文本分析工具：awk

awk：是一种很方便的数据处理的编程语言，用于数据分析并生成报告

基本格式：

awk [options] ‘program’ file
awk 可选参数 ‘可执行脚本代码’ 文件

先举个，NoZuoNoDie组合练习生的文件：NoZuoNoDie.csv

name	practiceTtime	ranking
he	5	3
wei	12	5
bai	10	2
sa	4	4
jia	7	1

现在想找出排名前三的练习生

解释下：

1. 第一句是输出这个文件的所有内容，类似于cat filename。awk执行print $0这条命令：输出$0, $0代表当前行，所以把所有行都输出了

2. 第二句是输出前三名的命令啦

   • 因为平时用CSV文件比较多，就用CSV文件举例，因此需要可选参数-F 指定分隔符为逗号，默认的分隔符为空格和制表符
   • $符号后边的数字代表第几行，$3 <= 3，第三行小于等于4
   • {print $1} 输出第一行，也就是姓名
   • 最后是文件名

接下来正式开始，以下都是我实践后，直接上截图，然后解释每句，语句不能粘贴，大家一定要多动手，自己手动敲一遍，才会更深刻哦（才不会说是因为我懒(ーー゛)

打印

1. 打印每一行

1. awk ‘{print}’ NoZuoNoDie.csv
   将所有的输入打印到标准输出
2. awk ‘{print $0}’ NoZuoNoDie.csv
   $0代表一整行，所以输出一整行

2.打印某些字段

截图按照顺序为1、2、3

1. 第1个输出文件的全部内容，
2. 2要输出第1、2行，但因为默认分隔符是空格、制表符，所以只有一行，第二行是空，
3. 3呃，和2一模一样，省略
4. 4指定了分隔符，输出第1、2行，看起来好乱，1、2行之间加个制表符，看起来会很好
5. 所以5，在{print $1 “\t” $2}第1、2行输出的中间加入了制表符\t，要用双引号哦

• 纠正个问题，在输出第一行第二行之间加上逗号，如下图，会自动填充看起来应该是空格，但是加制表符看起来更好看啦
  

3. NF

• NF是awk的內建变量，计算当前输入行的字段数量
  

1. 第一行输出了文件行数，$1输出第1行内容，$NF输出第三行内容，这个文件有3行，此时NF值为3，所以$NF输出第三行
2. 第二个例子依次输出行数，第一行内容，第三行内容，第二行内容

4. 计算和打印

1. 输出全部内容，再输出第2行和第三行相乘的值
2. 看着不好看，加个制表符看看，不好看pass
3. 同1
4. NR代表行号，输出行号，全部内容，和$2 * $3，看起来好一点
5. 只输出行号，name行，$2*$3
6. 为了更好看，可以任意拼接字符串，如6、7，注意：‘s的引号，需要用反斜杠哦

5. 精美的输出

• print用于简单快速的输出，printf可以输出任何种类
  

1. %s代表第一个值以字符串形式打印，%.2f第二个值按照数值格式打印，且带2位小数。
2. 末尾的\n是换行，printf不会自动换行，需要自己加，第二个例子，不加换行的效果

• 其他：
  • %-8s左对齐输出，占用8个字符
  • %5.2f，以带有2位小数点的数值格式打印，数字至少占用6个字符宽度
  • 排序 awk -F ',' '{printf "%s, %s\n", $3, $1}' NoZuoNoDie.csv | sort -n
    

6. 比较、判断

• 大于>、小于<、等于==、和&&、或||、非 !

• 验证

• BEGIN、END

• 

7. 计算

8. 內建函数

length计算字符个数

awk -F ',' '{print $1, length($1) }' NoZuoNoDie.csv
out:   
	name 4
	he 2
	wei 3
	bai 3
	sa 2
	jia 3

(以下偷懒了，实在是太晚啦，有空补==。。。

9. 流程控制语句

1. if else

   $2 > 6 { n = n + 1; pay = pay + $2 * $3 }
       END    { if (n > 0)
                  print n, "employees, total pay is", pay,
                           "average pay is", pay/n
              else
                  print "no employees are paid more than $6/hour"
   }
   

2. while

   { i=1
   while (i <= $3) {
               printf("\t%.2f\n", $1 * (1 + $2) ^ i)
   i=i+1 }
   }
   

3. for

   { for(i=1;i<=$3;i=i+1) printf("\t%.2f\n", $1 * (1 + $2) ^ i)
   }
   

10. 数组

{ line[NR] = $0 }  # remember each input line
    END { i = NR           # print lines in reverse order
          while (i > 0) {
              print line[i]
i=i-1 }
}	 

11. 其他

1. 输入行的总行数
   END { print NR }
2. 打印第 10 行
   NR == 10
3. 打印每一个输入行的最后一个字段 { print $NF }
4. 打印最后一行的最后一个字段
   { field = $NF }
   END { print field }
5. 打印字段数多于 4 个的输入行 NF > 4
6. 打印最后一个字段值大于 4 的输入行 $NF > 4
7. 打印所有输入行的字段数的总和 { nf = nf + NF }
   END { print nf } 8. 打印包含 Beth 的行的数量
   /Beth/ { nlines = nlines + 1 }
   END { print nlines }
8. 打印具有最大值的第一个字段, 以及包含它的行 (假设 $1 总是 正的) $1 > max { max = $1; maxline = $0 }
   END { print max, maxline }
9. 打印至少包含一个字段的行 NF > 0
10. 打印长度超过 80 个字符的行 length($0) > 80
11. 在每一行的前面加上它的字段数 { print NF, $0 }
12. 打印每一行的第 1 与第 2 个字段, 但顺序相反 { print $2, $1 }
13. 交换每一行的第 1 与第 2 个字段, 并打印该行
    { temp = $1; $1 = $2; $2 = temp; print }
14. 将每一行的第一个字段用行号代替 { $1 = NR; print }
15. 打印删除了第 2 个字段后的行
    { $2 = “”; print }
16. 将每一行的字段按逆序打印
    { for (i = NF; i > 0; i = i - 1) printf("%s “, $i)
    printf(”\n")
    }
17. 打印每一行的所有字段值之和
    { sum = 0
    for (i = 1; i <= NF; i = i + 1) sum = sum + $i
    print sum
    }
18. 将所有行的所有字段值累加起来
    { for (i = 1; i <= NF; i = i + 1) sum = sum + $i }
    END { print sum }
19. 将每一行的每一个字段用它的绝对值替换
    { for (i = 1; i <= NF; i = i + 1) if ($i < 0) $i=-$i
    print
    }