Info Aggregator: AWK 简明教程

Sunday, 17 February 2013

AWK 简明教程

有一些网友看了前两天的《Linux下应该知道的技巧》希望我能教教他们用awk和sed，所以，出现了这篇文章。我估计这些80后的年轻朋友可能对awk/sed这类上古神器有点陌生了，所以需要我这个老家伙来炒炒冷饭。况且，AWK是贝尔实验室1977年搞出来的文本出现神器，今年是蛇年，是AWK的本命年，而且年纪和我相仿，所以非常有必要为他写篇文章。

之所以叫AWK是因为其取了三位创始人 Alfred Aho，Peter Weinberger, 和 Brian Kernighan 的Family Name的首字符。要学AWK，就得提一提AWK的一本相当经典的书《The AWK Programming Language》，它在豆瓣上的评分是9.4分！在亚马逊上居然卖1022.30元。

我在这里的教程并不想面面俱到，本文和我之前的Go语言简介一样，全是示例，基本无废话。

我只想达到两个目的：

1）你可以在乘坐公交地铁上下班，或是在坐马桶拉大便时读完（保证是一泡大便的工夫）。

2）我只想让这篇博文像一个火辣的脱衣舞女挑起你的兴趣，然后还要你自己去下工夫去撸。

废话少说，我们开始脱吧（注：这里只是topless）。

起步上台

我从netstat命令中提取了如下信息作为用例：

  $ cat netstat.txt  Proto Recv-Q Send-Q Local-Address          Foreign-Address             State  tcp        0      0 0.0.0.0:3306           0.0.0.0:*                   LISTEN  tcp        0      0 0.0.0.0:80             0.0.0.0:*                   LISTEN  tcp        0      0 127.0.0.1:9000         0.0.0.0:*                   LISTEN  tcp        0      0 coolshell.cn:80        124.205.5.146:18245         TIME_WAIT  tcp        0      0 coolshell.cn:80        61.140.101.185:37538        FIN_WAIT2  tcp        0      0 coolshell.cn:80        110.194.134.189:1032        ESTABLISHED  tcp        0      0 coolshell.cn:80        123.169.124.111:49809       ESTABLISHED  tcp        0      0 coolshell.cn:80        116.234.127.77:11502        FIN_WAIT2  tcp        0      0 coolshell.cn:80        123.169.124.111:49829       ESTABLISHED  tcp        0      0 coolshell.cn:80        183.60.215.36:36970         TIME_WAIT  tcp        0   4166 coolshell.cn:80        61.148.242.38:30901         ESTABLISHED  tcp        0      1 coolshell.cn:80        124.152.181.209:26825       FIN_WAIT1  tcp        0      0 coolshell.cn:80        110.194.134.189:4796        ESTABLISHED  tcp        0      0 coolshell.cn:80        183.60.212.163:51082        TIME_WAIT  tcp        0      1 coolshell.cn:80        208.115.113.92:50601        LAST_ACK  tcp        0      0 coolshell.cn:80        123.169.124.111:49840       ESTABLISHED  tcp        0      0 coolshell.cn:80        117.136.20.85:50025         FIN_WAIT2  tcp        0      0 :::22                  :::*                        LISTEN

下面是最简单最常用的awk示例，其输出第1列和第4例，

其中单引号中的被大括号括着的就是awk的语句，注意，其只能被单引号包含。
其中的$1..$n表示第几例。注：$0表示整个行。

  $ awk '{print $1, $4}' netstat.txt  Proto Local-Address  tcp 0.0.0.0:3306  tcp 0.0.0.0:80  tcp 127.0.0.1:9000  tcp coolshell.cn:80  tcp coolshell.cn:80  tcp coolshell.cn:80  tcp coolshell.cn:80  tcp coolshell.cn:80  tcp coolshell.cn:80  tcp coolshell.cn:80  tcp coolshell.cn:80  tcp coolshell.cn:80  tcp coolshell.cn:80  tcp coolshell.cn:80  tcp coolshell.cn:80  tcp coolshell.cn:80  tcp coolshell.cn:80  tcp :::22

我们再来看看awk的格式化输出，和C语言的printf没什么两样：

  $ awk '{printf "%-8s %-8s %-8s %-18s %-22s %-15s\n",$1,$2,$3,$4,$5,$6}' netstat.txt  Proto    Recv-Q   Send-Q   Local-Address      Foreign-Address        State  tcp      0        0        0.0.0.0:3306       0.0.0.0:*              LISTEN  tcp      0        0        0.0.0.0:80         0.0.0.0:*              LISTEN  tcp      0        0        127.0.0.1:9000     0.0.0.0:*              LISTEN  tcp      0        0        coolshell.cn:80    124.205.5.146:18245    TIME_WAIT  tcp      0        0        coolshell.cn:80    61.140.101.185:37538   FIN_WAIT2  tcp      0        0        coolshell.cn:80    110.194.134.189:1032   ESTABLISHED  tcp      0        0        coolshell.cn:80    123.169.124.111:49809  ESTABLISHED  tcp      0        0        coolshell.cn:80    116.234.127.77:11502   FIN_WAIT2  tcp      0        0        coolshell.cn:80    123.169.124.111:49829  ESTABLISHED  tcp      0        0        coolshell.cn:80    183.60.215.36:36970    TIME_WAIT  tcp      0        4166     coolshell.cn:80    61.148.242.38:30901    ESTABLISHED  tcp      0        1        coolshell.cn:80    124.152.181.209:26825  FIN_WAIT1  tcp      0        0        coolshell.cn:80    110.194.134.189:4796   ESTABLISHED  tcp      0        0        coolshell.cn:80    183.60.212.163:51082   TIME_WAIT  tcp      0        1        coolshell.cn:80    208.115.113.92:50601   LAST_ACK  tcp      0        0        coolshell.cn:80    123.169.124.111:49840  ESTABLISHED  tcp      0        0        coolshell.cn:80    117.136.20.85:50025    FIN_WAIT2  tcp      0        0        :::22              :::*                   LISTEN

脱掉外套

过滤记录

我们再来看看如何过滤记录（下面过滤条件为：第三列的值为0 && 第6列的值为LISTEN）

  $ awk '$3==0 && $6=="LISTEN" ' netstat.txt  tcp        0      0 0.0.0.0:3306               0.0.0.0:*              LISTEN  tcp        0      0 0.0.0.0:80                 0.0.0.0:*              LISTEN  tcp        0      0 127.0.0.1:9000             0.0.0.0:*              LISTEN  tcp        0      0 :::22                      :::*                   LISTEN

其中的“==”为比较运算符。其他比较运算符：!=, >, <, >=, <=

我们来看看各种过滤记录的方式：

  $ awk ' $3>0 {print $0}' netstat.txt  Proto Recv-Q Send-Q Local-Address          Foreign-Address             State  tcp        0   4166 coolshell.cn:80        61.148.242.38:30901         ESTABLISHED  tcp        0      1 coolshell.cn:80        124.152.181.209:26825       FIN_WAIT1  tcp        0      1 coolshell.cn:80        208.115.113.92:50601        LAST_ACK

如果我们需要表头的话，我们可以引入内建变量NR：

  $ awk '$3==0 && $6=="LISTEN" || NR==1 ' netstat.txt  Proto Recv-Q Send-Q Local-Address          Foreign-Address             State  tcp        0      0 0.0.0.0:3306           0.0.0.0:*                   LISTEN  tcp        0      0 0.0.0.0:80             0.0.0.0:*                   LISTEN  tcp        0      0 127.0.0.1:9000         0.0.0.0:*                   LISTEN  tcp        0      0 :::22                  :::*                        LISTEN

再加上格式化输出：

  $ awk '$3==0 && $6=="LISTEN" || NR==1 {printf "%-20s %-20s %s\n",$4,$5,$6}' netstat.txt  Local-Address        Foreign-Address      State  0.0.0.0:3306         0.0.0.0:*            LISTEN  0.0.0.0:80           0.0.0.0:*            LISTEN  127.0.0.1:9000       0.0.0.0:*            LISTEN  :::22                :::*                 LISTEN

内建变量

说到了内建变量，我们可以来看看awk的一些内建变量：

$0	当前记录（这个变量中存放着整个行的内容）
$1~$n	当前记录的第n个字段，字段间由FS分隔
FS	输入字段分隔符默认是空格或Tab
NF	当前记录中的字段个数，就是有多少列
NR	已经读出的记录数，就是行号，从1开始，如果有多个文件话，这个值也是不断累加中。
FNR	当前记录数，与NR不同的是，这个值会是各个文件自己的行号
RS	输入的记录分隔符，默认为换行符
OFS	输出字段分隔符，默认也是空格
ORS	输出的记录分隔符，默认为换行符
FILENAME	当前输入文件的名字

怎么使用呢，比如：我们如果要输出行号：

  $ awk '$3==0 && $6=="ESTABLISHED" || NR==1 {printf "%02s %s %-20s %-20s %s\n",NR, FNR, $4,$5,$6}' netstat.txt  01 1 Local-Address        Foreign-Address      State  07 7 coolshell.cn:80      110.194.134.189:1032 ESTABLISHED  08 8 coolshell.cn:80      123.169.124.111:49809 ESTABLISHED  10 10 coolshell.cn:80      123.169.124.111:49829 ESTABLISHED  14 14 coolshell.cn:80      110.194.134.189:4796 ESTABLISHED  17 17 coolshell.cn:80      123.169.124.111:49840 ESTABLISHED

指定分隔符

  $ awk  'FS=":" {print $1,$3,$6}' /etc/passwd  root:x:0:0:root:/root:/bin/bash  bin 1 /bin  daemon 2 /sbin  adm 3 /var/adm  lp 4 /var/spool/lpd  sync 5 /sbin  shutdown 6 /sbin  halt 7 /sbin

上面的命令也等价于：（-F的意思就是指定分隔符）

  $ awk  -F: '{print $1,$3,$6}' /etc/passwd

注：如果你要指定多个分隔符，你可以这样来：

  awk -F '[;:]'

再来看一个以\t作为分隔符输出的例子（下面使用了/etc/passwd文件，这个文件是以:分隔的）：

  $ awk  -F: '{print $1,$3,$6}' OFS="\t" /etc/passwd  root    0       /root  bin     1       /bin  daemon  2       /sbin  adm     3       /var/adm  lp      4       /var/spool/lpd  sync    5       /sbin

脱掉衬衫

字符串匹配

我们再来看几个字符串匹配的示例：

  $ awk '$6 ~ /FIN/ || NR==1 {print NR,$4,$5,$6}' OFS="\t" netstat.txt  1       Local-Address   Foreign-Address State  6       coolshell.cn:80 61.140.101.185:37538    FIN_WAIT2  9       coolshell.cn:80 116.234.127.77:11502    FIN_WAIT2  13      coolshell.cn:80 124.152.181.209:26825   FIN_WAIT1  18      coolshell.cn:80 117.136.20.85:50025     FIN_WAIT2    $ $ awk '$6 ~ /WAIT/ || NR==1 {print NR,$4,$5,$6}' OFS="\t" netstat.txt  1       Local-Address   Foreign-Address State  5       coolshell.cn:80 124.205.5.146:18245     TIME_WAIT  6       coolshell.cn:80 61.140.101.185:37538    FIN_WAIT2  9       coolshell.cn:80 116.234.127.77:11502    FIN_WAIT2  11      coolshell.cn:80 183.60.215.36:36970     TIME_WAIT  13      coolshell.cn:80 124.152.181.209:26825   FIN_WAIT1  15      coolshell.cn:80 183.60.212.163:51082    TIME_WAIT  18      coolshell.cn:80 117.136.20.85:50025     FIN_WAIT2

上面的第一个示例匹配FIN状态，第二个示例匹配WAIT字样的状态。其实 ~ 表示模式开始。/ /中是模式。这就是一个正则表达式的匹配。

其实awk可以像grep一样的去匹配第一行，就像这样：

  $ awk '/LISTEN/' netstat.txt  tcp        0      0 0.0.0.0:3306            0.0.0.0:*               LISTEN  tcp        0      0 0.0.0.0:80              0.0.0.0:*               LISTEN  tcp        0      0 127.0.0.1:9000          0.0.0.0:*               LISTEN  tcp        0      0 :::22                   :::*                    LISTEN

我们可以使用 “/FIN|TIME/” 来匹配 FIN 或者 TIME :

  $ awk '$6 ~ /FIN|TIME/ || NR==1 {print NR,$4,$5,$6}' OFS="\t" netstat.txt  1       Local-Address   Foreign-Address State  5       coolshell.cn:80 124.205.5.146:18245     TIME_WAIT  6       coolshell.cn:80 61.140.101.185:37538    FIN_WAIT2  9       coolshell.cn:80 116.234.127.77:11502    FIN_WAIT2  11      coolshell.cn:80 183.60.215.36:36970     TIME_WAIT  13      coolshell.cn:80 124.152.181.209:26825   FIN_WAIT1  15      coolshell.cn:80 183.60.212.163:51082    TIME_WAIT  18      coolshell.cn:80 117.136.20.85:50025     FIN_WAIT2

再来看看模式取反的例子：

  $ awk '$6 !~ /WAIT/ || NR==1 {print NR,$4,$5,$6}' OFS="\t" netstat.txt  1       Local-Address   Foreign-Address State  2       0.0.0.0:3306    0.0.0.0:*       LISTEN  3       0.0.0.0:80      0.0.0.0:*       LISTEN  4       127.0.0.1:9000  0.0.0.0:*       LISTEN  7       coolshell.cn:80 110.194.134.189:1032    ESTABLISHED  8       coolshell.cn:80 123.169.124.111:49809   ESTABLISHED  10      coolshell.cn:80 123.169.124.111:49829   ESTABLISHED  12      coolshell.cn:80 61.148.242.38:30901     ESTABLISHED  14      coolshell.cn:80 110.194.134.189:4796    ESTABLISHED  16      coolshell.cn:80 208.115.113.92:50601    LAST_ACK  17      coolshell.cn:80 123.169.124.111:49840   ESTABLISHED  19      :::22   :::*    LISTEN

或是：

  awk '!/WAIT/' netstat.txt

折分文件

awk拆分文件很简单，使用重定向就好了。下面这个例子，是按第6例分隔文件，相当的简单（其中的NR!=1表示不处理表头）。

  $ awk 'NR!=1{print > $6}' netstat.txt    $ ls  ESTABLISHED  FIN_WAIT1  FIN_WAIT2  LAST_ACK  LISTEN  netstat.txt  TIME_WAIT    $ cat ESTABLISHED  tcp        0      0 coolshell.cn:80        110.194.134.189:1032        ESTABLISHED  tcp        0      0 coolshell.cn:80        123.169.124.111:49809       ESTABLISHED  tcp        0      0 coolshell.cn:80        123.169.124.111:49829       ESTABLISHED  tcp        0   4166 coolshell.cn:80        61.148.242.38:30901         ESTABLISHED  tcp        0      0 coolshell.cn:80        110.194.134.189:4796        ESTABLISHED  tcp        0      0 coolshell.cn:80        123.169.124.111:49840       ESTABLISHED    $ cat FIN_WAIT1  tcp        0      1 coolshell.cn:80        124.152.181.209:26825       FIN_WAIT1    $ cat FIN_WAIT2  tcp        0      0 coolshell.cn:80        61.140.101.185:37538        FIN_WAIT2  tcp        0      0 coolshell.cn:80        116.234.127.77:11502        FIN_WAIT2  tcp        0      0 coolshell.cn:80        117.136.20.85:50025         FIN_WAIT2    $ cat LAST_ACK  tcp        0      1 coolshell.cn:80        208.115.113.92:50601        LAST_ACK    $ cat LISTEN  tcp        0      0 0.0.0.0:3306           0.0.0.0:*                   LISTEN  tcp        0      0 0.0.0.0:80             0.0.0.0:*                   LISTEN  tcp        0      0 127.0.0.1:9000         0.0.0.0:*                   LISTEN  tcp        0      0 :::22                  :::*                        LISTEN    $ cat TIME_WAIT  tcp        0      0 coolshell.cn:80        124.205.5.146:18245         TIME_WAIT  tcp        0      0 coolshell.cn:80        183.60.215.36:36970         TIME_WAIT  tcp        0      0 coolshell.cn:80        183.60.212.163:51082        TIME_WAIT

你也可以把指定的列输出到文件：

  awk 'NR!=1{print $4,$5 > $6}' netstat.txt

再复杂一点：（注意其中的if-else-if语句，可见awk其实是个脚本解释器）

  $ awk 'NR!=1{if($6 ~ /TIME|ESTABLISHED/) print > "1.txt";  else if($6 ~ /LISTEN/) print > "2.txt";  else print > "3.txt" }' netstat.txt    $ ls ?.txt  1.txt  2.txt  3.txt    $ cat 1.txt  tcp        0      0 coolshell.cn:80        124.205.5.146:18245         TIME_WAIT  tcp        0      0 coolshell.cn:80        110.194.134.189:1032        ESTABLISHED  tcp        0      0 coolshell.cn:80        123.169.124.111:49809       ESTABLISHED  tcp        0      0 coolshell.cn:80        123.169.124.111:49829       ESTABLISHED  tcp        0      0 coolshell.cn:80        183.60.215.36:36970         TIME_WAIT  tcp        0   4166 coolshell.cn:80        61.148.242.38:30901         ESTABLISHED  tcp        0      0 coolshell.cn:80        110.194.134.189:4796        ESTABLISHED  tcp        0      0 coolshell.cn:80        183.60.212.163:51082        TIME_WAIT  tcp        0      0 coolshell.cn:80        123.169.124.111:49840       ESTABLISHED    $ cat 2.txt  tcp        0      0 0.0.0.0:3306           0.0.0.0:*                   LISTEN  tcp        0      0 0.0.0.0:80             0.0.0.0:*                   LISTEN  tcp        0      0 127.0.0.1:9000         0.0.0.0:*                   LISTEN  tcp        0      0 :::22                  :::*                        LISTEN    $ cat 3.txt  tcp        0      0 coolshell.cn:80        61.140.101.185:37538        FIN_WAIT2  tcp        0      0 coolshell.cn:80        116.234.127.77:11502        FIN_WAIT2  tcp        0      1 coolshell.cn:80        124.152.181.209:26825       FIN_WAIT1  tcp        0      1 coolshell.cn:80        208.115.113.92:50601        LAST_ACK  tcp        0      0 coolshell.cn:80        117.136.20.85:50025         FIN_WAIT2

统计

下面的命令计算所有的C文件，CPP文件和H文件的文件大小总和。

  $ ls -l  *.cpp *.c *.h | awk '{sum+=$5} END {print sum}'  2511401

我们再来看一个统计各个connection状态的用法：（我们可以看到一些编程的影子了，大家都是程序员我就不解释了。注意其中的数组的用法）

  $ awk 'NR!=1{a[$6]++;} END {for (i in a) print i ", " a[i];}' netstat.txt  TIME_WAIT, 3  FIN_WAIT1, 1  ESTABLISHED, 6  FIN_WAIT2, 3  LAST_ACK, 1  LISTEN, 4

再来看看统计每个用户的进程的占了多少内存（注：sum的RSS那一列）

  $ ps aux | awk 'NR!=1{a[$1]+=$6;} END { for(i in a) print i ", " a[i]"KB";}'  dbus, 540KB  mysql, 99928KB  www, 3264924KB  root, 63644KB  hchen, 6020KB

脱掉内衣

awk脚本

在上面我们可以看到一个END关键字。END的意思是“处理完所有的行的标识”，即然说到了END就有必要介绍一下BEGIN，这两个关键字意味着执行前和执行后的意思，语法如下：

BEGIN{ 这里面放的是执行前的语句 }
END {这里面放的是处理完所有的行后要执行的语句 }
{这里面放的是处理每一行时要执行的语句}

为了说清楚这个事，我们来看看下面的示例：

假设有这么一个文件（学生成绩表）：

  $ cat score.txt  Marry   2143 78 84 77  Jack    2321 66 78 45  Tom     2122 48 77 71  Mike    2537 87 97 95  Bob     2415 40 57 62

我们的awk脚本如下（我没有写有命令行上是因为命令行上不易读，另外也在介绍另一种用法）：

  $ cat cal.awk  #!/bin/awk -f  #运行前  BEGIN {      math = 0      english = 0      computer = 0        printf "NAME    NO.   MATH  ENGLISH  COMPUTER   TOTAL\n"      printf "---------------------------------------------\n"  }  #运行中  {      math+=$3      english+=$4      computer+=$5      printf "%-6s %-6s %4d %8d %8d %8d\n", $1, $2, $3,$4,$5, $3+$4+$5  }  #运行后  END {      printf "---------------------------------------------\n"      printf "  TOTAL:%10d %8d %8d \n", math, english, computer      printf "AVERAGE:%10.2f %8.2f %8.2f\n", math/NR, english/NR, computer/NR  }

我们来看一下执行结果：（也可以这样运行 ./cal.awk score.txt）

  $ awk -f cal.awk score.txt  NAME    NO.   MATH  ENGLISH  COMPUTER   TOTAL  ---------------------------------------------  Marry  2143     78       84       77      239  Jack   2321     66       78       45      189  Tom    2122     48       77       71      196  Mike   2537     87       97       95      279  Bob    2415     40       57       62      159  ---------------------------------------------    TOTAL:       319      393      350  AVERAGE:     63.80    78.60    70.00

环境变量

即然说到了脚本，我们来看看怎么和环境变量交互：（使用-v参数和ENVIRON，使用ENVIRON的环境变量需要export）

  $ x=5    $ y=10  $ export y    $ echo $x $y  5 10    $ awk -v val=$x '{print $1, $2, $3, $4+val, $5+ENVIRON["y"]}' OFS="\t" score.txt  Marry   2143    78      89      87  Jack    2321    66      83      55  Tom     2122    48      82      81  Mike    2537    87      102     105  Bob     2415    40      62      72

几个花活

最后，我们再来看几个小例子：

  #从file文件中找出长度大于80的行  awk 'length>80' file    #按连接数查看客户端IP  netstat -ntu | awk '{print $5}' | cut -d: -f1 | sort | uniq -c | sort -nr    #打印99乘法表  seq 9 | sed 'H;g' | awk -v RS='' '{for(i=1;i<=NF;i++)printf("%dx%d=%d%s", i, NR, i*NR, i==NR?"\n":"\t")}'

自己撸吧

关于其中的一些知识点可以参看gawk的手册：

内建变量，参看：http://www.gnu.org/software/gawk/manual/gawk.html#Built_002din-Variables
流控方面，参看：http://www.gnu.org/software/gawk/manual/gawk.html#Statements
内建函数，参看：http://www.gnu.org/software/gawk/manual/gawk.html#Built_002din
正则表达式，参看：http://www.gnu.org/software/gawk/manual/gawk.html#Regexp

（全文完）

（转载本站文章请注明作者和出处酷壳 – CoolShell.cn ，请勿用于任何商业用途）

——=== 访问酷壳404页面以支持公益事业 ===——

2012年11月23日 -- 你可能不知道的Shell
2013年01月09日 -- 应该知道的Linux技巧
2012年07月11日 -- 28个Unix/Linux的命令行神器
2012年08月16日 -- 对技术的态度
2012年05月03日 -- 用Unix的设计思想来应对多变的需求
2012年08月01日 -- 一个fork的面试题
2012年06月20日 -- 性能调优攻略
2010年04月09日 -- Unix传奇(上篇)

Zemanta

from 酷壳 - CoolShell.cn http://coolshell.cn/articles/9070.html

Info Aggregator

Pages