自动打印
4: gsub的返回值并不是替换后的字符串,而是返回替换的次数
5: 字符串常量一定在用" "包围起来,否则当作变量使用, 如 $1=="ipaddress"
6: AWK 的 for 循环为 C-Style,即为 for(), 区别于shell中的for i in ...
7: AWK中可以使用多个分隔符,要封装在方括号里,用‘ ‘包围,以防 shell 对它们进行解释,如 awk -F ‘[ :/t]‘ ,使用空格,冒号,tab作为分隔符
8: next语句:从输入文件中取得下一个输入行,在AWK命令表顶部重新执行命令,一般用于跳过一些特殊的行
9: awk 匹配多个条件: awk ‘/kobe/ && /james/‘ #匹配同时有kobe和james的行
10: FS的默认值是[ /t/n]+, OFS的默认值为空格,RS,ORS的默认值都是换行
11: 定位行有两种方法: 1: NR==行号 2: 用RE /Love$/
12: exit语句:终止AWK程序,但不跳过END语句
13:$1..$n表示第几列(字段),$0表示整个行.
14:awk可用比较运算符:!=, >, <, >=, <=
15:"awk ‘$6 ~ /FIN/{print $6}‘" ~ 表示模式开始,/reg/中是正则表达式匹配模式
16: 字符串匹配:~: 匹配 !~: 不匹配
17: &&:多个条件且, || 多个条件或
18: {s1;s2;s3;...}中多个语句用分号隔开;if; else if; else
awk 实例
awk ‘/AL/ {printf $1; print $2}‘ emp.txt awk ‘/AL/{print $1} {print $2}‘ emp.txt
#第一种只处理匹配到AL的行; 然后打印这些行的第一字段和第二字段
#第二种只有在匹配到AL的行才打印字段一,但是字段二是无条件的,始终打印