awk （转）

Awk是一种处理结构数据并输出格式化结果的编程语言， Awk 是其作者 "Aho,Weinberger,Kernighan" 的简称。

Awk通常被用来进行格式扫描和处理。通过扫描一个或多个文件中的行，查看是否匹配指定的正则表达式，并执行相关的操作。

Awk的主要特性包含：

1. Awk以记录和字段的方式来查看文本文件

2. 和其他编程语言一样，Awk 包含变量、条件和循环

3. Awk能够进行运算和字符串操作

4. Awk能够生成格式化的报表数据

Awk从一个文件或者标准输入中读取数据，并输出结果到标准输出中。

1.  Awk的语法

Syntax:

awk '/search pattern1/ {Actions}
     /search pattern2/ {Actions}' file

 

在上诉语法中：

1. search pattern是正则表达式

2. Actions 输出的语法

3. 在Awk 中可以存在多个正则表达式和多个输出定义

4. file 输入文件名

5. 单引号的作用是包裹起来防止shell 截断

 

2.  Awk的工作方式：

1） Awk 一次读取文件中的一行

2）对于一行，按照给定的正则表达式的顺序进行匹配，如果匹配则执行对应的 Action

3）如果没有匹配上则不执行任何动作

4）在上诉的语法中， Search Pattern 和 Action 是可选的，但是必须提供其中一个

5）如果 Search Pattern 未提供，则对所有的输入行执行 Action 操作

6）如果 Action 未提供，则默认打印出该行的数据

7） {} 这种 Action 不做任何事情，和未提供的 Action 的工作方式不一样

8） Action 中的语句应该使用分号分隔

创建一个包含下面内容的文本文件employee.txt 。后续的例子中将会用到该文件

 

$cat employee.txt
100  Thomas  Manager    Sales       $5,000
200  Jason   Developer  Technology  $5,500
300  Sanjay  Sysadmin   Technology  $7,000
400  Nisha   Manager    Marketing   $9,500
500  Randy   DBA        Technology  $6,000

 

3.  Awk 的默认行为

默认的时候awk 打印文件中的每一行

 

 

$ awk '{print;}' employee.txt
100  Thomas  Manager    Sales       $5,000
200  Jason   Developer  Technology  $5,500
300  Sanjay  Sysadmin   Technology  $7,000
400  Nisha   Manager    Marketing   $9,500
500  Randy   DBA      Technology  $6,000

在上面的例子中，匹配的正则表达式未给出，因此后续的Action 适用所有的行， Action 中的 print 没有任何参数的情况下将打印整行，注意其中的 Action 必须使用 {} 括起来。

4.  Awk打印匹配的行

 

 

$ awk '/Thomas/
> /Nisha/' employee.txt
100  Thomas  Manager    Sales       $5,000
400  Nisha   Manager    Marketing   $9,500

在上面的例子中，将打印包含Thomas 和 Nisha 的行，上面的列子包含两个正则表达式。 Awk 可以接受任意数量的正则表达式，但是每个组合 ( 正则表达式和对应的 Action) 必须用新行来分隔。

5.  Awk仅打印指定的域

Awk包含许多内建的变量，对于每行的记录， Awk 默认按照空格进行分割，并将分隔后的值存入对应的 $n 变量中。如果一行还有 4 个单词，将被分别存储进 $1 $2 $3 $4 中，其中 $0 代表整行。 NF 也是一个内建的变量，代表该行中分割后的变量数。

$ awk '{print $2,$5;}' employee.txt
Thomas $5,000
Jason $5,500
Sanjay $7,000
Nisha $9,500
Randy $6,000
$ awk '{print $2,$NF;}' employee.txt
Thomas $5,000
Jason $5,500
Sanjay $7,000
Nisha $9,500
Randy $6,000

 

在上诉例子中$2 和 $5 分别代表名字和薪水，也可以使用 $NF 获得薪水，其中 $NF 代表最后一个字段，在打印语句中逗号是一个连接符号。

6.  Awk开始和最后的动作

Awk包含两个重要的关键字 BEGIN 和 END

 

 

Syntax:

BEGIN { Actions}
{ACTION} # Action for everyline in a file
END { Actions }
# Awk中的注释

在BEGIN 节中的 Actions 会在读取文件中的行之前被执行。

而END 节中的 Actions 会在读取并处理文件中的所有行后被执行。

 

 

$ awk 'BEGIN {print "Name/tDesignation/tDepartment/tSalary";}
> {print $2,"/t",$3,"/t",$4,"/t",$NF;}
> END{print "Report Generated/n--------------";
> }' employee.txt
Name Designation Department Salary
Thomas   Manager   Sales           $5,000
Jason   Developer   Technology   $5,500
Sanjay   Sysadmin   Technology   $7,000
Nisha   Manager   Marketing   $9,500
Randy   DBA     Technology   $6,000
Report Generated
--------------

上述的例子为输出结果增加头和尾描述

7.  Awk找出员工 ID 大于 200 的员工

 

 

$ awk '$1 >200' employee.txt
300  Sanjay  Sysadmin   Technology  $7,000
400  Nisha   Manager    Marketing   $9,500
500  Randy   DBA        Technology  $6,000

在上述例子中，$1 代表员工 ID ，如果员工 ID 大于 200 则执行默认的打印整行的 Action 。

8.  Awk打印技术部员工

$4代表员工所在的部门，如果等于 Technology 则打印出整行

 

 

$ awk '$4 ~/Technology/' employee.txt
200  Jason   Developer  Technology  $5,500
300  Sanjay  Sysadmin   Technology  $7,000
500  Randy   DBA      Technology  $6,000

~操作符是和正则表达式中的值进行比较，如果匹配则打印整行

9.  Awk打印技术部门的员工数

在下面的例子中，检查员工的部门是否是Technology ，如果是则递增 count 变量的值。 Count 变量的值在BEGIN 的 Actions 中被初始化为 0 。

 

 

$ awk 'BEGIN { count=0;}
$4 ~ /Technology/ { count++; }
END { print "Number of employees in Technology Dept =",count;}' employee.txt
Number of employees in Tehcnology Dept = 3

在处理的最后(END 的 Actions) ，仅仅打印出 Technology 部门的人数

在Linux awk语言中，提供了很多有意义的函数。例如:

       gsub(r,s)  在整个$0中用s代替r

       gsub(r,s,t) 在整个t上用s代替r

       length(s)   返回s的长度

       index(s,t)   返回s中字符串t的第一位置

       match(s,r)   测试s是否包含r 子串

       spilt(s,a,fs)  用fs(某种分割符号)去拆分s串，将拆分后的数组赋给a

       sub(r,s)        用$0中最左边最长的子串去代替s

       substr(s,p)   返回字符串s从p开始的后缀部分

       substr(s,p,n)   返回字符串s从p开始的长度为n的串

       现在分别举例子来看这些具体的应用:

      1:gsub

      下面一个例子将匹配chenwu串的行替换成yangliu(注意这里要加引号，不然awk会把它当作变量)

[chenwu@localhost unit9-awkIntroduce]$ cat -n grade.txt
     1  chenwu 05/99 4811 27
     2  mary   02/22 1231 30
     3  tom    09/15 1182 25
[chenwu@localhost unit9-awkIntroduce]$ awk 'gsub(/chenwu/,"yangliu") {print $0}' grade.txt
yangliu 05/99 4811 27

     2:index(获取ny串在Bonny的起始位置，注意这里的计数与一般的编程语言不同，这里从1开始计数)

[chenwu@localhost unit9-awkIntroduce]$ awk 'BEGIN {print  index("Bonny","ny")}' grade.txt
4

 

     3:length

[chenwu@localhost unit9-awkIntroduce]$ awk '{if($1=="chenwu") print $1,length($1)}' grade.txt
chenwu 6

   4:match

       match用来匹配子串(也可以是一个正则表达式 )在父串的位置，如果匹配成功，则返回匹配的位置，否则返回0，例如:

[chenwu@localhost unit9-awkIntroduce]$ awk 'BEGIN {print match("ABCD",/C/)}'
3
[chenwu@localhost unit9-awkIntroduce]$ awk 'BEGIN {print match("ABCD",/U/)}'
0

 

   5:split

[chenwu@localhost unit9-awkIntroduce]$ awk 'BEGIN {print split("123#45#22",myarray,"#")}'
3

 

   6:substr(s,p[,n])   返回s串中从p开始的后缀部分,n是一个可选参数，表示取多大的长度   

      例如

[chenwu@localhost unit9-awkIntroduce]$ awk 'BEGIN {base="I love money"} {print substr(base,3,6)}' grade.txt
love m
love m
love m

   awk的这些函数在和shell的管道符结合在一起的时候，可以发挥很大的作用。例如:

    返回一个目录下所有文件的句点的前缀名称。(不好使)

[chenwu@localhost unit9-awkIntroduce]$ ls -l | awk 'BEGIN {if($1!~/^d/) n=index($8,".")}
{if($1!~/^d/) print n,substr($8,n)}'
0
0 grade.report
0 grade.txt
[chenwu@localhost unit9-awkIntroduce]$ ls -l
总计 12
-rw-rw-r-- 1 chenwu chenwu   53 06-10 10:16 grade.report
-rw-rw-r-- 1 chenwu chenwu   64 06-11 10:12 grade.txt
drwxrwxr-x 2 chenwu chenwu 4096 06-11 10:28 testDir

 

    这里为什么不好使尼？理由是n在begin里定义了后，之后就不会再变了，稍微改造后，就好使了:

[chenwu@localhost unit9-awkIntroduce]$ ls -l | awk '{n=index($8,".")} {if($1!~/^d/) print substr($8,1,n-1)}'

grade
grade

 

    但是这里还是有点瑕疵，你会发现并没有过滤普通目录。grade的上方仍然有输出(空白)

   一种较合理的解释是普通目录的确过滤掉了，但是ls -l最上方的总计12  没有过滤到，导致也对它取了次从1到句点.结束的子串，从而打印了空白。