七、shell脚本语言文本处理awk（三）

上一篇：七、shell脚本语言文本处理awk（二）

目录

11、awk的I/O 语句  

11.1、getline

 11.2、getline var 

 11.3、command | getline [var] 

 11.4、next

 11.5、system()

 11.6、打印结果写到文件 

11.7、管道连接 shell 命令 

12、awk的printf 语句 

12.1、 printf 语句示例

13、自定义函数 

 14、需求案例

14.1、NGINX日志文件分析

14.2、两个文件对比

14.3、将 a 文件相同 IP 的服务名合并

14.4、将第一列合并到一行 

14.5、字符串拆分，统计出现的次数 

14.6、统计平均成绩 

14.7、费用统计

14.8、获取数字字段最大值 

14.9、去除第一行和最后一行 

总结：

---

11、awk的I/O 语句  

语句	作用描述
getline	读取下一个输入记录设置给$0
getline var	读取下一个输入记录并赋值给变量 var
command | getline [var]	运行 Shell 命令管道输出到$0 或 var
next	停止当前处理的输入记录后面动作
print	打印当前记录
printf fmt, expr-list	格式化输出
printf fmt, expr-list >file	格式输出和写到文件
system(cmd-line)	执行命令和返回状态
print ... >> file	追加输出到文件
print ... | command	打印输出作为命令输入

11.1、getline

getline   ---------------------读取下一个输入记录设置给$0 

sub(r, s [, t])  -----------------对输入的记录用 s 替换 r 正则匹配，t 可选针对某字段替换，但只替 换第一个字符串 

获取匹配的下一行
[root@~ test]#  seq 5 |awk '/3/{getline;print}' 
4
[root@~ test]# seq 5 |awk '/3/{print;getline;print}' 
3
4

在匹配的下一行加个星号
[root@~ test]# seq 5 |awk '/3/{getline;sub(".*","&*");print}' 
4*
[root@~ test]# seq 5 |awk '/3/{print;getline;sub(".*","&*")}{print}' 
1
2
3
4*
5

 11.2、getline var 

getline var   --------------读取下一个输入记录并赋值给变量 var 

把 a 文件的行追加到 b 文件的行尾： 
[root@~ test]# cat a
a
b
c
[root@~ test]# cat b
1 one
2 two
3 three
[root@~ test]# awk '{getline line<"a";print $0,line}' b 
1 one a
2 two b
3 three c

把 a 文件的行替换 b 文件的指定字段： 
[root@~ test]# awk '{getline line<"a";gsub($2,line,$2);print}' b 
1 a
2 b
3 c

把 a 文件的行替换 b 文件的对应字段： 
[root@~ test]#  awk '{getline line<"a";gsub("two",line,$2);print}' b 
1 one
2 b
3 three

 11.3、command | getline [var] 

command | getline [var]   ----------运行 Shell 命令管道输出到$0 或 var 

获取执行 shell 命令后结果的第一行： 
[root@~ test]# awk 'BEGIN{"seq 5"|getline var;print var}'
1
[root@~ test]# seq 5 | awk 'BEGIN{getline var;print var}'
1

循环输出执行 shell 命令后的结果：
[root@~ test]# awk 'BEGIN{while("seq 5"|getline)print}' 
1
2
3
4
5
[root@~ test]# seq 5 |awk 'BEGIN{while(getline)print}' 
1
2
3
4
5

 11.4、next

next   --------------------停止当前处理的输入记录后面动作 

不打印匹配行：
[root@~ test]# seq 5 |awk '{if($0==3){next}else{print}}' 
1
2
4
5

删除指定行：
[root@~ test]#  seq 5 |awk 'NR==1{next}{print $0}' 
2
3
4
5
或
[root@~ test]# seq 5 |awk '{if($0==1){next}else{print}}' 
2
3
4
5

如果前面动作成功，就遇到 next，后面的动作不再执行，跳过。 
[root@~ test]# seq 5 |awk 'NR!=1{print}' 
2
3
4
5

把第一行内容放到每行的前面：
[root@~ test]# cat c 
hello
1 a
2 b
3 c

[root@~ test]#  awk 'NR==1{s=$0;next}{print s,$0}' c
hello 1 a
hello 2 b
hello 3 c
或
[root@~ test]# awk 'NR==1{s=$0}NF!=1{print s,$0}' c
hello 1 a
hello 2 b
hello 3 c

 11.5、system()

system(cmd-line)   ------------执行命令和返回状态 

执行 shell 命令判断返回值：
[root@~ test]# awk 'BEGIN{if(system("grep root /etc/passwd &>/dev/null")==0)print "yes";else print "no"}'
yes

 11.6、打印结果写到文件 

[root@~ test]# awk '{print $2 > "bv.txt"}' servers 
[root@~ test]# cat bv.txt 
48003/udp
48049/tcp
48128/tcp
48128/udp
48129/tcp
48129/udp
48556/tcp
48556/udp
48619/tcp
48619/udp

11.7、管道连接 shell 命令 

[root@~ test]# awk '{print $2|"grep tcp"}' servers 
48049/tcp
48128/tcp
48129/tcp
48556/tcp
48619/tcp

12、awk的printf 语句 

格式化输出，默认打印字符串不换行。

格式：printf [format] arguments 

Format	作用描述
%s	一个字符串
%d，%i	一个小数
%f	一个浮点数
%.ns	输出字符串，n 是输出几个字符
%m.nf	输出浮点数，m 是输出整数位数，n 是输出的小数位数
%x	不带正负号的十六进制，使用 a 至 f 表示 10 到 15
%X	不带正负号的十六进制，使用 A 至 F 表示 10 至 15
%%	输出单个%
%-5s	左对齐，对参数每个字段左对齐,宽度为 5
%-4.2f	左对齐，宽度为 4，保留两位小数
%5s	右对齐，不加横线表示右对齐

12.1、 printf 语句示例

将换行符换成逗号：
小括号中的 5 是最后一个数字
[root@~ test]# seq 5 |awk '{if($0!=5)printf "%s,",$0;else print $0}' 
1,2,3,4,5
[root@~ test]# seq 6 |awk '{if($0!=5)printf "%s,",$0;else print $0}' 
1,2,3,4,5
6,
[root@~ test]# seq 10 |awk '{if($0!=5)printf "%s,",$0;else print $0}' 
1,2,3,4,5
6,7,8,9,10,

输出一个字符：
[root@~  test]# awk 'BEGIN{printf "%.1s\n","abc"}' 
a

保留一个小数点后多少位：
[root@~ test]# awk 'BEGIN{printf "%.2f\n",10/3}' 
3.33

格式化输出：
[root@~  test]# awk 'BEGIN{printf "user:%s\tpass:%d\n","abc",123}' 
user:abc	pass:123

左对齐宽度 10：
[root@~ test]# awk 'BEGIN{printf "%-10s %-10s %-10s\n","ID","Name","Passwd"}' 
ID         Name       Passwd   

右对齐宽度 10： 
[root@~  test]# awk 'BEGIN{printf "%10s %10s %10s\n","ID","Name","Passwd"}' 
        ID       Name     Passwd

打印表格：
[root@~  test]# cat test.awk 
BEGIN{
print "+--------------------+--------------------+";
printf "|%-20s|%-20s|\n","Name","Number";
print "+--------------------+--------------------+";
} 

[root@~ test]# awk -f test.awk 
+--------------------+--------------------+
|Name                |Number              |
+--------------------+--------------------+

格式化输出：
[root@~ test]#  awk -F: 'BEGIN{printf "UserName\t\tShell\n-----------------------------\n"}{printf "%-20s %-20s\n",$1,$7}END{print "END...\n"}' /etc/passwd
UserName		Shell
-----------------------------
root                 /bin/bash           
bin                  /sbin/nologin       
daemon               /sbin/nologin       
adm                  /sbin/nologin       
lp                   /sbin/nologin       
sync                 /bin/sync           
shutdown             /sbin/shutdown      
halt                 /sbin/halt          
mail                 /sbin/nologin       
operator             /sbin/nologin       
games                /sbin/nologin       
ftp                  /sbin/nologin       
nobody               /sbin/nologin       
systemd-network      /sbin/nologin       
dbus                 /sbin/nologin       
polkitd              /sbin/nologin       
sshd                 /sbin/nologin       
postfix              /sbin/nologin       
chrony               /sbin/nologin       
rhlog                /bin/bash           
rhroot               /bin/bash           
mwop                 /bin/bash           
deployop             /bin/bash           
centos               /bin/bash           
nginx                /sbin/nologin       
tcpdump              /sbin/nologin       
END...


打印十六进制：
[root@~  test]# awk 'BEGIN{printf "%x %X",123,123}'
7b 7B

13、自定义函数 

格式：function name(parameter list) { statements }

[root@~ test]# awk 'function myfunc(a,b){return a+b}BEGIN{print myfunc(1,2)}' 
3

 14、需求案例

14.1、NGINX日志文件分析

日志格式：

'$remote_addr - $remote_user [$time_local] "$request" $status $body_bytes_sent " $http_referer" "$http_user_agent" "$http_x_forwarded_for"' 

统计访问 IP 次数： 
# awk '{a[$1]++}END{for(v in a)print v,a[v]}' access.log 

统计访问访问大于 100 次的 IP： 
# awk '{a[$1]++}END{for(v in a){if(a[v]>100)print v,a[v]}}' access.log  

统计访问 IP 次数并排序取前 10： 
# awk '{a[$1]++}END{for(v in a)print v,a[v] |"sort -k2 -nr |head -10"}' access.log 

统计时间段访问最多的 IP： 
# awk '$4>="[02/Jan/2017:00:02:00" && $4<="[02/Jan/2017:00:03:00"{a[$1]++}END{for(v in a)print v,a[v]}' access.log 

统计上一分钟访问量： 
# date=$(date -d '-1 minute' +%d/%d/%Y:%H:%M) 
# awk -vdate=$date '$4~date{c++}END{print c}' access.log 

统计访问最多的 10 个页面： 
# awk '{a[$7]++}END{for(v in a)print v,a[v] |"sort -k1 -nr|head n10"}' access.log 

统计每个 URL 数量和返回内容总大小： 
# awk '{a[$7]++;size[$7]+=$10}END{for(v in a)print a[v],v,size[v]}' access.log 

统计每个 IP 访问状态码数量： 
# awk '{a[$1" "$9]++}END{for(v in a)print v,a[v]}' access.log 

统计访问 IP 是 404 状态次数： 
# awk '{if($9~/404/)a[$1" "$9]++}END{for(i in a)print v,a[v]}' access.log 

14.2、两个文件对比

对比两个文件相同之处

准备两个文件
[root@~ test]# seq 1 5 > aa
[root@~ test]# seq 3 7 > bb

对比
[root@~ test]# awk 'FNR==NR{a[$0];next}{if($0 in a)print $0}' aa bb
3
4
5

[root@~ test]#  awk 'FNR==NR{a[$0];next}{if($0 in a)print FILENAME,$0}' aa bb
bb 3
bb 4
bb 5

[root@~ test]# awk 'FNR==NR{a[$0]}NR>FNR{if($0 in a)print $0}' aa bb
3
4
5

[root@~  test]#  awk 'FNR==NR{a[$0]=1;next}(a[$0]==1)' aa bb
3
4
5

[root@~ test]#  awk 'FNR==NR{a[$0]=1;next}{if(a[$0]==1)print}' aa bb
3
4
5

[root@~ test]# awk 'FILENAME=="aa"{a[$0]}FILENAME=="bb"{if($0 in a)print $0}' aa bb
3
4
5

[root@~ test]#  awk 'ARGIND==1{a[$0]=1}ARGIND==2 && a[$0]==1' aa bb
3
4
5

找出 b 文件在 a 文件不同记录

[root@~ test]# awk 'FNR==NR{a[$0];next}!($0 in a)' aa bb 
6
7

[root@~ test]# awk 'FNR==NR{a[$0]=1;next}(a[$0]!=1)' aa bb
6
7

[root@~ test]# awk 'FNR==NR{a[$0]=1;next}{if(a[$0]!=1)print}' aa bb
6
7

[root@~ test]# awk 'ARGIND==1{a[$0]=1}ARGIND==2 && a[$0]!=1' aa bb
6
7

[root@~ test]# awk 'FILENAME=="aa"{a[$0]=1}FILENAME=="bb" && a[$0]!=1' aa bb
6
7

合并两个文件 

[root@~ test]# cat aaa
zhangsan 20
lisi 23
wangwu 29
[root@~ test]# cat bbb
zhangsan man
lisi woman
wangwu man

[root@~ test]#  awk 'FNR==NR{a[$1]=$0;next}{print a[$1],$2}' aaa bbb 
zhangsan 20 man
lisi 23 woman
wangwu 29 man

[root@~ test]# awk 'FNR==NR{a[$1]=$0}NR>FNR{print a[$1],$2}' aaa bbb
zhangsan 20 man
lisi 23 woman
wangwu 29 man

14.3、将 a 文件相同 IP 的服务名合并

FS     ----------------输入字段分隔符，默认是空格或制表符 

OFS  -----------------输出字段分隔符，默认是空格 

[root@~ test]# cat a.txt 
192.168.1.1:  httpd
192.168.1.1:  tomcat
192.168.1.2: httpd
192.168.1.2: postfix
192.168.1.3: mysqld
192.168.1.4: httpd

[root@~ test]# awk 'BEGIN{FS=":";OFS=":"}{a[$1]=a[$1] $2}END{for(v in a)print v,a[v]}' a.txt 
192.168.1.1:  httpd  tomcat
192.168.1.2: httpd postfix
192.168.1.3: mysqld
192.168.1.4: httpd

解析分析：

数组 a 存储是$1=a[$1] $2，第一个 a[$1]是以第一个字段为下标，值是 a[$1] $2，也就是 $1=a[$1] $2，值的 a[$1]是用第一个字段为下标获取对应的值，但第一次数组 a 还没有元素，那么 a[$1]是空值，此时数组存储是 192.168.1.1=httpd，再遇到 192.168.1.1 时，a[$1]通过第一字段 下标获得上次数组的 httpd，把当前处理的行第二个字段放到上一次同下标的值后面，作为下标 192.168.1.1 的新值。此时数组存储是 192.168.1.1=httpd tomcat。每次遇到相同的下标（第一个 字段）就会获取上次这个下标对应的值与当前字段并作为此下标的新值。

14.4、将第一列合并到一行 

NF    ----------------------统计当前记录中字段个数

[root@~ test]# cat files 
1 2 3
4 5 6
7 8 9

[root@~ test]# awk '{for(i=1;i<=NF;i++)a[i]=a[i]$i" "}END{for(v in a)print a[v]}' files
1 4 7 
2 5 8 
3 6 9 

解析分析：

for 循环是遍历每行的字段，NF 等于 3，循环 3 次。

读取第一行时：

第一个字段：a[1]=a[1]1" "  值 a[1]还未定义数组，下标也获取不到对应的值，所以为空，因此 a[1]=1 。

读第二个字段：a[2]=a[2]2" "  值 a[2]数组 a 已经定义，但没有 2 这个下标，也获取不到对应的 值，为空，因此 a[2]=2 。

读第三个字段：a[3]=a[3]3" "  值 a[3]数组 a 已经定义，但没有 3 这个下标，也获取不到对应的 值，为空，因此 a[3]=3。

读取第二行时：

第一个字段：a[1]=a[1]4" "  数组 a 的 1 为下标对应的值为1，因此 a[1]=1 4

第二个字段：a[2]=a[2]5" "  数组 a 的 2 为下标对应的值为2， 因此a[2]=2 5

第三个字段：a[3]=a[3]6" "  数组 a 的 3 为下标对应的值为3， 因此a[2]=3 6 
读取第三行时：

第一个字段：a[1]=a[1]7" " 数组 a 的 1 为下标对应的值为1，因此a[1]=1 4 7

第二个字段：a[2]=a[2]8" " 数组 a 的 2 为下标对应的值为2，因此a[1]=2 5 8

第三发字段：a[3]=a[3]9" " 数组 a 的 3 为下标对应的值为3，因此a[3]=3 6 9

最后 for 循环输出所有下标值。

a[1]=1 4 7

a[2]=2 5 8

a[3]=3 6 9

14.5、字符串拆分，统计出现的次数 

split(s, a [, r [, seps] ])    -----根据分隔符 seps 将 s 分成数组 a 

字符串拆分：
[root@~ test]#  echo "hello world" |awk -F '' '{print $1}' 
h
[root@~ test]# echo "hello" |awk -F '' '{for(i=1;i<=NF;i++)print $i}' 
h
e
l
l
o
或
[root@~ test]# echo "hello" |awk '{split($0,a,"''");for(v in a)print a[v]}' 
l
o
h
e
l

统计字符串中每个字母出现的次数：
[root@~ test]#  echo "a.b.c,c.d.e" |awk -F '[.,]' '{for(i=1;i<=NF;i++)a[$i]++}END{for(v in a)print v,a[v]}' 
a 1
b 1
c 2
d 1
e 1

14.6、统计平均成绩 

[root@~ test]# cat f
job 80
dave 84
tom 75
dave 73
job 72
tom 83
dave 88

[root@~ test]# awk '{a[$1]+=$2;b[$1]++}END{for(i in a)print i,a[i]/b[i]}' f
dave 81.6667
tom 79
job 76

解析分析：

a[$1]+=$2,可以理解为a[$1]=a[$1]+$2,第一次的a[$1]是找不到数据的，所以是为空，$1对应的是job的，所以第一次的a[job]=0+80,遇到相同的$1(就是job的)话，就会拿上次a[job]对应的值，那么在此遇见job的$1,就是a[job]=80+72

其他的dave和tom也是一样的逻辑,b[$1]++统计了$1个数

14.7、费用统计

[root@~ test]# cat ff
zhangsan 8000 1
zhangsan 5000 1 
lisi 1000 1
lisi 2000 1
wangwu 1500 1
zhaoliu 6000 1
zhaoliu 2000 1
zhaoliu 3000 1


[root@~ test]# awk '{name[$1]++;cost[$1]+=$2;number[$1]+=$3}END{for(v in name)print v,cost[v],number[v]}' ff
zhaoliu 11000 3
zhangsan 13000 2
wangwu 1500 1
lisi 3000 2

解析分析：

name[$1]++是统计相同字段出现的次数

cost[$1]+=$2可以理解为cost[$1]=cost[$1]+$2,首次的cost[$1]是为空或者是0的，这个数组的处理过程就是cost[zhangsan]=0+8000+5000的运算方式

number[$1]+=$3可以理解为number[$1]=number[$1]+$3首次的number[$1]是为空或者是0的，这数组的处理过程就是0+1+1+1的计算方式的

14.8、获取数字字段最大值 

[root@~ test]# cat fff
a b 1
c d 2
e f 3
g h 3
i j 2

获取第三字段最大值：
[root@~ test]# awk 'BEGIN{max=0}{if($3>max)max=$3}END{print max}' fff 
3

打印第三字段最大行：
[root@~ test]# awk 'BEGIN{max=0}{a[$0]=$3;if($3>max)max=$3}END{for(v in a)print v,a[v],max}' fff
g h 3 3 3
e f 3 3 3
a b 1 1 3
c d 2 2 3
i j 2 2 3


[root@~ test]# awk 'BEGIN{max=0}{a[$0]=$3;if($3>max)max=$3}END{for(v in a)if(a[v]==max)print v}' 
fff
g h 3
e f 3

14.9、去除第一行和最后一行 

读取第一行，NR=1，不执行 print s，s=1

读取第二行，NR=2，不执行 print s，s=2 （大于为真）  

读取第三行，NR=3，执行 print s，此时 s 是上一次 p 赋值内容 2，s=3 最后一行，执行 print s，打印倒数第二行，s=最后一行

[root@~ test]# seq 5 |awk 'NR>2{print s}{s=$0}' 
2
3
4

获取 Nginx 负载均衡配置端 IP 和端口

[root@~ test]# cat nginx.conf 
upstream example-servers1 {
    server 127.0.0.1:80 weight=1 max_fails=2 fail_timeout=30s; 
}
upstream example-servers2 {
    server 127.0.0.1:80 weight=1 max_fails=2 fail_timeout=30s;
    server 127.0.0.1:82 backup;
}

[root@~ test]#  awk '/example-servers1/,/}/{if(NR>2){print s}{s=$2}}' nginx.conf 
127.0.0.1:80
或
[root@~ test]# awk '/example-servers1/,/}/{if(i>1)print s;s=$2;i++}' nginx.conf   
127.0.0.1:80
或
[root@~ test]# awk '/example-servers1/,/}/{if(i>1){print s}{s=$2;i++}}' nginx.conf 
127.0.0.1:80

 读取第一行，i 初始值为 0，0>1 为假，不执行 print s，x=example-servers1，i=1

读取第二行，i=1，1>1 为假，不执行 print s，s=127.0.0.1:80,i=2

读取第三行，i=2，2>1 为真，执行 print s，此时 s 是上一次 s 赋值内容 127.0.0.1:80，i=3 最后一行，执行 print s，打印倒数第二行，s=最后一行。 这种方式与上面一样，只是用 i++作为计数器。

[root@~ test]# seq 5 |awk '/3/{print s}{s=$0}' 
2

---

总结：

shell的awk的方式去处理文本的信息，是很常使用，这个awk工具也适用于很多场景，如上就介绍了awk的使用，希望可以帮助到大家，感谢大家的支持，请点赞加关注！！！