文本处理三剑客之awk（报告生成器）
awk是一款强大的报告生成器，不同于sed和grep,它的侧重点是如何把文本信息更好的展示出来，常用与统计和格式化输出。awk相当于微型的shell,有着自己一套语法结构，例如：循环结构，数组，条件判断，函数，内置变量等功能。
awk在我认为简直就是文本处理时打劫放火一大利器。
例如取出/etc/passwd中的第一列。
[root@CentOS6 ~]# awk -F: '{print $1}' /etc/passwd
root
bin
daemon
adm
...
常用选项
| 选项 | 参数 | 说明 |
|---|---|---|
| -F | 指明输入时用到的字段分隔符 | 如果不指定默认代表用正则表达式匹配多个空白字符 |
| -v | var=value: 自定义变量 |
| 变量 | 介绍 | 说明 |
|---|---|---|
| FS | 输入字段分隔符，默认为空白 | 同-F效果一样 |
| OFS | 输出字段分隔符，默认为空白字符 | ‘{print $1，OFS,$2}’ |
| RS | 输入记录分隔符，指定输入时的换行符，原换行符仍有效 | |
| ORS | 输出记录分隔符，输出时用指定符号代替换行符 | |
| NF | 字段数量 | |
| NR | 行号 | |
| FNR | 各文件分别计数，行号 | awk '{print FNR}' /etc/fstab /etc/inittab |
| FILENAME | 当前文件名 | |
| ARGC | 命令行参数个数 | |
| ARGV | 数组，保存的是命令行所给定的各参数 |
| 格式化输出参数 | 介绍 |
|---|---|
| %c | 显示字符的ASCII码 |
| %d, %i: | 显示十进制整数 |
| %e, %E | 显示科学计数法数值 |
| %f | 显示为浮点数 |
| %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 |
| #[.#] | 第一个数字控制显示的宽度；第二个# 表示小数点后精度,%3.1f |
基本结构
awk [options] 'BEGIN{ action;… } pattern{ action;… } END{ action;… }' file ...
awk 程序通常由：BEGIN语句块（最初执行）、被模式匹配的语句块（中间执行）、END语句块三部分构成（最后执行）。program通常被单引号或双引号引中。不一定每种模式一定要用，pattern会最常用到 。
基本格式
print标准输出 printf 格式化输出
需要显示的内容逗号分割，支持字符串、数值、当前记录的字段、变量或者awk的表达式。
awk -F: '{print $1,$3}' /etc/passwd（$0代表整行）
awk -F: '{print length($1),$1}' /etc/passwd 打印$1的字符数量 以及显示$1
awk -F: 'i=1;j=1{print i,j}' /etc/passwd 请注意这里有个坑，写之前想下会是什么结果，看打印出来和自己想的是不是一样
printf
不会自动换行 需要制定换行控制符 “\n”
需要指定格式，使看起来更简洁
[root@station38 testscr]# awk -F: '{printf "%-20s%s\t%s\n",$1,$2,$3}' /etc/passwd
root x 0
bin x 1
bin x 1
bin x 1
.....
逻辑操作符和算术运算符
算术运算支持赋值、算术运算、算术比较、模式匹配，支持正则。
逻辑操作符理论上最好只有一个&&或者|| 这样可视性强
awk –F: '$3>=0 && $3<=1000 {print $1}' /etc/passwd
awk -F: '$3==0 || $3>=1000 {print $1}' /etc/passwd
BEGIN/END 模式
awk -F: 'BEGIN{print "AAAAAAAA"}{printf "%-15s%-20d\n",$1,$3}END{print "BBBBBBBB"}' /etc/passwd
AAAAAAAA
root 0
bin 1
bin 1
bin 1
...
BBBBBBBB
先执行BEGING，然后读取文件，读入有/n换行符分割的一条记录，然后将记录按指定的域分隔符划分域，填充域，$0则表示所有域,$1表示第一个域,$n表示第n个域,随后开始执行模式所对应的动作action。接着开始读入第二条记录······直到所有的记录都读完，最后执行END操作。
性能比较time
测试计算100以内3的倍数相加得数 显示耗时
[root@station38 testscr]# time (seq -s + 3 3 100|bc)
1683
real 0m0.015s
user 0m0.008s
sys 0m0.006s
条件表达式（三目表达式）
selector?if-true-expression:if-false-expression 如果？之前的条件为真执行：之前的条件,如果？之前的条件为假则执行最后的条件.最后一个字段（$NF）不等于 /sbin/nologin 为真，执行name="sysuser" ，在执行最后的条件。 awk -F: '$NF != "/sbin/nologin"?name="sysuser":name="user"{printf "%-20s:%s\n",$1,$3}' /etc/passwd
连接当前主机次数前三的IP
netstat -nt | awk '/^tcp/{print $(NF-1)}' | awk -F: '{print $1}' | sort | uniq -c | sort -nr | head -n3
访问太过频繁有危险扔黑名单 例如是 192.168.22.129的IP
iptables -A INPUT -s 192.168.22.129 -p tcp --dport 80 -j REJECT
条件语句和shell脚本编程里类型一样的，只不过这个不换行，而且使用括号的方式更类似C语言。接下来举两个例子
查看用户属于是普通用户还是系统用户。
[root@station38 testscr]# awk -F: '{print $3,$4}' /etc/passwd | awk '{i=1;while(i<=NF){if($i<500)print $i,"smaller";else print $i,"bigger";i++}}'
0 smaller
0 smaller
993 bigger
113 smaller
113 smaller
995 bigger
992 bigger
......
打印UUID 开头的行的每段有多少字符
[root@station38 testscr]# awk '/^UUID/{i=1;while(i<=NF){print length($i);i++}}' /etc/fstab
41
1
4
8
1
1
41
......
找到/etc/grub2.cfg中开头可以有空白字符的行 后面跟linux16的行 显示并且显示有多少字符
[root@station38 testscr]# awk '/^[[:space:]]*linux16/{i=1;while(i<=NF){if(length($i)>=10)print $i,length($i);i++}}' /etc/grub2.cfg
/vmlinuz-3.10.0-327.el7.x86_64 30
root=UUID=2a9b6b86-35c8-415b-852a-78c30911a93c 46
crashkernel=auto 16
......
do-while的用法 while是条件为真执行循环，do是不管真假先执行一次。这是唯一的区别
[root@station38 testscr]# awk '/^[[:space:]]*linux16/{i=1;do{print $i,length($i);i++}while(i<=NF)}' /etc/grub2.cfg
linux16 7
/vmlinuz-3.10.0-327.el7.x86_64 30
root=UUID=2a9b6b86-35c8-415b-852a-78c30911a93c 46
ro 2
crashkernel=auto 16
rhgb 4
quiet 5
LANG=en_US.UTF-8 16
......
使用awk while循环实现1到100的加法
[root@station38 testscr]# awk 'BEGIN{i=1;sum=0;while(i<=100){sum+=i;i++};print sum}'
5050