awk是一个非常棒的数字处理工具。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为数个“字段”来处理。运行效率高,而且代码简单,对格式化的文本处理能力超强。
awk的一般语法格式为:
awk [-参数 变量] ' BEGIN{初始化} 条件类型1{动作1} 条件类型2{动作2}。。。。 END{后处理}'
其中:BEGIN和END中的语句分别在开始读取文件(in_file)之前和读取完文件之后发挥作用,可以理解为初始化和扫尾。
参数说明:
-F 分隔符,允许awk更改其字段分隔符,默认为空格。
-v var=$v 定义变量,把v值赋值给var,如果有多个变量要赋值,那么就写多个-v,每个变量赋值对应一个-v
-f progfile 调用脚本,允许awk调用并执行progfile程序文件,当然progfile必须是一个符合awk语法的程序文件。
(1)模式和动作
任何awk语句都是由模式和动作组成,在一个awk脚本中可能有许多语句。模式部分决定动作语句何时触发及触发事件。动作即对数据进行的操作,如果省去模式部分,动作将时刻保持执行状态。
模式可以是任何条件语句或复合语句或正则表达式,模式包含两个特殊字段BEGIN和END,使用BEGIN语句设置计数和打印 头,BEGIN语句使用在任何文本浏览动作之前,之后文本浏览动作依据输入文件开始执行;END语句用来在awk完成文本浏览动作后打印输出文本总数和结 尾状态标志,有动作必须使用{}括起来。
实际动作在大括号{}内指明,常用来做打印动作,但是还有更长的代码如if和循环looping语句及循环退出等,如果不指明采取什么动作,awk默认打印出所有浏览出的记录。
(2)域和记录
awk执行时,其浏览标记为$1,$2...$n,这种方法称为域标记。使用$1,$3表示参照第1和第3域,注意这里使用逗号分隔域,使用$0表示使用所有域。
例如:
awk '{print $0}' temp.txt > sav.txt
表示打印所有域并把结果重定向到sav.txt中
awk '{print $0}' temp.txt|tee sav.txt
表示打印所有域并把结果屏幕上显示出来
awk '{print $1,$4}' temp.txt
只打印出第1和第4域
awk 'BEGIN {print "NAME GRADE\n----"} {print $1"\t"$4}' temp.txt
表示打信息头,即输入的内容的第一行前加上"NAME GRADE\n-----",同时内容以tab分开
awk 'BEGIN {print "being"} {print $1} END {print "end"}' temp
同时打印信息头和信息尾
(3)条件操作符:
<、<=、==、!=、>=、~匹配正则表达式、!~不匹配正则表达式
匹配 ~ : awk '{if ($4~/ASIMA/) print $0}' temp 表示如果第四个域包含ASIMA,就打印整条
精确匹配 == : awk '$3=="48" {print $0}' temp 只打印第3域等于"48"的记录
不匹配 !~ : awk '$0 !~ /ASIMA/' temp 打印整条不包含ASIMA的记录
不等于 != : awk '$1 != "asima"' temp
小于 < : awk '{if ($1<$2) print $1 "is smaller"}' temp
设置大小写: awk '/[Gg]reen/' temp 打印整条包含Green,或者green的记录
任意字符: awk '$1 ~/^...a/' temp 打印第1域中第四个字符是a的记录,符号’^’代表行首,符合’.’代表任意字符
或关系匹配 : awk '$0~/(abc)|(efg)/' temp 使用|时,语句需要括起来
AND与关系 && : awk '{if ( $1=="a" && $2=="b" ) print $0}' temp
OR或关系 || : awk '{if ($1=="a" || $1=="b") print $0}' temp
+ : 匹配时表示1个或1个以上
(4)awk内置变量:
ARGC |
命令行参数个数 |
NF |
浏览记录的域个数,就是有多少列(重要) |
AGRV |
命令行参数排列 |
NR |
已经读出的记录数,就是行号,从1开始 (重要) |
ENVIRON |
支持队列中系统环境变量的使用 |
OFS |
输出域分隔符 |
FILENAME |
awk浏览的文件名 |
ORS |
输出记录分隔符 |
FNR |
浏览文件的记录数 |
RS |
控制记录分隔符 |
FS |
设置输入域分隔符,同- F选项 |
例: awk 'END {print NR}' temp 在最后打印已读记录条数
awk '{if (NR>0 && $4~/Brown/) print $0}' temp 至少存在一条记录且包含Brown
NF的另一用法: echo $PWD | awk -F/ '{print $NF}' 显示当前目录名
(5) awk操作符:
在awk中使用操作符,基本表达式可以划分成数字型、字符串型、变量型、域及数组元素。
设置输入域到变量名:
awk '{name=$1;six=$3; if (six=="man") print name " is " six}' temp
域值比较操作:
awk 'BEGIN {BASE="27"} {if ($4<BASE) print $0}' temp
修改数值域取值:(原输入文件不会被改变)
awk '{if ($1=="asima") $6=$6-1;print $1,$6,$7}' temp
修改文本域:
awk '{if ($1=="asima) ($1=="desc");print $1}' temp
只显示修改记录:(只显示所需要的,区别上一条命令,注意{})
awk '{if ($1=="asima) {$1=="desc";print$1}}' temp
创建新的输出域:
awk '{$4=$3-$2; print $4}' temp
统计列值:
awk '(tot+=$3);END {print tot}' temp 会显示每列的内容
awk '{(tot+=$3)};END {print tot}' temp 只显示最后的结果
文件长度相加:
ls -l|awk '/^[^d]/ {print $9"\t"$5} {tot+=$5} END{print "totKB:" tot}'
只列出文件名:
ls -l|awk '{print $9}' 常规情况文件名是第9域
(6)awk内置字符串函数:
gsub(r,s) 在整个$0中用s替代r //awk 'gsub(/name/,"xingming") {print $0}' temp
gsub(r,s,t) 在整个t中用s替代r
index(s,t) 返回s中字符串t的第一位置 //awk 'BEGIN {print index("Sunny","ny")}' temp 返回4
length(s) 返回s的长度
match(s,r) 测试s是否包含匹配r的字符串 //awk '$1=="J.Lulu" {print match($1,"u")}' temp 返回4
split(s,a,fs) 在fs上将s分成序列a //awk 'BEGIN {print split("12#345#6789",myarray,"#")"'返回3
//同myarray[1]="12", myarray[2]="345", myarray[3]="6789"
sprint(fmt,exp) 返回经fmt格式化后的exp
sub(r,s) 从$0中最左边最长的子串中用s代替r(只更换第一遇到的匹配字符串)
substr(s,p) 返回字符串s中从p开始的后缀部分
substr(s,p,n) 返回字符串s中从p开始长度为n的后缀部分