学习任何新事物，开始的时候最需要的是一个最简模型，然后根据逐步的应用和思考，不断去内化、消化新的知识完善模型。
by 落花僧
来了个需求
处理存放在文件中的数据的时候，一般都是逻辑上结构化的文本，这个文本：
- 有很多行
- 每行有多个字段(column)
例如标准的CSV文件：（customers.csv）
id,name,gender,age
1,小王,男,30
2,小李,女,25
3,小张,男,28
1. 老板的需求 - 版本1
找出公司年龄30岁以下的客户名单（虽然公司刚起步，只有3个客户）
> awk -F, '{if ($4<30) print $0;}' customers.csv
2,小李,女,25
3,小张,男,28
发生了什么？分解这行命令：
- -F, F表示每行字段的分割符，awk默认为空格，这里指定为逗号“，”，在F后面直接跟逗号是简写，也可以中间空格写成 -F "," 形式。
- 单引号: 表示告诉awk这个是需要执行的逻辑代码，需要使用大括号括起来。
- if判断：标准的C系语法，$4表示第四列（注意awk处理的第几列是从1开始的）。
- 最后的customers.csv是要处理的文件。
print语句是进入条件判断后的执行语句，这里可以省略大括号：
- 这两行等同
awk -F, '{if ($4<30) print $0;}' customers.csv
awk -F, '{if ($4<30) {print $0;}}' customers.csv
那么'{if ($4<30) print $0;}' 这句代码是什么时候执行的呢？
awk执行逻辑：
- 从文件第一行开始读取
- 每读取一行后执行
'{if ($4<30) print $0;}'- 有多少行就执行多少次
'{if ($4<30) print $0;}'，所以这里的$4,$0分别对应当前处理行的第4列内容、所有内容（整行）,这里如果你不需要条件判断，只需要第一列和第二列可以awk -F, '{print $1,$2;}' customers.csv
(ps 每条语句以分号结束，可以省略)
2. 老板又来了需求 - 版本2
找出所有男客户，并且输出结果分隔符改使用冒号":", 然后文件最后一行统计下总行数。
好像需求看起来有点复杂了，那么我们将其拆分为3个简单的子需求吧：
# 1 将整个文件的分割符替换为冒号
> awk -F, 'BEGIN{OFS=":";} {print $1,$2,$3,$4;}' customers.csv
id:name:gender:age
1:小王:男:30
2:小李:女:25
3:小张:男:28
# 2 输出男客户
> awk -F, '/男/ {print $0;}' customers.csv
1,小王,男,30
3,小张,男,28
# 3 文件最后一行计数
> awk -F, '{print $0; rows_count+=1;} END{printf("共%s行\n",rows_count);}' customers.csv
id,name,gender,age
1,小王,男,30
2,小李,女,25
3,小张,男,28
共4行
这里引入了三个不认识的模块
BEGIN{OFS=":"}/男/END{printf("共%s行\n",rows_count);}
这三个模块加上我们认识的{print $0; rows_count+=1;}就是整个awk的全部结构，合在一起的一行命令就是：
> awk -F, 'BEGIN{OFS=":";} /男/ {print $1,$2,$3,$4; rows_count+=1;} END{printf("共%s行\n",rows_count);}' customers.csv
1:小王:男:30
3:小张:男:28
共2行
我们对整个结构进行拆解：
awk -F, 'BEGIN{OFS=":";} /男/ {print $1,$2,$3,$4; rows_count+=1;} END{printf("共%s行\n",rows_count);}' customers.csv1.开始模块 [可省]
BEGIN{OFS=":";}
关键词为BEGIN加{}形式，{}中放需要执行的语句，begin模块是整个awk启动后在遍历文件之前执行，只执行一次，OFS是Out of Field Separator首字母间写，表示输出字段的分隔符，这里赋值为冒号。2.条件模块 [可省]
/男/
这里是一个正则表达式，作为条件过滤，是每行都会执行的代码。3.行为模块
{print $1,$2,$3,$4; rows_count+=1;}
每行都执行的代码，是最重要唯一不可省的模块。这里除了打印4个列的值，还有一个自增变量rows_count。4.结束模块 [可省]
END{printf("共%s行\n",rows_count);}
结束模块为END加{}形式，和开始模块对应，可以读取前面模块的变量。
本例中读取了在行为模块中rows_count这个自增变量。
总结
我们在处理一个文件的时候，往往需要涉及for循环遍历，条件判断筛选等操作，awk相当于提供了一个这个层次的抽象工具，我们只要对应在4个模块中写入相应的逻辑即可，这样让处理程序的代码更简洁，甚至让平时经常需要的任务用一行非常简短的命令就可以完成。