注:本文来自文章作者@寂天_团团 的推荐,原文链接。 Sed&awk笔记之awk篇:快速了解Awk Awk是什么 Awk、sed与grep,俗称Linux下的三剑客,它们之前有很多相似点,但是同样也各有各的特色,相似的地方是它们都可以匹配文本,其中sed和awk还可以用于文本编辑,而grep则不具备这个功用。sed是一种非交互式且面向字符流的编辑器(a “non-interactive” stream-oriented editor),而awk则是一门模式匹配的编程语言,因为它的主要功能是用于匹配文本并处理,同时它有一些编程语言才有的语法,例如函数、分支循环语句、变量等等,当然比起我们常见的编程语言,Awk相对比较简单。 使用Awk,我们可以做以下事情: ● 将文本文件视为由字段和记录组成的文本数据库; ● 在操作文本数据库的过程中能够使用变量; ● 能够使用数学运算和字符串操作; ● 能够使用常见的编程结构,例如条件分支与循环; ● 能够格式化输出; ● 能够自定义函数; ● 能够在awk脚本中执行UNIX命令; ● 能够处理UNIX命令的输出结果; 装备以上功能,awk能够做得事情非常多。但千里之行,始于足下,我们首先从最基本的命令行语法开始,一步一步得走入awk的编程世界。 命令行语法 同sed一样,awk的命令行语法也有两种形式: 1 2 | awk [-F ERE] [- v assignment] ... program [argument ...]
awk [-F ERE] -f progfile ... [- v assignment] ...[argument ...]
|
这里的program类似sed中的script,因为我们一直强调awk是一门编程语言,所以将awk的脚本视为一段代码。而awk的脚本同样可以写到一个文件中,并通过-f参数指定,这一点和sed是一样的。program一般多个pattern和action序列组成,当读入的记录匹配pattern时,才会执行相应的action命令。这里有一点要注意,在第一种形式中,除去命令行选项外,program参数一定要位于第一个位置。 Awk的输入被解析成多个记录(Record),默认情况下,记录的分隔符是\n,因此可以认为一行就是一个记录,记录的分隔符可以通过内置变量RS 更改。当记录匹配某个pattern时,才会执行后续的action命令。 而每个记录由进一步地被分隔成多个字段(Field),默认情况下字段的分隔符是空白符,例如空格、制表符等等,也可以通过-F ERE 选项或者内置变量FS 更改。在awk中,可以通过$1,$2…来访问对应位置的字段,同时$0存放整个记录,这一点有点类似shell下的命令行位置参数。关于这些内容,我们会在下面详细介绍,这里你只要知道有这些东西就好。 标准的awk命令行参数主要由以下三个: ● -F ERE :定义字段分隔符,该选项的值可以是扩展的正则表达式(ERE); ● -f progfile :指定awk脚本,可以同时指定多个脚本,它们会按照在命令行中出现的顺序连接在一起; ● -v assignment :定义awk变量,形式同awk中的变量赋值,即name=value,赋值发生在awk处理文本之前; 为了便于理解,这里举几个简单的例子。通过-F参数设置冒号:为分隔符,并打印各个字段: 1 2 | [kodango@devops ~]$ echo '1:2:3' | awk -F: '{print $1 ' and ' $2 ' and ' $3}'
1 and 2 and 3
|
在awk的脚本中访问通过-v选项设置的变量: 1 2 | [kodango@devops ~]$ echo | awk - v a=1 'BEGIN {print a}'
1
|
从上面可以看到,通过-v选项设置的变量在BEGIN 的位置就可以访问了。BEGIN 是一个特殊的pattern,它在awk处理输入之前就会执行,可以认为是一个初始化语句,与此对应的还有END 。 好像还没介绍如何指定处理的文件,是不是最后的argument就是指定的文件?在看我这本书之前,我也是这样认为的,但是实际上arguemnt有两种形式,它们分别是输入文件(file)和变量赋值(assignment)。 awk可以同时指定多个输入文件,如果输入文件的文件名为’-',表示从标准输入读取内容。 变量赋值类似-v选项,它的形式为name=value。awk中的变量名同一般的编程语言无太多区别,但是不能同awk的保留关键字重名,可以查看awk的man手册查询哪些是保留关键字。而变量值只有两种形式:字符串和数值。变量赋值必须位于脚本参数的后面,与文件名参数无先后顺序的要求,但是位于不同位置的赋值它的执行时机是不同的。 我们用实际的例子来解释这个区别,假设有两个文件:a和b,它们的内容分别如下所示: 1 2 3 4 | [kodango@devops awk_temp]$ cat a
file a
[kodango@devops awk_temp]$ cat b
file b
|
为了说明赋值操作发生的时机,我们在BEGIN,正常处理,END三个地方都打印变量的值。 第一种情况: 变量赋值位于所有文件名参数之前 1 2 3 4 5 | [kodango@devops awk_temp]$ awk 'BEGIN {print 'BEGIN: ' var} {print 'PROCESS: ' var} \
END {print 'END: ' var }' var=1 a
BEGIN:
PROCESS: 1
END: 1
|
结果:赋值操作发生在正常处理之前,BEGIN 动作之后。 第二种情况:变量赋值位于所有文件名之后: 1 2 3 4 5 | [kodango@devops awk_temp]$ awk 'BEGIN {print 'BEGIN: ' var} {print 'PROCESS: ' var} \
END {print 'END: ' var }' a var=1
BEGIN:
PROCESS:
END: 1
|
结果:赋值操作发生在正常处理之后,END 动作之前。 第三种情况:变量赋值位于文件名之间: 1 2 3 4 5 6 | [kodango@devops awk_temp]$ awk 'BEGIN {print 'BEGIN: ' var} {print 'PROCESS: ' var} \
END {print 'END: ' var }' a var=1 b
BEGIN:
PROCESS:
PROCESS: 1
END: 1
|
结果:赋值操作发生在处理前面的文件之后,并且位于处理后面的文件之前; 总结如下: 1. 如果变量赋值在第一个文件参数之前,在BEGIN 动作之后执行,影响到正常处理和END 动作; 2. 如果变量赋值在最后一个文件参数之后,在END动作之前执行,仅影响END 动作; 3. 如果文件参数不存在,情况同1所述; 4. 如果变量赋值位于多个文件参数之间,在变量赋值前面的文件被处理后执行,影响到后续文件的处理和END 动作; 所以变量赋值一定要考虑清楚用途,否则比较容易出错,不过一般情况下也不会用到变量赋值。 自然地大家会将变量赋值与-v assignment选项进行比较,赋值的形式是一致的,但是-v选项的执行时机比变量赋值要早: 1 2 | [kodango@devops awk_temp]$ echo 1 | awk - v var=a 'BEGIN {print 'BEGIN: ' var}'
BEGIN: a
|
可见,-v选项的赋值操作在BEGIN 动作之前就执行了。 变量赋值一定要小心不要与保留关键字重名,否则会报错: 1 2 | [kodango@devops awk_temp]$ echo 1 | awk - v BEGIN=1 'BEGIN {print 'BEGIN: ' BEGIN}'
awk : fatal: cannot use gawk builtin `BEGIN' as variable name
|
记录(Record)与字段(Field) 对于数据库来说,一个数据库表是由多条记录组成的,每一行表示一条记录(Record)。每条记录由多列组成,每一列表示一个字段(Field)。Awk将一个文本文件视为一个文本数据库,因此它也有记录和字段的概念。默认情况下,记录的分隔符是回车,字段的分隔符是空白符,所以文本文件的每一行表示一个记录,而每一行中的内容被空白分隔成多个字段。利用字段和记录,awk就可以非常灵活地处理文件的内容。 可以通过-F选项来修改默认的字段分隔符,例如/etc/passwd的每一行都是由冒号分隔成多个字段的,所以这里就需要将分隔符设置成冒号: 1 2 3 4 | [kodango@devops awk_temp]$ awk -F: '{print $1}' /etc/passwd | head -3
root
bin
daemon
|
这里通过$1引用第一人字段,类似地$2表示第二个字段,$3表示第三个字段…. $0则表示整个记录。内置变量NF记录着字段的个数,所以$NF表示最后一个字段: 1 2 3 4 | [kodango@devops awk_temp]$ awk -F: '{print $NF}' /etc/passwd | head -3
/bin/bash
/bin/false
/bin/false
|
当然,$(NF-1)表示倒数第二个。 内置变量FS也可以用于更改字段分隔符,它记录着当前的字段分隔符: 1 2 3 4 | [kodango@devops awk_temp]$ awk -F: '{print FS}' /etc/passwd | head -1
:
[kodango@devops awk_temp]$ awk - v FS=: '{print $1}' /etc/passwd | head -1
root
|
记录的分隔符可以通过内置变量RS更改: 1 2 | [kodango@devops awk_temp]$ awk - v RS=: '{print $0}' /etc/passwd | head -1
root
|
如果将RS设置成空,行为有就一点怪异了,它会将连续不为空行的所有行(一个段落)当作一个记录,而且强制回车为字段分隔符: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | [kodango@devops awk_temp]$ cat awk_man.txt
The awk utility shall execute programs written in the awk programming language,
which is specialized for textual data manipulation. An awk program is a sequence
of patterns and corresponding actions. When input is read that matches a
pattern, the action associated with that pattern is carried out.
Input shall be interpreted as a sequence of records. By default, a record is a line,
less its terminating , but this can be changed by using the RS built- in
variable. Each record of input shall be matched in turn against each pattern in the
program. For each pattern matched, the associated action shall be executed.
[kodango@devops awk_temp]$ awk 'BEGIN {RS='';FS=':'} {print 'First line: ' $1}' awk_man.txt
First line: The awk utility shall execute programs written in the awk programming language,
First line: Input shall be interpreted as a sequence of records. By default, a record is a line,
|
这里,我们将变量赋值放到BEGIN 动作中执行,因为BEGIN 动作是在文件处理之前执行的,专门用于放初始化的语句。FS的赋值在这里是无效的,awk依然使用回车符来分隔字段。 脚本(Script)组成 命令行中的program部分,可以称为awk代码,也可以称为awk脚本。一段awk脚本是由多个’pattern { action } ‘序列组成的。action是一个或者多个语句,它在输入行匹配pattern的时候被执行。如果pattern为空,表明这个action会在每一行处理时都会被执行。下面的例子简单地打印文件的每一行,这里不带任何参数的print语句打印的是整个记录,类似’print $0 ‘: 1 2 3 | [kodango@devops awk_temp]$ echo -e 'line1\nline2' | awk '{print}'
line1
line2
|
除了pattern { action } ,还可以在脚本中定义自定义的函数,函数定义格式如下所示: 1 | function name(parameter list) { statements }
|
函数的参数列表用逗号分隔,参数默认是局部变量,无法在函数之外访问,而在函数中定义的变量为全局变量,可以在函数之外访问,如: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 | [kodango@devops awk_temp]$ echo line1 | awk '
function t(a) {
b=a;
print a;
}
{
print b;
t( '' );
print b;
}'
|
Awk脚本中的语句使用空行或者分号分隔,使用分号可以放在同一行,不过有时候会影响可读性,尤其是分支或循环结构中,很容易出错。 如果Awk中的一个语句太长,要分成多行,可以在行为使用反斜杠’\': 1 2 3 4 5 6 7 8 9 10 11 12 13 14 | [kodango@devops awk_temp]$ cat test . awk
function t(a)
{
b=a
print 'This is a very long line, so use backslash to escape the newline \
then we will print the variable a: a=' a
}
{ print b; t( '' ); print b;}
[kodango@devops awk_temp]$ echo 1 | awk -f test . awk
This is a very long line, so use backslash to escape the newline then we will print the variable a: a=
|
这里我们将脚本写到文件中,并通过-f参数来指定。但是,在一些特殊符号之后,是可以直接换行的,例如”, { && ||”。 模式(Pattern) 模式是awk中比较重要的一部分,它有以下几种情况: ● /regular expression/ : 扩展的正则表达式(Extended Regular Expression), 关于ERE可以参考这篇文章; ● relational expression : 关系表达式,例如大于、小于、等于,关系表达式结果为true表示匹配; ● BEGIN : 特殊的模式,在第一个记录处理之前被执行,常用于初始化语句的执行; ● END : 特殊的模式,在最后一个记录处理之前被执行,常用于输出汇总信息; ● pattern, pattern :模式对,匹配两者之间的所有记录,类似sed的地址对; 例如查找匹配数字3的行: 1 2 3 | [kodango@devops awk_temp]$ seq 1 20 | awk '/3/ {print}'
3
13
|
相反地,可以在在正则表达式之前加上’!'表示不匹配: 1 2 3 4 5 | [kodango@devops awk_temp]$ seq 1 5 | awk '!/3/ {print}'
1
2
4
5
|
除了BEGIN 和END 这两个特殊的模式外,其余的模式都可以使用’&&’或者’||’运算符组合,前者表示逻辑与,后者表示逻辑或: 1 2 3 | [kodango@devops awk_temp]$ seq 1 50 | awk '/3/ && /1/ {print}'
13
31
|
前面的正则都是整行匹配,有时候仅仅需要匹配某个字符,这样我们可以用表达式$n ~ /ere/ : 1 2 | [kodango@devops ~]$ awk '$1 ~ /ko/ {print}' /etc/passwd
kodango:x:1000:1000:: /home/kodango : /bin/bash
|
有时候我们只想显示特定和行,例如显示第一行: 1 2 | [kodango@devops ~]$ seq 1 5 | awk 'NR==1 {print}'
1
|
正则表达式(Regular Expression) 和sed篇一样,这里我不会详细介绍正则表达式。因为正则表达式的内容介绍起来太麻烦,还是推荐同学阅读现有的文章(如Linux/Unix工具与正则表达式的POSIX规范),里面对各个流派的正则表达式归纳地很清楚了。 表达式(Expressions) 表达式可以由常量、变量、运算符和函数组成,常数和变量的值可以为字符串和数值。 Awk中的变量有三种类型:用户定义的变量,内置变量和字段变量。其中,内置变量名都是大写的。变量并不非一定要被声明或者被初始化,未初始化的字符串变量的值为”',未初始化的数值变量的值为0。字段变量可以用$n来引用,n的取值范围为[0,NF]。n可以为一个变量,例如$NF代码最后一个字段,而$(NF-1)表示倒数第二个字段。 数组 数组是一种特殊的变量,在awk中,比较特殊地是,数组的下标可以为数字或者字符串。数组的赋值很简单,下面将value赋值给数组下标为index的元素: 可以用for..in..语法遍历数组元素,其中item是数组元素对应的下标: 当然也可以在if分支判断中使用in操作符: 一个完整的例子如下所示: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 | [kodango@devops ~]$ echo '1 2 3' | awk '{
for (i=0;i
a[i]=i;
}
END {
print 3 in a
for (i in a)
printf '%s: %s\n' , i, a[i];
}'
0
0: 0
1: 1
2: 2
|
内置变量 Awk在内部维护了许多内置变量,或者称为系统变量,例如之前提到的FS 、RS 等等。常见的内置变量如下表所示 变量名 | 描述 |
---|
ARGC | 命令行参数的各个,即ARGV数组的长度 | ARGV | 存放命令行参数 | CONVFMT | 定义awk内部数值转换成字符串的格式,默认值为”%.6g” | OFMT | 定义输出时数值转换成字符串的格式,默认值为”%.6g” | ENVIRON | 存放系统环境变量的关联数组 | FILENAME | 当前被处理的文件名 | NR | 记录的总个数 | FNR | 当前文件中的记录的总个数 | FS | 字段分隔符,默认为空白 | NF | 每个记录中字段的个数 | RS | 记录的分隔符,默认为回车 | OFS | 输出时字段的分隔符,默认为空白 | ORS | 输出时记录的分隔符,默认为回车 | RLENGTH | 被match函数匹配的子串长度 | RSTART | 被match函数匹配的子串位于目标字符串的起始下标 |
下面主要介绍几个比较难理解的内置变量: 1. ARGV 与ARGC ARGV 与ARGC 的意思比较好理解,就像C语言main(int argc, char **argv) 。ARGV 数组的下标从0开始到ARGC -1,它存放的是命令行参数,并且排除命令行选项(例如-v/-f)以及program部分。因此事实上ARGV 只是存储argument的部分,即文件名(file)以及命令行变量赋值两部分的内容。
通过下面的例子可以大概了解ARGC与ARGV的用法: 1 2 3 4 5 6 7 | [kodango@devops awk_temp]$ awk 'BEGIN {
> for (i = 0; i < ARGC; i++)
> print ARGV[i]
> }' inventory-shipped BBS-list
awk
inventory-shipped
BBS-list
|
ARGV 的用法不仅限于此,它是可以修改的,可以更改数组元素的值,可以增加数组元素或者删除数组元素。
a. 更改ARGV 元素的值 假设我们有a, b两个文件,它们各有一行内容:file a和file b。现在利用ARGV,我们可以做到偷梁换柱: 1 2 | [kodango@devops awk_temp]$ awk 'BEGIN{ARGV[1]='b'} {print}' a
file b
|
这里要注意ARGV[1]='b' 的引号不能缺少,否则ARGV[1]=b 会将变量b的值赋值给ARGV[1] 。 当awk处理完一个文件之后,它会从ARGV 的下一个元素获取参数,如果是一个文件则继续处理,如果是一个变量赋值则执行赋值操作: 1 2 | [kodango@devops awk_temp]$ awk 'BEGIN{ARGV[1]='var=1'} {print var}' a b
1
|
为什么这里只打印一次变量值呢?可以回头再看看上一篇中介绍变量赋值的内容。 而当下一个元素为空时,则跳过不处理,这样可以避开处理某个文件: 1 2 | [kodango@devops awk_temp]$ awk 'BEGIN{ARGV[1]=''} {print}' a b
file b
|
上面的例子中a这个文件就被跳过了。 而当下一个元素的值为”-”时,表明从标准输入读取内容: 1 2 3 4 | [kodango@devops awk_temp]$ awk 'BEGIN{ARGV[1]='-'} {print}' a b
a
a # --> 这里按下CTRL+D停止输入
file b
|
b. 删除ARGV 元素 删除ARGV 元素和将元素的值赋值为空的效果是一样的,它们都会跳转对某个参数的处理: 1 2 | [kodango@devops awk_temp]$ awk 'BEGIN{delete ARGV[1]} {print}' a b
file b
|
删除数组元素可以用delete 语句。 c. 增加ARGV 元素 我第一次看到ARGV 变量的时候就在想,能不能利用ARGV 变量避免提供命令行参数,就像这样: 1 | awk 'BEGIN{ARGV[1]='a';} {print}'
|
但是事实上这样不行,awk会依然从标准输入中获取内容。下面的方法倒是可以,首先增加ARGC 的值,再增加ARGV 元素,我到现在也没搞懂这两者的区别: 1 2 | [kodango@devops awk_temp]$ awk 'BEGIN{ARGC+=1;ARGV[1]='a'} {print}'
file a
|
2. CONVFMT 与OFMT Awk中允许数值到字符串相互转换,其中内置变量CONVFMT 定义了awk内部数值到字符串转换的格式,它的默认值为”%.6g”: 1 2 3 4 | [kodango@devops awk_temp]$ awk 'BEGIN {
printf 'CONVFMT=%s, num=%f, str=%s\n' , CONVFMT, 12.11, 12.11
}'
CONVFMT=%.6g, num=12.110000, str=12.11
|
通过更改CONVFMT ,我们可以定义自己的转换格式: 1 2 3 4 5 | [kodango@devops awk_temp]$ awk 'BEGIN {
CONVFMT= '%d' ;
printf 'CONVFMT=%s, num=%f, str=%s\n' , CONVFMT, 12.11, 12.11
}'
CONVFMT=%d, num=12.110000, str=12
|
与此对应地还有一个内置变量OFMT,它与CONVFMT 的作用是类似的,只不过是影响输出的时候数字转换成字符串的格式: 1 2 | [kodango@devops awk_temp]$ awk 'BEGIN { OFMT='%d';print 12.11 }'
12
|
3. ENVIRON ENVIRON 是一个存放系统环境变量的关联数组,它的下标是环境变量名称,值是相应环境变量的值。例如:
1 2 | [kodango@devops awk_temp]$ awk 'BEGIN { print ENVIRON['USER'] }'
kodango
|
利用环境变量也可以将值传递给awk: 1 2 | [kodango@devops awk_temp]$ U=hello awk 'BEGIN { print ENVIRON['U'] }'
hello
|
可以利用for..in循环遍历ENVIRON 数组: 1 2 3 4 | [kodango@devops awk_temp]$ awk 'BEGIN {
for ( env in ENVIRON)
printf '%s=%s\n' , env , ENVIRON[ env ];
}'
|
4. RLENGTH 与RSTART RLENGTH 与RSTART 都是与match 函数相关的,前者表示匹配的子串长度,后者表示匹配的子串位于目标字符串的起始下标。例如:
1 2 | [kodango@devops ~]$ awk 'BEGIN {match('hello,world', /llo/); print RSTART,RLENGTH}'
3 3
|
关于match 函数,我们会在以后介绍。 运算符 表达式中必然少不了运算符,awk支持的运算符可以参见man手册中的“Expressions in awk”一小节内容: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 | [kodango@devops awk_temp]$ man awk | grep '^ *Table: Expressions in' -A 42 | sed 's/^ *//'
Table: Expressions in Decreasing Precedence in awk
Syntax Name Type of Result Associativity
( expr ) Grouping Type of expr N /A
$ expr Field reference String N /A
++ lvalue Pre-increment Numeric N /A
-- lvalue Pre-decrement Numeric N /A
lvalue ++ Post-increment Numeric N /A
lvalue -- Post-decrement Numeric N /A
expr ^ expr Exponentiation Numeric Right
! expr Logical not Numeric N /A
+ expr Unary plus Numeric N /A
- expr Unary minus Numeric N /A
expr * expr Multiplication Numeric Left
...以下省略...
|
语句(Statement) 到目前为止,用得比较多的语句就是print ,其它的还有printf、delete、break、continue、exit、next 等等。这些语句与函数不同的是,它们不会使用带括号的参数,并且没有返回值。不过也有意外,比如printf 就可以像函数一样的调用: 1 2 | [kodango@devops awk_temp]$ echo 1 | awk '{printf('%s\n', 'abc')}'
abc
|
break 和continue 语句,大家应该比较了解,分别用于跳出循环和跳到下一个循环。
delete 用于删除数组中的某个元素,这个我们在上面介绍ARGV 的时候也使用过。
exit 的用法顾名思义,就是退出awk的处理,然后会执行END 部分的内容:
1 2 3 | [kodango@devops awk_temp]$ echo $ 'line1\nline2' | awk '{print;exit} END {print 'exit..'}'
line1
exit ..
|
next 语句类似sed的n命令,它会读取下一条记录,并重新回到脚本的最开始处执行:
1 2 3 4 5 6 7 8 9 10 | [kodango@devops awk_temp]$ echo $ 'line1\nline2' | awk '{
> print 'Before next..'
> print $0
> next
> print 'After next..'
> }'
Before next..
line1
Before next..
line2
|
从上面可以看出next 后面的print语句不会执行。 print与printf语句是使用最多的,它们将内容输出到标准输出。注意在print语句中,输出的变量之间带不带逗号是有区别的: 1 2 3 4 | [kodango@devops awk_temp]$ echo '1 2' | awk '{print $1, $2}'
1 2
[kodango@devops awk_temp]$ echo '1 2' | awk '{print $1 $2}'
12
|
print输出时,字段之间的分隔符可以由OFS重新定义: 1 2 | [kodango@devops awk_temp]$ echo '1 2' | awk '{OFS=';';print $1,$2}'
1;2
|
除此之外,print的输出还可以重定向到某个文件中或者某个命令: 1 2 3 | print items > output- file
print items >> output- file
print items | command
|
假设有这一样一个文件,第一列是语句名称,第二列是对应的说明: 1 2 3 4 5 | [kodango@devops awk_temp]$ cat column.txt
statement|description
delete|delete item from an array
exit | exit from the awk process
next| read next input record and process
|
现在我们要将两列的内容分别输出到statement.txt和description.txt两个文件中: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 | [kodango@devops awk_temp]$ awk -F '|' '{
> print $1 > 'statement.txt' ;
> print $2 > 'description.txt'
> }' column.txt
[kodango@devops awk_temp]$ cat statement.txt
statement
delete
exit
next
[kodango@devops awk_temp]$ cat description.txt
description
delete item from an array
exit from the awk process
read next input record and process
|
下面是一个重定向到命令的例子,假设我们要对下面的文件进行排序: 1 2 3 4 5 6 | [kodango@devops awk_temp]$ cat num.list
1
3
2
9
5
|
可以通过将print的内容重定向到”sort -n”命令: 1 2 3 4 5 6 | [kodango@devops awk_temp]$ awk '{print | 'sort -n'}' num.list
1
2
3
5
9
|
printf命令的用法与print类似,也可以重定向到文件或者输出,只不过printf比print多了格式化字符串的功能。printf的语法也大多数语言包括bash的printf命令类似,这里就不多介绍了。 awk的函数分成数学函数、字符串函数、I/O处理函数以及用户自定义的函数,其中用户自定义的函数我们在上一篇中也有简单的介绍,下面我们一一来介绍这几类函数。 数学函数 awk中支持以下数学函数: ● atan2(y,x) :反正切函数; ● cos(x) :余弦函数; ● sin(x) :正弦函数; ● exp(x) :以自然对数e为底指数函数; ● log(x) :计算以e 为底的对数值; ● sqrt(x) :绝对值函数; ● int(x) :将数值转换成整数; ● rand() :返回0到1的一个随机数值,不包含1; ● srand([expr]) :设置随机种子,一般与rand函数配合使用,如果参数为空,默认使用当前时间为种子; 例如,我们使用rand() 函数生成一个随机数值: 1 2 3 4 | [kodango@devops awk_temp]$ awk 'BEGIN {print rand(),rand();}'
0.237788 0.291066
[kodango@devops awk_temp]$ awk 'BEGIN {print rand(),rand();}'
0.237788 0.291066
|
但是你会发现,每次awk执行都会生成同样的随机数,但是在一次执行过程中产生的随机数又是不同的。因为每次awk执行都使用了同样的种子,所以我们可以用srand() 函数来设置种子: 1 2 3 4 | [kodango@devops awk_temp]$ awk 'BEGIN {srand();print rand(),rand();}'
0.171625 0.00692412
[kodango@devops awk_temp]$ awk 'BEGIN {srand();print rand(),rand();}'
0.43269 0.782984
|
这样每次生成的随机数就不一样了。 利用rand() 函数我们也可以生成1到n的整数: 1 2 3 4 5 | [kodango@devops awk_temp]$ awk '
> function randint(n) { return int(n*rand()); }
> BEGIN { srand(); print randint(10);
> }'
3
|
字符串函数 awk中包含大多数常见的字符串操作函数。 1. sub(ere, repl[, in]) 描述:简单地说,就是将in中匹配ere的部分替换成repl,返回值是替换的次数。如果in参数省略,默认使用$0。替换的动作会直接修改变量的值。 下面是一个简单的替换的例子: 1 2 3 | [kodango@devops ~]$ echo 'hello, world' | awk '{print sub(/ello/, 'i'); print}'
1
hi, world
|
在repl参数中&是一个元字符,它表示匹配的内容,例如: 1 2 | [kodango@devops ~]$ awk 'BEGIN {var='kodango'; sub(/kodango/, 'hello, &', var); print var}'
hello, kodango
|
2. gsub(ere, repl[, in]) 描述:同sub() 函数功能类似,只不过是gsub() 是全局替换,即替换所有匹配的内容。 3. index(s, t) 描述:返回字符串t在s中出现的位置,注意这里位置是从1开始计算的,如果没有找到则返回0。 例如: 1 2 3 4 | [kodango@devops ~]$ awk 'BEGIN {print index('kodango', 'o')}'
2
[kodango@devops ~]$ awk 'BEGIN {print index('kodango', 'w')}'
0
|
4. length[([s])] 描述:返回字符串的长度,如果参数s没有指定,则默认使用$0作为参数。 例如: 1 2 3 4 | [kodango@devops ~]$ awk 'BEGIN {print length(' kodango ');}'
0
[kodango@devops ~]$ echo 'first line' | awk '{print length();}'
10
|
5. match(s, ere) 描述: 返回字符串s匹配ere的起始位置,如果不匹配则返回0。该函数会定义RSTART 和RLENGTH 两个内置变量。RSTART 与返回值相同,RLENGTH 记录匹配子串的长度,如果不匹配则为-1。 例如: 1 2 3 4 5 6 | [kodango@devops ~]$ awk 'BEGIN {
print match( 'kodango' , /dango/ );
printf 'Matched at: %d, Matched substr length: %d\n' , RSTART, RLENGTH;
}'
3
Matched at: 3, Matched substr length: 5
|
6. split(s, a[, fs]) 描述:将字符串按照分隔符fs,分隔成多个部分,并存到数组a中。注意,存放的位置是从第1个数组元素开始的。如果fs为空,则默认使用FS分隔。函数返回值分隔的个数。 例如: 1 2 3 4 5 6 7 8 9 10 | [kodango@devops ~]$ awk 'BEGIN {
> split ( '1;2;3;4;5' , arr, ';' )
> for (i in arr)
> printf 'arr[%d]=%d\n' , i, arr[i];
> }'
arr[4]=4
arr[5]=5
arr[1]=1
arr[2]=2
arr[3]=3
|
这里有一个奇怪的地方是for..in..输出的数组不是按顺序输出的,如果要按顺序输出可以用常规的for循环: 1 2 3 4 5 6 7 8 9 10 11 12 13 | [kodango@devops ~]$ awk 'BEGIN {
> split ( '1;2;3;4;5' , arr, ';' )
> for (i=0;^C
[kodango@devops ~]$ awk 'BEGIN {
> n= split ( '1;2;3;4;5' , arr, ';' )
> for (i=1; i<=n; i++)
> printf 'arr[%d]=%d\n' , i, arr[i];
> }'
arr[1]=1
arr[2]=2
arr[3]=3
arr[4]=4
arr[5]=5
|
7. sprintf(fmt, expr, expr, ...) 描述:类似printf,只不过不会将格式化后的内容输出到标准输出,而是当作返回值返回。 例如: 1 2 3 4 5 | [kodango@devops ~]$ awk 'BEGIN {
> var=sprintf( '%s=%s' , 'name' , 'value' )
> print var
> }'
name=value
|
8. substr(s, m[, n]) 描述:返回从位置m开始的,长度为n的子串,其中位置从1开始计算,如果未指定n或者n值大于剩余的字符个数,则子串一直到字符串末尾为止。 例如: 1 2 3 4 | [kodango@devops ~]$ awk 'BEGIN { print substr('kodango', 2, 3); }'
oda
[kodango@devops ~]$ awk 'BEGIN { print substr('kodango', 2); }'
odango
|
9. tolower(s) 描述:将字符串转换成小写字符。 例如: 1 2 | [kodango@devops ~]$ awk 'BEGIN {print tolower('KODANGO');}'
kodango
|
10. toupper(s) 描述:将字符串转换成大写字符。 例如 1 2 | [kodango@devops ~]$ awk 'BEGIN {print tolower('kodango');}'
KODANGO
|
I/O处理函数 1. getline getline 的用法相对比较复杂,它有几种不同的形式。不过它的主要作用就是从输入中每次获取一行输入。
a. expression | getline [var] 这种形式将前面管道前命令输出的结果作为getline 的输入,每次读取一行。如果后面跟有var,则将读取的内容保存到var变量中,否则会重新设置$0和NF 。 例如,我们将上面的statement.txt文件的内容显示作为getline 的输入: 1 2 3 4 5 | [kodango@devops awk_temp]$ awk 'BEGIN { while('cat statement.txt' | getline var) print var}'
statement
delete
exit
next
|
上面的例子中命令要用双引号,”cat statement.txt “,这一点同print/printf 是一样的。 如果不加var,则直接写到$0中,注意NF 值也会被更新: 1 2 3 4 5 | [kodango@devops awk_temp]$ awk 'BEGIN { while('cat statement.txt' | getline) print $0,NF}'
statement 1
delete 1
exit 1
next 1
|
b. getline [var] 第二种形式是直接使用getline ,它会从处理的文件中读取输入。同样地,如果var没有,则会设置$0,并且这时候会更新NF , NR 和FNR : 1 2 3 4 5 6 7 | [kodango@devops awk_temp]$ awk '{
> while (getline)
> print NF, NR, FNR, $0;
> }' statement.txt
1 2 2 delete
1 3 3 exit
1 4 4 next
|
c. getline [var] < expression 第三种形式从expression中重定向输入,与第一种方法类似,这里就不加赘述了。 2. close close 函数可以用于关闭已经打开的文件或者管道,例如getline 函数的第一种形式用到管道,我们可以用close 函数把这个管道关闭,close 函数的参数与管道的命令一致:
1 2 3 4 5 6 7 8 9 10 | [kodango@devops awk_temp]$ awk 'BEGIN {
while ( 'cat statement.txt' | getline) {
print $0;
close( 'cat statement.txt' );
}}'
statement
statement
statement
statement
statement
|
但是每次读了一行后,关闭管道,然后重新打开又重新读取第一行就死循环了。所以要慎用,一般情况下也很少会用到close 函数。 3. system 这个函数很简单,就是用于执行外部命令,例如: 1 2 | [kodango@devops awk_temp]$ awk 'BEGIN {system('uname -r');}'
3.6.2-1-ARCH
|
结束语 快速了解Awk系列的几篇文章相对比较粗糙,我是参考Awk的man手册以及《Sed & Awk》附录B总结而成的,但是应该可以让大家对awk有一个大致的了解,欢迎大家一起交流。
|