Linux 三剑客之 awk 实战详解教程

原文链接：https://mp.weixin.qq.com/s/4o2raIt1xsNVxGuhh3fXAA

作者： 编程修养

我们知道 Linux 三剑客，它们是 grep、sed、awk。在前边已经讲过 grep 和 sed，没看过的同学可以直接点击阅读，今天要分享的是更为强大的 awk。

sed 可以实现非交互式的字符串替换，grep 能够实现有效的过滤功能。与两者相比，awk 是一款强大的文本分析工具，在对数据分析并生成报告时，显得尤为强悍。

awk 强大的功能，是一般 Linux 命令无法比拟的。在本文中，我不会告诉你 awk 也是一种编程语言，免得会吓到你。我们只需把它当做 Linux 下一款强大的文本分析工具即可。

这篇文章，我仍然秉持着 实用、实践 原则，提供大量的示例，但不会面面俱到。通过本文可以帮助你，快速将 awk 运用起来，这些东西足够应付工作中大多数应用场景。

场景

学习具体使用前，先来看下 awk 能干些什么事情：

1. 能够将给定的文本内容，按照我们期望的格式输出显示，打印成报表。

2. 分析处理系统日志，快速地分析挖掘我们关心的数据，并生成统计信息；

3. 方便地用来统计数据，比如网站的访问量，访问的 IP 量等；

4. 通过各种工具的组合，快速地汇总分析系统的运行信息，让你对系统的运行了如指掌；

5. 强大的脚本语言表达能力，支持循环、条件、数组等语法，助你分析更加复杂的数据；

......

当然 awk 不仅能做这些事情，当你将它的用法融汇贯通时，可以随心所欲的按照你的意愿，来进行高效的数据分析和统计。

不过我们需要知道，awk 不是万能的，它比较擅长处理格式化的文本，比如 日志、csv格式数据等；

原理

我们先来简单了解 awk 基本工作原理，通过下边的图文讲述，希望你能了解 awk 到底是如何工作的。

awk 基本命令格式

结合下图来详细说明 awk 工作原理

• 首先，执行关键字 BEGIN 标识的 {} 中的命令；

• 完成 BEGIN 大括号中命令的后，开始执行 body 命令；

• 逐行读取数据，默认读到 \n 分割的内容为一条 记录，其实就是行的概念；

• 将记录按照指定的分隔符划分为 字段，其实就是列的概念；

• 循环执行 body 块中的命令，每读取一行，执行一次 body，最终完成 body 执行；

• 最后，执行 END 命令，通常会在 END 中输出最后的结果；

awk 是输入驱动的，有多少输入行，就会执行多少次 body 命令。

我们在下边的示例学习中，要时刻记着：记录 (Record) 就是行，字段 (Field) 就是列，BEGIN 是预处理阶段，body 是 awk 真正工作的阶段，END 是最后处理阶段。

实战 - 入门

从下边内容开始，我们直接进入到实战。为了方便举例，我先把如下信息保存到 file.txt

好了，我们先来一个最简单最常用的 awk 示例，输出第 1、4、8 列：

大括号里边的就是 awk 语句，只能被单引号包含，其中，$1..$N表示第几列，$0表示整个行内容

再来看下 awk 比较实用的功能 格式化输出。和 C 语言的 printf 格式输出是一毛一样，我个人特别喜欢这种格式化方式，而不是 C++ 中的流的方式。

%s 表示字符串占位符，-4表示列宽度为 4，且左对齐，我们还可以根据需要，列出更复杂的格式来，这里先不详细举例了。

实战 - 进阶

（一）过滤记录

有些数据可能不是你想要的，可以根据需要进行过滤

上边的过滤条件为，第 3 列为 root 且第 6 列为 10 的行，才会被输出。

awk 支持各种比较运算符号 !=、>、<、>=、<=，其中 $0 表示整行的所有内容。

（二）内置变量

awk 内置了一些变量，更方便我们对数据的处理

过滤第 3 列为 root 用户，以及第 2 行内容，且打印时输出行号。NR 表示当前第几行，NF表示当前行有几列。

（三）指定分隔符

我们的数据，不总是以空格为分隔符，我们可以通过 FS 变量指定分隔符。

我们指定分隔符为 2019，这样就将行内容分割为了两部分，将 2019 替换成了 *

上边的命令也可以通过 -F 选项指定分割符

如果你需要指定多个分隔符，可以这样做 -F '[;:]'。相信聪明的你，一定能够理解并融会贯通的。

同样，awk 可以指定输出时的分隔符，通过 OFS 变量来设置

输出时，各字段用 OFS 指定的符号进行了分隔。

实战 - 高级

（一）条件匹配

列出 root 用户的所有文件，以及第一行文件

上边匹配第三列中包含 root 的行，~ 其实就是正则表达式的匹配。

同样，awk 可以像 grep 一样匹配某一行，就像这样

另外，可以这样 /Aug|Dec/ 匹配多个关键词。

模式取反可以使用 ! 符号

（二）拆分文件

我们来做一件有意思的事情，可以将文本信息拆分为多个文件，下边命令按照月份（第5列）将文件信息拆分为多个文件

awk 支持重定向符号 >，直接将每行内容重定向到月份命名的文件了，当然你也可以把指定的列输出到文件

（三）if 语句

复杂的条件判断，可以使用 awk 的 if 语句，awk 的强大正因为它是个脚本解释器，拥有一般脚本语言的编程能力，下边示例通过稍微复杂的条件进行拆分文件

要注意，if 语句是在大括号里边的。

（四）统计

统计当前目录下，所有 *.c、*.h 文件所占用空间大小总和

第 5 列表示文件大小，每读取一行就会将该文件大小计算到 sum 变量中，在最后END 阶段打印出 sum，也就是所有文件的大小总和。

再来看一个例子，统计每个用户的进程占用了多少内存，注意取值的是 RSS 那一列

这里用到了 数组 和 for 循环，值得一提的是，awk 的数组可以理解为字典或 Map，key 可以是数值和字符串，这种数据类型在平时很常用。

（五）字符串

通过下边简单示例，展示 awk 对字符串操作的支持

awk 内置支持一系列的字符串函数，length 计算字符串长度，toupper 函数转换字符串为大写。

实战 - 技巧

为了从整体上理解 awk 工作机制，我们再来看一个综合的示例，假设有一个学生成绩单：

由于此示例程序稍显复杂，在命令行上不易读，另外呢，也想通过此案例介绍另外一种 awk 的执行方式，我们的 awk 脚本如下：

执行 awk 结果如下

我们可以将复杂的 awk 语句写入脚本文件 cal.awk，然后通过 -f 选项指定从脚本文件执行。

• 在 BEGIN 阶段，我们初始化了相关变量，并打印了表头的格式

• 在 body 阶段，我们读取每一行数据，计算该学科和该同学的总成绩

• 在 END 阶段，我们先打印了表尾的格式，并打印总成绩，以及计算了平均值

这个简单示例，完整的体现了 awk 的工作机制和原理，希望通过此示例能够帮你真正理解 awk 是如何工作的。

总结归纳

通过上述的示例，我们学习到了 awk 的工作原理，下边我们来总结下几个概念和常用的知识点。

（一）内置变量

1. 每一行内容记录，叫做记录，英文名称 Record

2. 每行中通过分隔符隔开的每一列，叫做字段，英文名称 Field

明确这几个概念后，我们来总结几个重要的内置变量：

• NR：表示当前的行数；

• NF：表示当前的列数；

• RS：行分隔符，默认是换行；

• FS：列分隔符，默认是空格和制表符；

• OFS：输出列分隔符，用于打印时分割字段，默认为空格

• ORS：输出行分隔符，用于打印时分割记录，默认为换行符

（二）输出格式

awk 提供 printf 函数进行格式化输出功能，具体的使用方式和 C 语法基本一致。

基本用法

常用的格式化方式：

• %d 十进制有符号整数

• %u 十进制无符号整数

• %f 浮点数

• %s 字符串

• %c 单个字符

• %e 指数形式的浮点数

• %x %X 无符号以十六进制表示的整数

• %0 无符号以八进制表示的整数

• %g 自动选择合适的表示法

• \n 换行符

• \t Tab符

（三）编程语句

awk 不仅是一个 Linux 命令行工具，它其实是一门脚本语言，支持程序设计语言所有的控制结构，它支持：

• 条件语句

• 循环语句

• 数组

• 函数

（四）常用函数

awk 内置了大量的有用函数功能，也支持自定义函数，允许你编写自己的函数来扩展内置函数。

这里只简单罗列一些比较常用的字符串函数：

• index(s, t) 返回子串 t 在 s 中的位置

• length(s) 返回字符串 s 的长度

• split(s, a, sep) 分割字符串，并将分割后的各字段存放在数组 a 中

• substr(s, p, n) 根据参数，返回子串

• tolower(s) 将字符串转换为小写

• toupper(s) 将字符串转换为大写

这里只简单总结一些常用的字符串功能函数，具体使用方法，还需要你参照前边的示例程序，举一反三，运用到实际问题中。