文本处理三剑客之AWK

awk介绍

awk作用

报告生成器，格式化文本输出
版本有：New awk（nawk），GNU awk（ gawk）
gawk：模式扫描和处理语言

基本用法：

awk [options] ‘program’ var=value file…
awk [options] -f programfile var=value file…
awk [options] ‘BEGIN{action;… }pattern{action;… }END{action;… }’ file …
awk 程序可由：BEGIN语句块、BODY语句（关键字BODY可以省略）、END语句块共3部分组成
program 通常是被放在单引号中
选项：
-F “分隔符” 指明输入时用到的字段分隔符
-v var=value 变量赋值

awk基本用

awk语言

基本格式：awk [options] ‘program’ file…
Program：pattern{action statements;…}

pattern和action
• pattern部分决定动作语句何时触发及触发事件

• action statements对数据进行处理，放在{}内指明
如：print, printf

分割符、域和记录

分隔符：每一个记录中划分区域的依据
域：每一条记录中被分割符划分成的小块
记录：awk每一次处理的单位

AWK 工作流程

可分为三个部分：

1. 读输入文件之前执行的代码段（由BEGIN关键字标识）。
2. 主循环执行输入文件的代码段。
3. 读输入文件之后的代码段（由END关键字标识）。

命令结构:

awk ‘BEGIN{ commands } pattern{ commands } END{ commands }’
下面的流程图描述出了 AWK 的工作流程：

action动作之一print的格式

print格式：print item1, item2, …

要点：

(1) 逗号分隔符
(2) 输出item可以字符串，也可是数值；当前记录的字
(3) 如省略item，相当于print $0

示例：

awk ‘{print “hello,awk”}’
awk –F: ‘{print}’ /etc/passwd
awk –F: ‘{print “wang”}’ /etc/passwd
awk –F: ‘{print $1}’ /etc/passwd
awk –F: ‘{print $0}’ /etc/passwd
awk –F: ‘{print $1”\t”$3}’ /etc/passwd
grep “^UUID”/etc/fstab | awk ‘{print $2,$4}’

awk变量

变量：内置和自定义变量

FS：域的分隔符，默认为空白字符

awk -v FS=’:’ '{print $1,FS,$3}’ /etc/passwd
awk –F: '{print $1,$3,$7}’ /etc/passwd

OFS：输出字段分隔符，默认为空白字符

awk -v FS=‘:’ -v OFS=‘:’ '{print $1,$3,$7}’ /etc/passwd

RS：输入记录分隔符，指定输入时的换行符

awk -v RS=’ ’ ‘{print }’ /etc/passwd

ORS：输出记录分隔符，输出时用指定符号代替换行符

awk -v RS=’ ’ -v ORS=’###’‘{print }’ /etc/passwd

NF：字段数量

awk -F：‘{print NF}’ /etc/fstab 引用变量时，变量前不需加$
awk -F：‘{print $(NF-1)}’ /etc/passwd

NR：记录号

awk ‘{print NR}’ /etc/fstab ; awk END‘{print NR}’ /etc/fstab
awk

FNR：各文件分别计数,记录号

awk ‘{print FNR}’ /etc/fstab /etc/inittab

FILENAME：当前文件名

awk '{print FILENAME}’ /etc/fstab

ARGC：命令行参数的个数

awk '{print ARGC}’ /etc/fstab /etc/inittab
awk ‘BEGIN {print ARGC}’ /etc/fstab /etc/inittab

ARGV：数组，保存的是命令行所给定的各参数

awk ‘BEGIN {print ARGV[0]}’ /etc/fstab /etc/inittab
awk ‘BEGIN {print ARGV[1]}’ /etc/fstab /etc/inittab

自定义变量

自定义变量(区分字符大小写)
(1) -v var=value
(2) 在program中直接定义
示例：
awk -v test=‘hello gawk’ ‘{print test}’ /etc/fstab
awk -v test=‘hello gawk’ ‘BEGIN{print test}’
awk ‘BEGIN{test=“hello,gawk”;print test}’
awk -F:‘{sex=“male”;print $1,sex,age;age=18}’ /etc/passwd
cat awkscript
{print script,$1,$2}
awk -F: -f awkscript script=“awk” /etc/passwd

awk格式化

格式化输出：printf “FORMAT”, item1, item2, …
(1) 必须指定FORMAT
(2) 不会自动换行，需要显式给出换行控制符，\n
(3) FORMAT中需要分别为后面每个item指定格式符

格式符：与item一一对应

%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

修饰符

#[.#] 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
- 左对齐（默认右对齐） %-15s
+ 显示数值的正负符号 %+d

printf示例

awk -F: ‘{printf “%s”,$1}’ /etc/passwd
awk -F: ‘{printf “%s\n”,$1}’ /etc/passwd
awk -F: ‘{printf “%-20s %10d\n”,$1,$3}’ /etc/passwd
awk -F:‘ {printf “Username: %s\n”,$1}’ /etc/passwd
awk -F: ‘{printf “Username: %s,UID:%d\n",$1,$3}’ /etc/passwd
awk -F: ‘{printf “Username: %15s,UID:%d\n”,$1,$3}’ /etc/passwd
awk -F: ‘{printf “Username: %-15s,UID:%d\n”,$1,$3}’ /etc/passwd

awk操作符

算术操作符：

x+y, x-y, x*y, x/y, x^y, x%y
- x：转换为负数
+x：将字符串转换为数值

字符串操作符：

没有符号的操作符，字符串连接

赋值操作符：

, +=, -=, *=, /=, %=, ^=，++, –

下面两语句有何不同
• awk ‘BEGIN{i=0;print ++i,i}’
• awk ‘BEGIN{i=0;print i++,i}’

比较操作符：

==, !=, >, >=, <, <=

模式匹配符：

~：左边是否和右边匹配，包含
!~：是否不匹配

示例：
awk -F: '$0 ~ /root/{print $1}‘ /etc/passwd
awk ‘$0~“^root"’ /etc/passwd
awk '$0 !~ /root/‘ /etc/passwd
awk -F: ‘$3==0’ /etc/passwd

逻辑操作符：与&&，或||，非!

示例：
• awk -F: ‘$3>=0 && $3<=1000 {print $1}’ /etc/passwd
• awk -F: ‘$30 || $3>=1000 {print $1}’ /etc/passwd
• awk -F: ‘!($30) {print $1}’ /etc/passwd
• awk -F: ‘!($3>=500) {print $3}’ /etc/passwd

条件表达式（三目表达式）

selector?if-true-expression:if-false-expression
• 示例：
awk -F: ‘{$3>=1000?usertype=“Common User”:usertype="
SysUser";printf “%15s:%-s\n”,$1,usertype}’ /etc/passwd

awk PATTERN

PATTERN:根据pattern条件，过滤匹配的行，再做处理

(1)如果未指定：空模式，匹配每一行

(2) /regular expression/：

仅处理能够模式匹配到的行，需要用/ /括起来
awk ‘/^UUID/{print $1}’ /etc/fstab
awk ‘!/^UUID/{print $1}’ /etc/fstab

(3) relational expression: 关系表达式，结果为“真”才会被处理

真：结果为非0值，非空字符串
假：结果为空字符串或0值

示例：
awk -F: ‘i=1;j=1{print i,j}’ /etc/passwd
awk ‘!0’ /etc/passwd ; awk ‘!1’ /etc/passwd
Awk -F: ‘$3>=1000{print $1,$3}’ /etc/passwd
awk -F: ‘$3<1000{print $1,KaTeX parse error: Expected 'EOF', got '}' at position 2: 3}̲' /etc/passwd a…NF=="/bin/bash"{print $1,$NF}’ /etc/passwd
awk -F: ‘$NF/bash$/{print $1,$NF}’ /etc/passwd
awk PATTERN

(4) line ranges：行范围

startline,endline：/pat1/,/pat2/ 不支持直接给出数字格式
awk -F: ‘/^root>/,/nobody>/{print $1}’ /etc/passwd
awk -F: ‘(NR>=10&&NR<=20){print NR,$1}’ /etc/passwd

(5) BEGIN/END模式

BEGIN{}：仅在开始处理文件中的文本之前执行一次
END{}：仅在文本处理完成之后执行一次
示例
awk -F : ‘BEGIN {print “USER USERID”} {print $1“:”$3} END{print “END FILE"}’ /etc/passwd
awk -F : ‘{print “USER USERID“;print $1”:"$3} END{print “END FILE”}’ /etc/passwd
awk -F: ‘BEGIN{print " USER UID \n--------------- "}{print $1,$3}’ /etc/passwd
awk -F: ‘BEGIN{print “ USER UID \n--------------- ”}{print $1,$3}’END{print “==============”} /etc/passwd
seq 10 | awk ‘i=0’
seq 10 | awk ‘i=1’
seq 10 | awk ‘i=!i’
seq 10 | awk '{i=!i;print i}‘
seq 10 | awk ‘!(i=!i)’
seq 10 |awk -v i=1 ‘i=!i’
awk action

常用的action分类

• (1) Expressions：算术，比较表达式等
• (2) Control statements：if, while等
• (3) Compound statements：组合语句
• (4) input statements
• (5) output statements：print等

awk控制语句

{ statements;… } 组合语句
if(condition) {statements;…}
if(condition) {statements;…} else {statements;…}
if(condition1){statement1}else if(condition2){statement2}else{statement3}

switch(expression) {case VALUE1 or /REGEXP/: statement1; case VALUE2 or /REGEXP2/: statement2; …; default: statementn}

while(conditon) {statments;…}
do {statements;…} while(condition)
for(expr1;expr2;expr3) {statements;…}
delete array[index]
delete array
exit
switch语句
语法：switch(expression) {case VALUE1 or /REGEXP/: statement1; case
VALUE2 or /REGEXP2/: statement2; …; default: statementn}

break和continue
awk ‘BEGIN{sum=0;for(i=1;i<=100;i++){if(i%20)continue;sum+=i}print sum}’
awk ‘BEGIN{sum=0;for(i=1;i<=100;i++){if(i66)break;sum+=i}print sum}’

break 结束整个循环

continue 结束本次循环，进入下一轮

next:提前结束对本行处理而直接进入下一行处理（awk自身循环）

awk -F: ‘{if($3%2!=0) next; print $1,$3}’ /etc/passwd

awk条件判断

语法：
if(condition){statement;…}[else statement]
if(condition1){statement1}else if(condition2){statement2}else{statement3}
使用场景：对awk取得的整行或某个字段做条件判断
示例：
awk -F: ‘{if($3>=1000)print $1,$3}’ /etc/passwd

awk -F: ‘{if($NF=="/bin/bash") print $1}’ /etc/passwd

awk ‘{if(NF>5) print $0}’ /etc/fstab

awk -F: ‘{if($3>=1000) {printf “Common user: %s\n”,$1} else {printf “root or Sysuser: %s\n”,$1}}’ /etc/passwd

awk -F: ‘{if($3>=1000) printf “Common user: %s\n”,$1; else printf “root or Sysuser: %s\n”,$1}’ /etc/passwd

df -h|awk -F% '/^/dev/{print KaTeX parse error: Expected 'EOF', got '}' at position 2: 1}̲'|awk 'NF>=80{print $1,$5}‘

awk ‘BEGIN{ test=100;if(test>90){print “very good“}else if(test>60){ print ”good”}else{print “no pass”}}’

awk循环

do-while循环

语法：do {statement;…}while(condition)
意义：无论真假，至少执行一次循环体
示例：
awk 'BEGIN{ total=0;i=0;do{ total+=i;i++;}while(i<=100);print total}’

for循环

语法：for(expr1;expr2;expr3) {statement;…}
常见用法：
for(variable assignment;condition;iteration process)
{for-body}
特殊用法：能够遍历数组中的元素
语法：for(var in array) {for-body}
示例：
awk ‘/^[[:space:]]*linux16/{for(i=1;i<=NF;i++) {print $i,length($i)}}’ /etc/grub2.cfg

awk数组

关联数组：array[index-expression]
index-expression:
(1) 可使用任意字符串；字符串要使用双引号括起来
(2) 如果某数组元素事先不存在，在引用时，awk会自动创建此元素，并将其值初始化为“空串”,数值运算时候为0；
(3) 若要判断数组中是否存在某元素，要使用“index in array”格式进行遍历
示例：
awk 'BEGIN{weekdays[“mon”]=“Monday”;weekdays[“tue”]=“Tuesday”;print weekdays[“mon”]}‘
awk ‘!line[$0]++’ dupfile
awk ‘{!line[$0]++;print $0, line[$0]}’ dupfile

若要遍历数组中的每个元素，要使用for循环
for(var in array) {for-body}
注意：var会遍历array的每个索引

示例：
awk‘BEGIN{weekdays[“mon”]=“Monday”;weekdays[“tue”]=“Tuesday”;for(i in weekdays) {print weekdays[i]}}’

netstat -tan | awk ‘/^tcp/{state[$NF]++}END{for(i in state) { print i,state[i]}}’

awk ‘{ip[$1]++}END{for(i in ip) {print i,ip[i]}}’ /var/log/httpd/access_log

awk函数

数值处理：

rand()

返回0和1之间一个随机数
awk ‘BEGIN{srand(); for (i=1;i<=10;i++)print int(rand()*100) }’
字符串处理：

length([s])

返回指定字符串的长度

sub(r,s,[t])

对t字符串搜索r表示模式匹配的内容，并将第一个匹配内容替换为s

echo “2008:08:08 08:08:08” | awk ‘sub(/?,“-",$1)’

gsub(r,s,[t])

对t字符串进行搜索r表示的模式匹配的内容，并全部替换为s所表
示的内容
echo “2008:08:08 08:08:08” | awk ‘gsub(/?,“-",$0)’

split(s,array,[r])

以r为分隔符，切割字符串s，并将切割后的结果保存至array所
表示的数组中，第一个索引值为1,第二个索引值为2,…

netstat -tn | awk '/^tcp>/{split($5,ip,"?;count[ip[1]]++}
END{for (i in count) {print i,count[i]}}’

自定义函数格式

function name ( parameter, parameter, … ) {
statements
return expression
}
示例：
cat fun.awk
function max(x,y) {
x>y?var=x:var=y
return var
}
BEGIN{a=3;b=2;print max(a,b)}
awk -f fun.awk

调用系统命令

system命令
空格是awk中的字符串连接符，如果system中需要使用awk中的变量可以使用空格分隔，或者说除了awk的变量外其他一律用""引用起来

awk ‘BEGIN{system(“hostname”) }’
awk ‘BEGIN{score=100; system("echo your score is " score) }’

习题

1、文件ip_list.txt如下格式，请提取”.magedu.com”前面的主机名部分并写
入到回到该文件中
1 blog.magedu.com
2 www.magedu.com
…
999 study.magedu.com
2、统计/etc/fstab文件中每个文件系统类型出现的次数
awk ‘/^/dev/{fs[$3]++}END{for(i in fs){print i,fs[i]}}’ /etc/fstab

3、统计/etc/fstab文件中每个单词出现的次数
grep -E “\b[[:alpha:]]+\b” /etc/fstab -o | sort | uniq -c

4、提取出字符串Yd$C@M05MBecho"Yd$C@M05MB%9&Bdh7dq+YVixp3vpw"|grep -o -E “[[:digit:]]”

5、有一文件记录了1-100000之间随机的整数共5000个，存储的格式
100,50,35,89…请取出其中最大和最小的整数

6、解决DOS攻击生产案例：根据web日志或者或者网络连接数，监控当某个IP
并发连接数或者短时内PV达到100，即调用防火墙命令封掉对应的IP，监控频
率每隔5分钟。防火墙命令为：iptables -A INPUT -s IP -j REJECT

7、将以下文件内容中FQDN取出并根据其进行计数从高到低排序
http://mail.magedu.com/index.html
http://www.magedu.com/test.html
http://study.magedu.com/index.html
http://blog.magedu.com/index.html
http://www.magedu.com/images/logo.jpg
http://blog.magedu.com/20080102.html

8、将以下文本以inode为标记，对inode相同的counts进行累加，并且统计出
同一inode中，beginnumber的最小值和endnumber的最大值
inode|beginnumber|endnumber|counts|
106|3363120000|3363129999|10000|
106|3368560000|3368579999|20000|
310|3337000000|3337000100|101|
310|3342950000|3342959999|10000|
310|3362120960|3362120961|2|
311|3313460102|3313469999|9898|
311|3313470000|3313499999|30000|
311|3362120962|3362120963|2|
输出的结果格式为：
310|3337000000|3362120961|10103|
311|3313460102|3362120963|39900|
106|3363120000|3368579999|30000|