GAWK 入门：AWK 语言基础
源文档 <http://www.ibm.com/developerworks/cn/education/aix/au-gawk/index.html>
开始之前
GAWK是GNU AWK的缩写。
AWK是一种文本处理和模式匹配语言，所以它通常称为数据驱动的语言。
AWK 是一种解释性语言，所以AWK程序通常不需要进行编译。
大多数系统使用 GAWK 作为它们主要的AWK 安装，比如将 /usr/bin/awk 作为 /usr/bin/gawk 的符号链接
ll /usr/bin/awk lrwxrwxrwx 1 root root 14 Nov 8 2011 /usr/bin/awk -> ../../bin/gawk
了解记录、字段和规则
AWK 输入文件的组成部分
AWK 针对文本输入进行操作，而该文本可以是一个文件或标准输入流，它对文本进行分类以得到记录和字段。AWK 记录 是单个的、连续长度的输入数据，是 AWK 的操作对象。记录由记录分隔符 限定，记录分隔符是一个字符串，并且定义为RS 变量（请参见更改记录分隔符部分）。在缺省情况下，RS 的值设置为换行符，所以 AWK 的缺省行为是将整行输入作为记录。
连续地读取记录，直到到达输入的末尾。
图 1. 将 AWK 输入数据划分为记录
还可以将每个记录进一步分解为称作字段 的单独的块。与记录一样，字段也受到限定。缺省的字段分隔符 是任意数量的空白字符，包括制表符和空格字符。所以在缺省情况下，将输入行进一步分解为单独的单词（由空白字符分隔的任何字符组）。
您可以通过字段编号来引用记录中的字段，从 1 开始。您可以使用字段编号或特殊的变量 NF 来调用每个记录中的最后一个字段，该变量包含当前记录中字段的个数。
您可以通过字段编号 0 来引用整个记录，包括所有的字段和字段分隔符。
图 2 显示了这样一个字段的内容，即将 AWK 输入数据的单个记录分解为复合字段。
注意：AWK 提供了许多方式将字段中的组成部分划分为其字符组成部分，但这超出了本教程的讨论范围。
了解规则
AWK 程序由规则 组成，它们是一些模式，后面跟着由换行分隔的操作。当 AWK 执行一条规则时，它在输入记录中搜索给定模式的匹配项，然后对这些记录执行给定的操作：
/pattern/ { action }
您可以在规则中省略模式或操作。
操作由 AWK 语句组成，使用分号 (;) 来进行分隔。您还可以在同一行内容中提供多个规则，但是您必须使用分号对它们进行分隔。当规则中仅包含一项操作时，将对输入中的每条记录执行该操作。当规则中仅包含一个模式时，将打印出匹配该模式的所有记录。
空模式 // 匹配空字符，这等价于规则中不包含任何模式。然而，当给定空操作 {} 时，这并不等价于没有任何操作。空操作表示不进行任何操作（因此，不打印出该记录）。
打印输入中的每个记录
您可以编写一条规则，以不同的方式打印出输入中的每个记录，最简单的方法如下所示：
//
这等价于：
{ print }
正规的方法是：
// { print }这可能是 AWK 中最简单的程序。尽管它没有完成任何惊人的操作，但使用并不比这大多少的程序，就可以执行非常复杂的操作。
使用 BEGIN 和 END 模式
AWK 包含两种特殊的模式：BEGIN 和 END。它们都不需要使用斜线。BEGIN 模式指定了在处理任何记录之前需要执行的操作：
BEGIN {action}
END 模式指定在处理了所有记录之后需要执行的操作：
END {action}
BEGIN 通常用来设置变量，而 END 通常用来对从输入记录中读取的数据和图表进行制表、汇总和处理。通常，这些模式可以用来在输出经过处理的文本之前和之后输出文本。
例如，您可以在程序开始和结束之前输出一些消息，如清单 3 中的 AWK 程序所示。
清单 3. 带 BEGIN 和 END 模式的程序
# Program to print a file with a header and footer.
BEGIN { print "Beginning of file";
print "-----------------" }
// # Print every line in the file.
END { print "------------";
print "End of file."}
请注意，这些语句由分号分隔，并且该程序的注释以井号开头。
一些基本的操作
通常，您可以使用 AWK 语言语句来构建操作，如清单 3 中的print 语句。表 1 列出了操作中的一些最常用的 GAWK 语句和函数，并对它们的含义进行了描述。对于C 编程人员，请注意 C 语言的语句和函数与 AWK 对等部分之间的相似之处。
表 1. 常用的 GAWK 语句
| 语句 | 描述 |
|---|---|
exit |
停止程序的执行，并且退出。 |
next |
停止处理当前记录，并且前进到下一条记录。 |
nextfile |
停止处理当前文件，并且前进到下一个文件。 |
print |
打印使用引号括起来的文本、记录、字段和变量。（缺省情况下是打印出当前整行记录。） |
printf |
打印格式化文本，类似于它的 C 语言对等成分，但必须指定结尾的换行。 |
sprintf |
返回格式化文本字符串，与 printf 使用相同的格式。 |
运行 GAWK 程序
GAWK 接受两个输入文件，即包含 AWK 程序本身的命令文件和要进行处理的数据文件。您需要一些示例数据，所以可以使用文本编辑器向名为 sample 的文件加入清单 4 中所有的内容（三行内容）。
清单 4. 示例文本
Heigh-ho! sing, heigh-ho! unto the green holly: Most friendship is feigning, most loving mere folly: Then, heigh-ho, the holly!
运行 GAWK 程序的不同方法
您可以使用四种方法来运行 GAWK 程序：在命令行中、作为筛选器、从文件或作为脚本。
在命令行中
不需要将命令保存到文件中：您可以将它们作为参数传递。这是运行 GAWK 单行程序 的常用方法。
其格式是：
awk 'program' filespec
尝试使用下面的单行程序，以打印出示例文件中的每行内容：
$ awk '{ print }' sample
Heigh-ho! sing, heigh-ho! unto the green holly:
Most friendship is feigning, most loving mere folly:
Then, heigh-ho, the holly!
这个程序读取示例文件，并打印出其中的每个记录，换句话说，它仅仅逐字地输出整个文件。对于 GAWK，该文件中的数据与图 3 所示类似。
图 3. GAWK 对示例文件的解释
因为 GAWK 可以接受多个输入文件，所以如果您指定多个输入文件作为参数，该程序可以将它们连接起来。
单行程序并不仅限于一行中的程序。例如，您可以在命令行中使用引号将清单 3 中的所有内容括起来，该程序将运行清单 5 中的代码。
清单 5. 多行内容的单行程序
$ awk 'BEGIN { print "Beginning of file.";
print "------------------" },
//
END { print "------------";
print "End of file."}' sample
Beginning of file
-----------------
Heigh-ho! sing, heigh-ho! unto the green holly:
Most friendship is feigning, most loving mere folly:
Then, heigh-ho, the holly!
------------
End of file.
除了任意长度输入程序的实用性之外，在命令行中运行 AWK 程序需要注意一点：必须小心地使用引号！AWK 中的变量，如 $1，可以表示字段，这一点将在下一个部分中进行描述，在许多 Shell 中，这些字段是特殊的变量，而这些变量将转换为在命令行中给定的参数。
作为筛选器
AWK 通常用作管道中的文本筛选器。在这种情况下，GAWK 从标准输入读取数据：
awk 'program'
尝试使用示例文件测试下面的命令：
$ cat sample | awk '{ print }'
Heigh-ho! sing, heigh-ho! unto the green holly:
Most friendship is feigning, most loving mere folly:
Then, heigh-ho, the holly!
来自文件
在实际中，通常只在命令行中运行单行程序。大型的 GAWK 程序通常保存在文件中。可以使用 -f 选项指定程序文件。
所以，假设一个名为 progfile 的文件中包含下面的内容：
{ print }
当您运行下面的命令时，将与在在命令行中运行awk 得到相同的结果：
$ awk -f progfile sample Heigh-ho! sing, heigh-ho! unto the green holly: Most friendship is feigning, most loving mere folly: Then, heigh-ho, the holly!
请注意，如果程序放在文件中，那么就不需要在 Shell中使用引号将内容括起来。
作为脚本
另一种运行 GAWK 程序的方法是将其放到文件中，并使用 shebang 命令（井号加感叹号）将该文件变成可执行的脚本，如果您的 Shell 支持这种方法。
将程序放到一个名为 awkat 的 GAWK 脚本文件中，使其具有执行权限，并尝试使用示例文件运行该脚本，如清单 6 中所示。
清单 6. 将简单的程序作为可执行文件运行
$ cat > awkat
#!/usr/bin/awk -f
{ print }
Ctrl-d
$ chmod u+x awkat
$ ./awkat sample
Heigh-ho! sing, heigh-ho! unto the green holly:
Most friendship is feigning, most loving mere folly:
Then, heigh-ho, the holly!
操作记录和字段
当 GAWK 读入一个记录时，它会将该记录中所有的字段存储到变量中。您可以通过使用 $ 加上字段编号来引用每个字段，所以 $1 引用第 1 个字段，$2 引用第 2 个字段，依此类推，直到记录中的最后一个字段。
图 4 以缺省的记录和字段显示了示例文本。
图 4. 将示例文件分解为 AWK 记录和字段
如输入文件的组成部分中所述，您可以使用$0 来引用整个记录，其中包括所有的字段和字段分隔符。这是许多命令的缺省值。所以例如，正如前面使用过的print，它等价于print $0，这两个命令都将打印出当前整个记录。
打印特定的字段
要输出某个特定的字段，可以将该字段的名称作为参数提供给 print。下面的命令尝试打印示例文件中每个记录的第 1 个字段：
$ awk ' { print $1 } ' sample
Heigh-ho!
Most
Then,
您可以在 print 语句中提供多个字段，并且它们可以使用任意的顺序：
$ awk ' { print $7, $3, $1 } ' sample
holly: heigh-ho! Heigh-ho!
mere is Most
the Then,
请注意，有些行中没有第 7 个字段，在这种情况下，将不打印任何内容。
当使用逗号进行分隔时，这些字段在输出时将使用空格隔开。您可以省略逗号，以便将它们连接起来。要打印第 7 个和第 8 个字段，并将它们连接起来，可以使用下面的命令：
$ awk ' { print $7 $8 } ' sample
holly:
merefolly:
您可以将使用引号括起来的文本和字段组合在一起。尝试下面的命令：
$ awk ' { print "Field 2: " $2 } ' sample
Field 2: sing,
Field 2: friendship
Field 2: heigh-ho,
您已经了解了处理字段和记录的强大功能，使用 AWK，很容易对表型数据进行解析、操作，并使用一些简单的命令重新进行格式化。您可以使用 Shell 重定向机制将经过重新格式化的输出定向到一个新的文件，或使用管道进行传输。
如果作为筛选器使用，那么可以将这种功能与其他的命令联合使用，这是非常有价值的。例如，下面的命令修改了日期的缺省输出，以便以日 月，年 的格式进行输出：
$ date|awk '{print $3 " " $2 ", " $6}'
29 Nov, 2006
更改字段分隔符
到目前为止，示例中的字段都使用空格字符进行分隔。这是缺省的行为，即任意个数的空格或制表符，您可以对其进行更改。字段分隔符的值保存在 FS 变量中。与 AWK 中的其他变量一样，可以在程序中的任何位置对其进行重新定义。要对整个文件使用不同的字段分隔符，可以在BEGIN 语句重新定义它。
使用感叹号 (!) 作为字段分隔符打印示例数据的第 1 个字段：
$ awk ' BEGIN { FS = "!" } { print $1 } ' sample
Heigh-ho
Most friendship is feigning, most loving mere folly:
Then, heigh-ho, the holly
请注意在打印第 2 个和第 3 个字段时的差别：
$ awk ' BEGIN { FS = "!" } { print $2 } ' sample
sing, heigh-ho
$ awk ' BEGIN { FS = "!" } { print $3 } ' sample
unto the green holly:
尝试将输出中的字段与图 4 中列出的字段进行比较。
但是字段分隔符并不一定必须是单个字符。可以使用一个短语：
$ awk ' BEGIN { FS = "Heigh-ho" } { print $2 } ' sample
! sing, heigh-ho! unto the green holly:
$
在 GAWK 中，字段分隔符可以是任何正则表达式。要使每个输入字符成为一个独立的字段，可以让 FS 的值为空。
算出大写字母的总数。上面的示例仅在整个文件中匹配一个分隔符，而下面的示例将匹配短语，无论大小写：
$ awk ' BEGIN { FS = "[Hh]eigh-ho" } { print $2 } ' sample
! sing,
, the holly!
$
通过在命令行中使用引号将其括起来并作为 -F 选项的参数，也可以更改字段分隔符：
$ awk -F "," ' { print $2 } ' sample
heigh-ho! unto the green holly:
most loving mere folly:
heigh-ho
$
使用这种功能，很容易创建可以对文件进行解析的单行程序，如 /etc/passwd，其中的字段由冒号 (:) 进行分隔。您可以轻松地从中提取完整的用户名称列表，例如：
$ awk -F ":" ' { print $5 } ' /etc/passwd
更改记录分隔符
与字段分隔符一样，您可以将记录分隔符的缺省值（换行符）更改为所需的任何内容。其当前值保存在 RS 变量中。
将记录分隔符更改为逗号，并对示例文件使用它：
$ awk ' BEGIN { RS = "," } //' sample
Heigh-ho! sing
heigh-ho! unto the green holly:
Most friendship is feigning
most loving mere folly:
Then
heigh-ho
the holly!
$
更改输出
对 AWK 输出的处理与 AWK 输入数据一样，它被分解为许多字段和记录，输出流具有自己的分隔符，初始情况下与输入分隔符的缺省值相同，即空格和换行。print 语句中的字段由逗号分隔，该语句中使用的输出字段分隔符 设置为单个空格，您可以重新定义OFS 变量，以对其进行更改。输出记录分隔符 设置为换行符，您可以通过重新定义ORS 变量对其进行更改。
要从文件中删除所有的换行，并将文件中所有的文本置于一行，只需将输出记录分隔符更改为空字符即可，对于某些文本分析和筛选来说，这样做是非常有价值的。
使用示例文件尝试下面的命令：
$ awk 'BEGIN {ORS=""} //' sample
Heigh-ho! sing, heigh-ho! unto the green holly:Most friendship\
is feigning, most loving mere folly:Then, heigh-ho, the holly!$
删除了所有的换行，包括最后一个。返回的 Shell 提示符与输出数据出现在同一行中。要在结尾添加一个换行，可以将其放在 END 规则中：
$ awk 'BEGIN {ORS=""} // { print } END {print "\n"}' sample
Heigh-ho! sing, heigh-ho! unto the green holly:Most friendship\
is feigning, most loving mere folly:Then, heigh-ho, the holly!
$
更多 GAWK 变量
NF 变量包含当前记录中字段的个数。使用 NF 可以引用其数值，而使用 $NF 则表示引用实际字段本身的内容。所以，如果记录有 100 个字段，print NF 将输出整数 100，而print $100 则与print $NF 输出相同的结果，都是该记录中最后一个字段的内容。
NR 变量包含当前的记录个数。当读取到第 1 个记录时，其值为 1，当读取到第 2 个记录时，其值增为 2，依此类推。在 END 模式中使用它，以便输出输入中的行数：
$ awk 'END { print "Input contains " NR " lines." }' sample
Input contains 3 lines.
$
注意：如果上面的 print 语句位于 BEGIN 模式中，那么该程序将报告其输入包含 0 行内容，因为在执行时NR 的值为 0，因为此时尚未读入任何输入记录。
使用 $NR 打印相对于当前记录个数的字段：
$ awk '{ print NR, $NR }' sample
1 Heigh-ho!
2 friendship
3 the
$
再来研究一下图 4，可以看到第 1 个记录中的字段 1 的值、第 2 个记录中的字段 2 的值，以及最后一个记录中字段 3 的值。将其与您的程序输出进行比较。
尝试列出每个记录中字段的个数，以及最后一个字段的值：
$ awk ' { print "Record " NR " has " NF " fields and ends with " $NF}' sample
Record 1 has 7 fields and ends with holly:
Record 2 has 8 fields and ends with folly:
Record 3 has 4 fields and ends with holly!
通常可以使用大量特殊的 GAWK 变量。表 2 列出了这些变量，并对其含义进行了描述。
表 2. 常见的 GAWK 变量
| 变量 | 描述 |
|---|---|
NF |
该变量包含每个记录的字段个数。 |
NR |
该变量包含当前的记录个数。 |
FS |
该变量是字段分隔符。 |
RS |
该变量是记录分隔符。 |
OFS |
该变量是输出字段分隔符。 |
ORS |
该变量是输出记录分隔符。 |
FILENAME |
该变量包含所读取的输入文件的名称。 |
IGNORECASE |
当 IGNORECASE 设置为非空值，GAWK 将忽略模式匹配中的大小写。 |
GAWK 模式匹配
在 GAWK 中，其模式匹配机制类似于 egrep 命令的模式匹配机制。要仅输出那些匹配模式的记录，可以在规则中指定该模式，使用斜杠字符括起来。
在输入记录中匹配模式
要匹配单个模式，可以在规则中进行指定：
$ awk '/green/ { print }' sample
Heigh-ho! sing, heigh-ho! unto the green holly:
$
并不仅限于字符串，该模式可以为任何扩展的正则表达式。尝试在示例输入中匹配这样的记录，包含两个感叹号，并且其中可以有任意数量的文本：
$ awk '/!.*!/' sample Heigh-ho! sing, heigh-ho! unto the green holly: $
与 grep 不同的是，您还可以在搜索中指定 ASCII 字符的十六进制和十进制值。要指定十六进制值，可以使用格式 \xNN，其中NN 是实际字符的十六进制值。要指定十进制值，可以使用格式 \xxx ，其中 xxx 是字符的十进制值。
该功能非常适合于匹配扩展的或非打印字符，如 BELL 字符（Ctrl-G，您可以与 '/\007/' 进行匹配）作为模式。然而，AWK 不能对二进制文件进行操作。
在字段中匹配模式
要在特定的字段中（相对于在整个记录中）匹配模式，可以指定该字段并使用 ~ 操作符，这表示“包含”，然后指定该模式：
$field ~ /pattern/
!~ 操作符以相反的方式进行操作，您可以使用它表示要匹配那些不 包含给定模式的字段：
$field !~ /pattern/
尝试仅打印示例数据中第 3 个字段包含 s 字符的那些记录：
$ awk '$3 ~ /s/' sample Most friendship is feigning, most loving mere folly: $
要打印那些登录 Shell 不是 bash 的所有用户的全名，可以使用下面的命令：
$ awk 'BEGIN {FS=":"} $7 !~ /bash/ {print $5}' /etc/passwd
使用布尔操作符
您可以使用布尔操作符连接不同的模式，如表 3 所示，您可以在一个规则中使用多个布尔操作符。
表 3. GAWK 布尔操作符
| 操作符 | 描述 |
|---|---|
| && | 逻辑“与”操作符 |
| || | 逻辑“或”操作符 |
| ! | “非”操作符 |
尝试仅输出示例数据中匹配 regexp in、the 和 to 的那些记录的第 4 个字段：
$ awk '/in/ && /the/ && /to/ {print $4}' sample
unto
$
现在，打印示例数据中不包含 holly 或确实 包含 most 的那些记录，同时将输出记录分隔符更改为连字符：
$ awk 'BEGIN { OFS="-" } ! /holly/ || /most/ { print $1, $2 }' sample
Most-friendship
$
使用范围模式
在两个模式之间使用逗号，可以指定一个范围，这表示匹配位于这两种模式之间和模式本身的所有文本。与其他的搜索不同，范围模式在匹配文本时可以跨越不同的记录。它输出包含匹配项部分内容的完整的记录。例如，搜索从Heigh 到folly 的范围，将输出前两个记录的文本：
$ awk '/Heigh/,/folly/' sample Heigh-ho! sing, heigh-ho! unto the green holly: Most friendship is feigning, most loving mere folly: $
输出匹配的整段内容
如果您使用换行符作为字段分隔符、使用空字符串作为记录分隔符，那么 AWK 会将整段内容作为一个记录。这样使其成为了“段落 grep”，它将输出匹配搜索的整段内容。对于包含大量文本的文件，该功能可能非常有价值。
重定义分隔符，然后在示例文件中搜索 green。如果不进行重新定义，该搜索仅输出第 1 个记录（即第 1 行）。但是，因为整个示例文件中只有一个段落，所以该匹配将输出整个文件本身：
$ awk 'BEGIN { FS="\n"; RS="" } /green/' sample
Heigh-ho! sing, heigh-ho! unto the green holly:
Most friendship is feigning, most loving mere folly:
Then, heigh-ho, the holly!
$