Shell三剑客之awk

1. awk概述

1.1 awk是什么

awk不同于grep的文本搜索与sed工具的文本处理,它更偏向于对文本的格式化处理输出,它不仅仅是一款工具,也是一门解释性语言,其名字来源于它的三位作者的姓氏:Alfred AhoPeter WeinbergerBrian Kernighan,在文本处理功能非常强大,是一款Linux服务器文本报告生成器和格式化文本输出工具。

1.2 为什么用awk

我们日常工作中有很多需要格式化打印输出的需求,更多的是关注列操作时,就可以利用awk工具来进行处理。awk除了是工具也同样是一门语言,其允许用户创建简短的程序来处理自己的需求,这些程序读取输入文件、为数据排序、处理数据、对输入执行计算以及生成报表等。功能非常的强大,相信在掌握了awk,日常运维工作更加方便高效简单。

2. awk的适用场景

  • 超大文件处理;
  • 输出格式化的文本报表;
  • 执行算数运算;
  • 执行字符串操作等。

3. awk的处理模式

一般是遍历一个文件中的每一行,然后分别对文件的每一行进行处理。

awk对输入的一行数据进行处理的模式,对整个文件进行重复执行此模式处理,在此说明对输入的一行数据处理的内在机制如下图所示:

处理过程不断重复,直到到达文件结尾。

  1. 首先读入文件流的一行到模式空间;
  2. 在模式空间内,对内容进行模式匹配处理;
  3. 然后输出处理后的数据内容;
  4. 清空当前模式空间;
  5. 读取第二行输入流到模式空间;
  6. 又开始对模式空间内的第二行输入数据进行处理。

总体可以分为以下三步:

  • 读(Read):AWK 从输入流(文件、管道或者标准输入)中读入一行然后将其存入内存中。

  • 执行(Execute):对于每一行输入,所有的 AWK 命令按顺序执行。 默认情况下,AWK 命令是针对于每一行输入,但是我们可以将其限制在指定的模式中。

  • 重复(Repeate):一直重复上述两个过程直到文件结束。

4. 语法及结构

4.1 语法

Awk 语法格式如下图所示:

awk [options] 'PATTERN {action}' file1,file2

awk 的语法格式主要分为四个字段,options 选项,引号内有模块与动作,以及要处理的文件,接下来让我们详细讲解每一个语法字段,更全面地认识 awk 这个脚本利器。

4.2 程序结构

awk 在引号内有一定的程序结构,主要为以下:

  • 开始块(BEGIN BLOCK):
语法:
BEGIN{awk-commands}
开始块就是awk程序启动时执行的代码部分(在处理输入流之前执行),并且在整个过程中只执行一次;
一般情况下,我们在开始块中初始化一些变量。BEGIN是awk的关键字,因此必须要大写。【注:开始块部分是可选,即你的awk程序可以没有开始块部分】
  • 主体块(Body Block):
语法:
/pattern/{awk-commands}
针对每一个输入的行都会执行一次主体部分的命令,默认情况下,对于输入的每一行,awk都会执行主体部分的命令,但是我们可以使用/pattern/限制其在指定模式下。
  • 结束块(END BLOCK):
语法:
END{awk-commands}
结束块是awk程序结束时执行的代码(在处理完输入流之后执行),END也是awk的关键字,必须大写,与开始块类似,结束块也是可选的。

4.3 awk命令详解

4.3.1 awk 输出

  • awk print输出,例如:
print item1,item2...

1.各字段之间逗号隔开,输出时以空白字符分隔;

2.输出的字段可以为字符串或数值,当前记录的字段(如$1)、变量或 awk 的表达式;数值先会转换成字符串然后输出;

3.print 命令后面的 item 可以省略,此时其功能相当于print $0,如果想输出空白,可以使用print "";

例如:

[root@master ~]# awk -F: '{print $1,$NF}' /etc/passwd|column -t
root             /bin/bash
bin              /sbin/nologin
daemon           /sbin/nologin
adm              /sbin/nologin
lp               /sbin/nologin
sync             /bin/sync
  • awk printf 输出

printf 命令的使用格式:

printf <format> item1,item2...

要点:

1.其与 print 命令最大区别,printf 需要指定 format,format 必须给出;

2.format 用于指定后面的每个 item 输出格式;

3.printf 语句不会自动打印换行字符\n

format 格式的指示符都以 % 开头,后跟一个字符:

%c:显示ascall码
%d:%i:十进制整数
%e%E:科学计数法
%f:浮点数
%s:字符串
%u:无符号整数
%%:显示%自身

修饰符:
#[.#]:第一个#控制显示的宽度:第二个#表示小数点后的精度:

%3.1f

-:左对齐
+:显示数组符号

例如:

[root@master ~]# awk -F: '{printf "Username:%-15s   ,Uid:%d\n",$1,$3}' /etc/passwd
Username:root              ,Uid:0
Username:bin               ,Uid:1
Username:daemon            ,Uid:2
Username:adm               ,Uid:3
Username:lp                ,Uid:4
Username:sync              ,Uid:5
Username:shutdown          ,Uid:6

4.3.2 awk变量

  • 记录变量:

    • IFS(input field separator),输入字段分隔符(默认空白)
    • OFS(output field separator),输出字段分隔符
    • RS(Record separator):输入文本换行符(默认回车)
    • ORS:输出文本换行符
  • 数据变量

    • NR:the number of input records,awk 命令所处理的文件的行数,如果有多个文件,这个数目会将处理的多个文件计数
    • NF:number of field,当前记录的 field 个数
    {print NF},{print $NF}
    
    • ARGV:数组,保存命令行本身这个字符串

    • ARGC:awk 命令的参数个数

    • FILENAME:awk 命令处理的文件名称

    • ENVIRON:当前 shell 环境变量及其值的关联数组

    awk 'BEGIN{print ENVIRON["PATH"]}'
    
  • 自定义变量
    -v var=value

    变量名区分大小写,例如:

    [root@master ~]#  awk -v test="abc" 'BEGIN{print test}'
    abc
    [root@master ~]# awk 'BEGIN{var="name";print var}'
    name
    

4.3.3 操作符

  • 算术运算

    • +,-,*,/,^,%。例如:
    [root@master ~]# awk 'BEGIN{a=5;b=3;print "a + b =",a+b}'
    a + b = 8
    
  • 字符串操作

    • 无符号操作符,表示字符串连接,例如:
    [root@master ~]# awk 'BEGIN { str1="Hello,"; str2="World"; str3 = str1 str2; print str3 }'
    Hello,World
    
  • 赋值操作符:

    • =,+=,-=,*=,/=,%=,^=,例如:
    [root@master ~]# awk 'BEGIN{a=5;b=6;if(a == b) print "a == b";else print "a!=b"}' 
    a!=b
    
    [root@master ~]# awk -F: '{sum+=$3}END{print sum}' /etc/passwd
    72349
    
  • 比较操作符:

    • >,>=,<,<=,!=,==
  • 模式匹配符:

    • ~:是否匹配
    • !~:是否不匹配

    例如:

    [root@master ~]# awk -F: '$1~"root"{print $0}' /etc/passwd
    root:x:0:0:root:/root:/bin/bash
    
  • 逻辑操作符:

    • && 、 || 、 !,例如:
    [root@master ~]# awk 'BEGIN{a=6;if(a > 0 && a <= 6) print "true";else print "false"}'
    true
    
  • 函数调用:

    • function_name(argu1,augu2)
  • 条件表达式(三元运算):

    • selection?if-true-expresssion:if-false-expression
    [root@master ~]# awk -F: '{$3>=100?usertype="common user":usertype="sysadmin";printf "%15s:%s\n",$1,usertype}' /etc/passwd
               root:sysadmin
                bin:sysadmin
             daemon:sysadmin
                adm:sysadmin
                 lp:sysadmin
               sync:sysadmin
           shutdown:sysadmin
               halt:sysadmin
    

4.3.4 Pattern

  • empty:空模式,匹配每一行
  • /regular expression/:仅处理能被此处模式匹配到的行,例如;
[root@master ~]# awk -F: '$NF=="/bin/bash"{printf "%15s,%s\n",$NF,$1}' /etc/passwd
      /bin/bash,root
  • relational expression:关系表达式,结果为“真”有“假”,结果为“真”才会被处理。

Tips:使用模式需要使用双斜线括起来,真:结果为非0值,非空字符串。

[root@master ~]# awk -F: '$3>100{print $1,$3}' /etc/passwd
systemd-network 192
polkitd 999
ceph 167
kube 998
etcd 997
gluster 996
nfsnobody 65534
chrony 995
redis 994
awk -F: '$NF=="/bin/bash"{printf "%15s,%s\n",$NF,$1}' /etc/passwd
awk -F: '$NF~/bash$/{printf "%15s,%s\n",$NF,$1}' /etc/passwd
df -Th|awk '/^\/dev/{print}'
  • line ranges:行范围,制定startline,endline。

    [root@master ~]# awk -F: '/10/,/20/{print $1}' /etc/passwd
    games
    ftp
    nobody
    systemd-network
    dbus
    polkitd
    postfix
    sshd
    ceph
    kube
    etcd
    gluster
    rpc
    
  • BEGIN/END模式

    • BEGIN{}:仅在开始处理文本之前执行一次
    • END{}:仅在文本处理完成之后执行一次
    [root@master ~]# awk -F: 'BEGIN{print "username     uid\n--------------------"}{printf "%-15s:%d\n",$1,$3}END{print "-----------------\nend"}' /etc/passwd
username     uid
    --------------------
    root           :0
    bin            :1
    daemon         :2
    adm            :3
    lp             :4
    rpc            :32
    rpcuser        :29
    nfsnobody      :65534
    chrony         :995
    redis          :994
    -----------------
    end

4.3.5 控制语句

  • if(condition) {statements},例如:
[root@master ~]# awk -F: '{if($3>100) print $1,$3}' /etc/passwd
systemd-network 192
polkitd 999
ceph 167
kube 998
etcd 997
gluster 996
nfsnobody 65534
chrony 995
redis 994
  • if(condition) {statments} [else {statments}],例如:
[root@master ~]# awk -F: '{if($3>100) {printf "Common user:%-15s\n",$1} else {printf "sysadmin user:%-15s\n",$1}}' /etc/passwd
sysadmin user:root           
sysadmin user:bin            
sysadmin user:daemon         
sysadmin user:adm            
sysadmin user:lp             
sysadmin user:sync           
sysadmin user:shutdown       
sysadmin user:halt           
sysadmin user:mail           
sysadmin user:operator       
sysadmin user:games          

5. 实例

1.统计/etc/fstab文件中每个单词出现的次数,并按从大到小排序
awk '{for(i=1;i<=NF;i++){words[$i]++}}END{for(key in words)print key,words[key]}' /etc/fstab|sort -k2 -nr

awk '{ips[$1]++}END{for(i in ips) print i,ips[i]}' access_nginx.log |column -t|sort -k2 -nr

2.统计/etc/fstab每个文件系统类型出现的次数
awk '!/^#/&&!/^$/{dev[$3]++}END{for(i in dev) print i,dev[i]}' /etc/fstab

3.ping一个域名,输出ping此刻的时间
ping baidu.com|awk '{print $0" "strftime("%Y-%m-%d %H:%M:%S")}'

4.利用netstat监控服务是否正常监听
netstat -lntup|awk 'NR>2{if($4 ~/.*:22/) print $0"yes";exit 0}'

5.统计web服务器日志状态码
awk '$9~"[0-9]"{stat[$9]++}END{for(i in stat) print i,stat[i]}' access_log

6. 注意事项

  • awksed命令类似,只不过sed擅长取行,awk命令擅长取列,awk是对文本进行格式化输出,sed更倾向于对文件进行修改;

  • 对于读入的文件可以根据自己需求对IFS/OFS对输入和输出进行修改;

  • awk非常的强大,但是也是三剑客中最难的一个,其作为一门单独的语言,我们在Shell编程中学习常用的命令及语法就已经足够我们使用。

7. 小结

本章节我们系统性地学习了awk的语法结构及处理模式,其相较于其他文本处理工具,更适合对文本进行格式化输出,我们需要在合适的地方使用,其作为Linux系统上一个非常强大的文本格式输出工具,也是一门语言,后期需要在实践工作中更多地灵活运用,使得脚本编写更加方便。