文本处理三剑客之awk
1. 首先简要总结一些文本处理三剑客：
grep族：文本过滤工具
sed：行编辑工具
2. 下面就来看看awk是什么？
awk现在linux上用的是GNU awk即gawk ，现在centos系统上awk是gawk的一个符号链接文件。那么awk究竟在centos系统上是用来做什么的呢？awk就是一个报告生成器，格式化文本输出的工具。
3. 学习awk对有什么帮助呢？
学习awk我们可以轻松的对我们想要处理的文本进行查看等，方便我们解决问题。
4. gawk的基本用法：
gawk - pattern scanning and processing language模式扫描及处理语言
语法： gawk [options ] ‘program’ file ...
详说其中：
4.1 [options]:
-F指明输入时的字段分隔符
-v VAR=VALUE 主要用于实现自定义变量
4.2 program:PATTERN{ACTION STATEMENTS}
语句之间用分号分隔
内建命令： print，printf
5. 选项中的使用的变量：
5.1 变量 （注：awk中自己的变量是不能加$符的，跟bash是不一样的）
内建变量：
FS:input field seperator 输入字段分隔符，默认为空白字符
此等同于-F分隔符
OFS:output field seperator 输出字段分隔符，默认为空白字符
eg：
[[email protected] ~]# tail -2 /etc/fstab| awk -v OFS=‘:‘ ‘{print $1,$3}‘
sysfs:sysfs
proc:proc
[[email protected] ~]# tail -2 /etc/fstab
sysfs /sys sysfs defaults 0 0
proc /proc proc defaults 0 0
[[email protected] ~]# tail -2 /etc/passwd| awk -v FS=‘:‘ ‘{print $1,$3}‘
apple 2000
zabbix 495
RS：input record sepereator指定输入时的换行符
ORS：output record sepereator指定输出时的换行符
eg：
[[email protected] ~]# awk -v RS=‘ ‘ -v ORS=‘##‘ ‘{print}‘ /etc/passwd
root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
adm:x:3:4:adm:/var/adm:/sbin/nologin
lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin
sync:x:5:0:sync:/sbin:/bin/sync
shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown
halt:x:7:0:halt:/sbin:/sbin/halt
mail:x:8:12:mail:/var/spool/mail:/sbin/nologin
uucp:x:10:14:uucp:/var/spool/uucp:/sbin/nologin
operator:x:11:0:operator:/root:/sbin/nologin
games:x:12:100:games:/usr/games:/sbin/nologin
gopher:x:13:30:gopher:/var/gopher:/sbin/nologin
ftp:x:14:50:FTP##User:/var/ftp:/sbin/nologin
nobody:x:99:99:Nobody:/:/sbin/nologin
dbus:x:81:81:System##message##bus:/:/sbin/nologin
注意看其中的#号
NF：number of field 统计每一行字段的数量
{print NF}
{print $NF}:打印最后一个字段
~]# awk ‘{print NF}‘ /etc/passwd
eg：
[[email protected] ~]# awk -F: ‘{print $NF}‘ /etc/passwd
NR：number of record打印每一行的行号，但事实上统计的是文件的总体行数
FNR：各文件分别计数，计行数
FILENAME：当前正在处理的文件名
ARGC：命令行参数的个数
ARGV：数组，保存的是命令行所给定的各参数
ARGV[0]:第一个参数
。。。。。
eg：
[[email protected] ~]# awk ‘BEGIN{print ARGV[0]}‘ /etc/passwd /etc/fstab
awk
[[email protected] ~]# awk ‘BEGIN{print ARGV[1]}‘ /etc/passwd /etc/fstab
/etc/passwd
注：BEGIN的作用是实现不会对每一行打印的结果。如果没有BEGIN则每一行都要显示一个打印的值
5.2自定义变量：
（1）：-v var=value 变量名区分字符大小写
（2）：在program中直接定义
eg：
[[email protected] ~]# awk -v abc=‘love you‘ ‘{print abc}’ /etc/passwd
另一种实现：
[[email protected] ~]# awk ‘BEGIN{abc="love you"; print abc} ‘
love you
语法： gawk [options ] ‘program’ file ...
program:PATTERN{ACTION STATEMENTS}
6. 其中的內建命令
6.1：print（用于{ACTION STATEMENTS}中）
print iterm1，iterm2，。。。
要点：（1）：逗号为分隔符,但在输出时显示的是空白符而非逗号
(2) :输出的各iterm可以是字符串、数值、当前记录的字段、变量或awk的表达式
（3）：如果省略iterm，相当于print$0
eg：
[[email protected] ~]# tail -5 /etc/passwd | awk -F: ‘{print "hehe:"111$1,$3}‘
hehe:111tcpdump 72
hehe:111bucktan 500
hehe:111centos 496
hehe:111apple 2000
hehe:111zabbix 495
[[email protected] ~]# tail -2 /etc/passwd | awk -F: ‘{print}‘
apple:x:2000:2000::/home/apple:/bin/bash
zabbix:x:495:492:Zabbix Monitoring System:/var/lib/zabbix:/sbin/nologin
6.2 printf命令
printf - format and print
格式化输出：printf FORMAT iterm1，iterm2，...
要点: （1）：FORMAT：必须要给出
（2）：不会自动换行，需要显示给出换行控制符才知道哪行
（3）：FORMAT中需要分别为后面的每个iterm指定一个格式化符号
格式符：
%c：显示字符的ASCII码
%d，%i：显示十进制整数
%e，%E:科学计数法数值显示
%g，%G：以科学计数法或浮点形式显示数值
%s：显示字符串
%u：无符号整数
%%：显示%自身
样式一
[[email protected] ~]# awk -F: ‘{printf "%s",$1}‘ /etc/passwd
rootbindaemonadmlpsyncshutdownhaltmailuucpoperatorgamesgopherftpnobodydbususbmuxdvcsarpcrtkitavahi-autoipdabrtrpcusernfsnobodyhaldaemongdmntpapache
样式二
[[email protected] ~]# awk -F: ‘{printf "%s\n",$1}‘ /etc/passwd
root
bin
daemon
adm
lp
样式三
[[email protected] ~]# awk -F: ‘{printf "username: %s\n",$1}‘ /etc/passwd
username: root
username: bin
username: daemon
username: adm
username: lp
样式四
[[email protected] ~]# awk -F: ‘{printf "username: %s, userid: %s\n",$1,$3}‘ /etc/passwd
username: root, userid: 0
username: bin, userid: 1
username: daemon, userid: 2
username: adm, userid: 3
username: lp, userid: 4
username: sync, userid: 5
username: shutdown, userid: 6
username: halt, userid: 7
username: mail, userid: 8
修饰符：
#[.#]:第一个数字控制显示的宽度：第二个#表示小数点的精度
如%3.1f
-：左对齐 ，不加-为默认的右对齐
+：显示数值的符号
[[email protected] ~]# awk -F: ‘{printf "username: %-15s, userid: %s\n",$1,$3}‘ /etc/passwd
username: root , userid: 0
username: bin , userid: 1
username: daemon , userid: 2
##后面内容省略
7. 操作符
###（也是用在执行语句之中的，记得要用分号与print內建命令分开）
算术操作符：
x+y ,x-y,x*|/|^|%y
-x：负值
+x：转换为数值
字符串操作符：没有符号的操作符，字符串连接
赋值操作符：=，+=，-=，*=，/=，%=,++,--
比较操作符：>,<,>=,<=,!=,==
模式匹配符：
~：是否匹配
！~：是否不匹配
逻辑操作符：&&，||，！
函数调用：function_name() ,
若要传递参数使用：function_name(argu1，argu2，。。)
条件表达式：selector？if-true-expression：if-false-expression
selector为条件
if-true-expression：条件为真的表达式
if-false-expression：条件为假的表达式
eg：
[[email protected] ~]# awk -F: ‘{$3>=1000?usertype="common user":usertype="sysuser or root";printf "%10s:%-s\n",$1,usertype}‘ /etc/passwd
root:sysuser or root
bin:sysuser or root
daemon:sysuser or root
adm:sysuser or root
lp:sysuser or root
sync:sysuser or root
语法： gawk [options ] ‘program’ file ...
program:PATTERN{ACTION STATEMENTS}
8. PATTERN
（1)empty：空模式，处理文本每一行
（2）：/regular expression/:仅处理能够被此模式匹配到的行
eg:
[[email protected] ~]# awk ‘/^UUID\>/{print}‘ /etc/fstab
UUID=375e2006-28ec-4d8b-bc90-399b7c0f42f3 /boot ext4 defaults 1 2
（3）：relational expression：关系表达式，结果有“真”有”假“，结果为”真“才会被处理;
"真"：表示结果为非0值，或者为非空字符串
eg:
[[email protected] ~]# awk -F: ‘$3>=1000{print $3}‘ /etc/passwd
65534
2000
（4）：line ranges 行范围
startline，endline：/pat1/,/pat2
注:支持直接给出数字
eg:
[[email protected] ~]# awk -F: ‘/^root\>/,/^adm\>/{print $1,$3}‘ /etc/passwd
root 0
bin 1
daemon 2
adm 3
（5):BEGIN/END
BEGIN{}：仅在开始处理文件中的文本之前执行一次
END{}：仅在文本处理完成之后执行一次
[[email protected] ~]# awk -F: ‘BEGIN{print "user id\n================"}{print $1,$3}END{print "end\n-----------"}‘ /etc/passwd
user id
================
root 0
bin 1
daemon 2
adm 3
[[email protected] ~]# awk -F: ‘BEGIN{print "user id\n================"}{printf "%10-s %10-s\n",$1,$3}END{print "end\n-----------"}‘ /etc/passwd
user id
================
root 0
bin 1
daemon 2
adm 3
语法： gawk [options ] ‘program’ file ...
program:PATTERN{ACTION STATEMENTS}
9.常用的action语句（即写在{ACTION STATEMENTS}中的语句）
a:Expressions
b:cotrol statements:if ,while 等
c:compound statements:组合语句
d：input statements 输入语句
e：output statements输出语句
9.1 ：控制语句
if(condition) {statements}
if(condition) {statements} else {statements}
while(condition) {statements
do {statements} while(condition)
for(expr1;expr2;expr3) {statements}
break
continue
delete array[index]
delete array
exit
{ statements }
10.细说action语句
10.1 if -else
语法: if(condition) statements else [statements]
eg：
[[email protected] ~]# awk -F: ‘{if($3>=1000) print $1,$3}‘ /etc/passwd
nfsnobody 65534
apple 2000
[[email protected] ~]# awk -F: ‘{if($3>=1000) {printf "common user: %s\n",$1} else { printf "root or sysuser:%s\n",$1}}‘ /etc/passwd
root or sysuser:root
root or sysuser:bin
root or sysuser:daemon
root or sysuser:adm
root or sysuser:lp
root or sysuser:sync
10.2 while 循环
语法:while(condition) {statements}
条件为真进入循环为假退出循环
使用场景:对一行内的多个字段逐一进行处理时使用；对数组中各元素逐一处理时使用
eg：对/etc/fstab文件中以UUID开头的行的每一个字段进行计算有多少个字符，并打印该字符段和字符数
[[email protected] ~]# awk ‘/^UUID/{i=1;while(i<=NF) {print $i,length($i);i++}}‘ /etc/fstab
UUID=375e2006-28ec-4d8b-bc90-399b7c0f42f3 41
/boot 5
ext4 4
defaults 8
1 1
2 1
10.3 do-while (先运行一次循环体，在判断条件)
语法：do {statements} while(condition)
意义：可以至少执行一次循环体
10.4 for循环
语法：for(expr1;expr2;expr3) {statements}
eg:
[[email protected] ~]# awk ‘/^UUID/{for(i=1;i<=NF;i++){print $i,length($i)}}‘ /etc/fstab
UUID=375e2006-28ec-4d8b-bc90-399b7c0f42f3 41
/boot 5
ext4 4
defaults 8
1 1
2 1
特殊用法：
能够遍历数组中的元素
语法：for （var in array） {for-body}
10.5 switch语句
语法:switch(expression) {case VALUE1 or /REGEXP/:statement;case VALUE2 or /REGEXP/:statement;....;default:statement}
注：其中之一分支匹配到，则执行此分支不执行其他分支了
10.6 break和continue
break [n]：退出n层循环
continue：退出当前循环
10.7 next 提前结束对本行的处理而直接进入下一行
eg:
[[email protected] ~]# awk -F: ‘{if($3%2!=0) next ;print $1,$3}‘ /etc/passwd
root 0
daemon 2
lp 4
shutdown 6
10.7 array
关联数组：arry[index-expression]
index-expression:
(1):可使用任意字符，字符串要使用双引号
（2）：如果某数组元素事先不存在，在引用时，awk会自动创建此元素，并将其值初始化为“空串”
若要判断数组中是否存在某元素，要使用“index in array”格式进行
11：函数
11.1：内置函数
数值处理：
rand():：返回0和1之间一个随机数；
字符串处理：
length([s])：返回指定字符串的长度；
sub(r,s,[t])：以r表示的模式来查找t所表示的字符中的匹配的内容，并将其第一次出现替换为s所表示的内容；
gsub(r,s,[t])：以r表示的模式来查找t所表示的字符中的匹配的内容，并将其所有出现均替换为s所表示的内容；
split(s,a[,r])：以r为分隔符切割字符s，并将切割后的结果保存至a所表示的数组中；
~]# netstat -tan | awk ‘/^tcp\>/{split($5,ip,":");count[ip[1]]++}END{for (i in count) {print i,count[i]}}‘