linux awk 命令使用详解
前言
awk是linux的一个强大的命令，具备强大的文本格式化能力，比如对一堆看起来没有什么规律的日志文件，文本文件等，通过awk命令之后，格式化输出为专业的可以做为应用级数据分析的样式；
awk像是一门编程语言，支持条件判断，数组，循环等诸多的功能；
linux三剑客
- grep，擅长单纯的查找或匹配文本内容；
- sed，擅长文本编辑，处理匹配到的文本内容；
- awk，适合格式化文本文件，对文本文件进行更复杂的加工处理、分析；
awk理论基础
1、awk语法
awk [option] 'pattern[action]' file ...
awk 参数 条件动作 文件
action 是指动作，awk擅长文本格式化，且能输出格式化后的结果，因此最常用的动作就是 print 和 printf
2、awk处理文本内容模式
- awk默认以空格为分隔符，且多个空格也识别为一个空格，作为分隔符；
- awk按行处理文件，一行处理完毕之后，再处理下一行；
- awk可以根据用户指定的分隔符去工作，没有指定，则默认为空格；
一、awk内置变量
| 内置变量 | 说明 |
|---|---|
| $n | 指定分隔符后，当前的第n个列所在的字段 |
| $0 | 完整的一行记录 |
| FS | 字段分隔符，默认是空格 |
| NF(Number of fields) | 字段分隔后，当前一共多少个字段 |
| NR(Number of records) | 当前记录数，行数 |
更多的内置变量，可通过 man awk命令进行查看
简单案例展示
提前准备一个文本，内容如下
1、输出第二列内容
awk '{print $2}' alx.txt
2、输出多列内容
直接在第一步后面的基础上追加，中间用 “,” 分割
awk '{print $2,$3}' alx.txt
3、查看第三行内容
考察对NR的使用，NR表示第N行记录的模式匹配
awk 'NR==3{print $0}' alx.txt
输出多行
awk 'NR==5,NR==6{print $0}' alx.txt
4、输出从第3到第五行，并显示行号
awk 'NR==3,NR==5 {print NR,$0}' alx.txt
5、自定义输出内容
某些情况下，需要给每一列添加类似于excel的表头信息，就可以考虑使用awk的自定义输出；
awk '{print "第一列: "$1,"第二列: "$2}' alx.txt
需要注意的是大括号外面的使用 ’ 单引号，括号里面的使用双引号
二、awk参数
| 参数 | 说明 |
|---|---|
| -F | 指定分隔字段符 |
| -v | 定义或修改一个awk内部变量 |
| -f | 从脚本文件中读取awk命令 |
上文谈到，awk默认的字段分隔符为空格，但是像下面这样的文本，以 # 为分隔符，就需要用到自定义分隔符；
1、显示第一列和第二列内容
awk -F "#" '{print $1,$2}' zcy2.txt
2、显示文件第一列，倒是第一列，和倒数第二列的内容
awk '{print $1,$(NF-1),$(NF-2)}' alx.txt
3、取出本机的IP地址
使用awk的方式获取的话，如果以空格为分隔符，我们发现目标字段在第二行的第二列，使用下面的命令即可，看起来，比起sed和grep命令似乎更简单；
ifconfig eth0 | awk 'NR==2{print $2}'
4、取出密码文件中的第一列和最后一列
考察对自定义输入分隔符的使用，可以看到，下面的文本文件中，可以考虑使用 ： 进行分割；
awk -F ':' '{print $1,$NF}' pwd2.txt
三、OFS输出分隔符
通过上文的学习，我们知道awk命令执行后，默认采用空格分割字段，而这个空格就是默认的输出分割符，
单在某些情况下，为了将数据展示的效果更加醒目一些，就可以使用OFS的自定义输出分隔符；
仍然以上面的密码文本为例，输出第一列和最后一列的字段；
awk -F ':' -v OFS=' *** ' '{print $1,$NF}' pwd2.txt
该表默认输出分隔符，直接在awk后面使用: -v OFS=‘自定义输出分隔符’
四、awk变量
awk参数
| 参数 | 说明 |
|---|---|
| -F | 指定分隔字段符 |
| -v | 定义或修改一个awk内部变量 |
| -f | 从脚本文件中读取awk命令 |
对于awk来讲，变量分为：内置变量和自定义变量
awk内置变量
| 参数 | 说明 |
|---|---|
| FS | 输入字段分隔符，默认为空白字符 |
| OFS | 输出字段分隔符，默认为空白字符 |
| RS | 输入记录分隔符，指定输入时的换行符 |
| ORS | 输出记录分隔符，输出时用指定符号替换换行符 |
| NF | 当前行的字段个数，字段数量 |
| NR | 行号，当前处理文本行的行号 |
| FNR | 各文件分别计数的行号 |
| FILENAME | 当前文件名 |
| ARGC | 命令行参数个数 |
| ARGV | 数组，保存的是命令行所给定的各个参数 |
比较常用的内置变量包括： NR,NF，FNR
FILENAME 使用
FILENAME 为awk的内置变量，通过下面这个命令，可以看到在每行记录之前，输出了当前文件名称；
awk 'NR==1,NR==3{print FILENAME,$0}' alx.txt
ARGV使用
先来看下面这条命令的执行结果
awk 'NR==1,NR==3{print ARGV[0],ARGV[1],$0}' alx.txt
可以发现，在输出的每一行记录前面，拼上了 awk 和 alx.txt这两个字段，这两个字段就是这行命令整体解析出来的2个内置参数；
自定义变量
看下面这条命令输出效果，通过-v参数，可以自定义变量进行参数传递；
awk -v myname="zcy" 'BEGIN{print "我的名字是?" ,myname}'
五、awk格式化输出
在上文，我们接触的是awk的输出功能，主要使用了 print 这个进行输出，它只能对文本进行简单的输出，但是并不能美化或者修改输出格式；
printf 格式化输出
如果对C语言有过了解的同学，对printf 并不陌生，使用这个命令（函数）可以对文本进行格式化输出；
printf与print的几点区别
- printf 需要指定format；
- format 用于指定后面的每个 item输出格式；
- printf 语句不会自动打印换行符； \n ； print 默认添加换行符；
如下，假如我们直接使用 printf 这样操作，看下效果
awk '{printf $0}' alx.txt
明显来说，把所有内容都输出到同一行了，这时候，就需要使用 printf的格式化输出来控制；
awk '{printf "%s\n", $0}' alx.txt
再看一个案例，使用 printf 将文本中的每一列添加前置输出
awk '{printf "第一列：%s 第二列：%s 第三列：%s\n" ,$1,$2,$3}' alx.txt
六、awk模式pattern
上文了解到，awk的语法如下 ：
awk [option] ‘pattern[action]’ file …
而且我们了解到,awk是按行处理文本，以上都是关于 print 相关，接下来，聊聊pattern相关的内容；
在pattern中，有个比较常见的pattern，BEGIN和END；
- BEGIN 模式是处理文本之前需要执行的动作；
- END模式是处理完成所有的行之后执行的操作；
awk 'BEGIN{print "小明在学linux"}'
或者下面这样
awk 'BEGIN{print "小明在学linux"} {print $0}END{print "处理结束"}' alx.txt
注意：BEGIN 和 END分别放到处理文本内容前后即可
awk如果不指定模式是按行处理，如果指定了模式，只有符合模式的才会被处理
awk常用模式
| 关系运算符 | 说明 |
|---|---|
| < | 小于 |
| <= | 小于等于 |
| == | 等于 |
| != | 不等于 |
| >= | 大于等于 |
| ~ | 匹配正则 |
| !~ | 不匹配正则 |
1、打印前三行的文本内容
awk 'NR<=3{print $0}' alx.txt
2、匹配密码文本中含有 zcy 的行
awk '/^zcy/{print $0}' pwd.txt
3、格式化输出 /etc/passwd 的部分字段
awk -F ":" 'BEGIN{print"用户名\t\t\t字段1\t\t 字段2\t\t 权限"} {printf "user:%-20s%-20s%-20s%-20s\n", $1,$4,$5,$7}' pwd.txt
4、找出pwd文件中nologin的用户
awk '/\/sbin\/nologin$/{print NR,$0}' pwd.txt
5、找出 下面这个区间的文本行
awk '/^daemon/,/^operator/{print NR,$0}' pwd.txt
七、综合案例：统计nginx的access.log中访问前10的IP
首先来看下该日志文件中的内容格式，简单分析得知，该文件中的内容的每一行，可以看作是由空格分割的，于是可以考虑使用awk来完成需求；
可能用到的额外几个命令
- sort -n ，数字从大到小排序；
- wc -l ，统计行数；
1、访问日志中的访客IP数量
awk '{print $1}' access.log | sort -n | uniq | wc -l
2、查访问最频繁的前10个IP
awk '{print NR,$1}' access.log | sort -n | uniq -c | sort -nr | head -10
