[[387499]]

我們知道 Linux 三劍客，它們是 grep、sed、awk。在前邊已經(jīng)講過 grep 和 sed，沒看過的同學(xué)可以直接點擊閱讀，今天要分享的是更為強大的 awk。

sed 可以實現(xiàn)非交互式的字符串替換，grep 能夠?qū)崿F(xiàn)有效的過濾功能。與兩者相比，awk 是一款強大的文本分析工具，在對數(shù)據(jù)分析并生成報告時，顯得尤為強悍。

 

awk 強大的功能，是一般 Linux 命令無法比擬的。在本文中，我不會告訴你 awk 也是一種編程語言，免得會嚇到你。我們只需把它當(dāng)做 Linux 下一款強大的文本分析工具即可。

這篇文章，我仍然秉持著 實用、實踐 原則，提供大量的示例，但不會面面俱到。通過本文可以幫助你，快速將 awk 運用起來，這些東西足夠應(yīng)付工作中大多數(shù)應(yīng)用場景。

場景

學(xué)習(xí)具體使用前，先來看下 awk 能干些什么事情：

1. 能夠?qū)⒔o定的文本內(nèi)容，按照我們期望的格式輸出顯示，打印成報表。

2. 分析處理系統(tǒng)日志，快速地分析挖掘我們關(guān)心的數(shù)據(jù)，并生成統(tǒng)計信息;

3. 方便地用來統(tǒng)計數(shù)據(jù)，比如網(wǎng)站的訪問量，訪問的 IP 量等;

4. 通過各種工具的組合，快速地匯總分析系統(tǒng)的運行信息，讓你對系統(tǒng)的運行了如指掌;

5. 強大的腳本語言表達(dá)能力，支持循環(huán)、條件、數(shù)組等語法，助你分析更加復(fù)雜的數(shù)據(jù);

......

當(dāng)然 awk 不僅能做這些事情，當(dāng)你將它的用法融匯貫通時，可以隨心所欲的按照你的意愿，來進行高效的數(shù)據(jù)分析和統(tǒng)計。

不過我們需要知道，awk 不是萬能的，它比較擅長處理格式化的文本，比如 日志、csv 格式數(shù)據(jù)等;

原理

我們先來簡單了解 awk 基本工作原理，通過下邊的圖文講述，希望你能了解 awk 到底是如何工作的。

awk 基本命令格式

 

結(jié)合下圖來詳細(xì)說明 awk 工作原理

 

• 首先，執(zhí)行關(guān)鍵字 BEGIN 標(biāo)識的 {} 中的命令;
• 完成 BEGIN 大括號中命令的后，開始執(zhí)行 body 命令;
• 逐行讀取數(shù)據(jù)，默認(rèn)讀到 \n 分割的內(nèi)容為一條 記錄，其實就是行的概念;
• 將記錄按照指定的分隔符劃分為 字段，其實就是列的概念;
• 循環(huán)執(zhí)行 body 塊中的命令，每讀取一行，執(zhí)行一次 body，最終完成 body 執(zhí)行;
• 最后，執(zhí)行 END 命令，通常會在 END 中輸出最后的結(jié)果;

awk 是輸入驅(qū)動的，有多少輸入行，就會執(zhí)行多少次 body 命令。

我們在下邊的示例學(xué)習(xí)中，要時刻記著：記錄 (Record) 就是行，字段 (Field) 就是列，BEGIN 是預(yù)處理階段，body 是 awk 真正工作的階段，END 是最后處理階段。

實戰(zhàn) - 入門

從下邊內(nèi)容開始，我們直接進入到實戰(zhàn)。為了方便舉例，我先把如下信息保存到 file.txt

 

好了，我們先來一個最簡單最常用的 awk 示例，輸出第 1、4、8 列：

 

大括號里邊的就是 awk 語句，只能被單引號包含，其中，$1..$N表示第幾列，$0 表示整個行內(nèi)容

再來看下 awk 比較實用的功能 格式化輸出。和 C 語言的 printf 格式輸出是一毛一樣，我個人特別喜歡這種格式化方式，而不是 C++ 中的流的方式。

 

%s 表示字符串占位符，-4表示列寬度為 4，且左對齊，我們還可以根據(jù)需要，列出更復(fù)雜的格式來，這里先不詳細(xì)舉例了。

實戰(zhàn) - 進階

(一)過濾記錄

有些數(shù)據(jù)可能不是你想要的，可以根據(jù)需要進行過濾

 

上邊的過濾條件為，第 3 列為 root 且第 6 列為 10 的行，才會被輸出。

awk 支持各種比較運算符號 !=、>、<、>=、<=，其中 $0 表示整行的所有內(nèi)容。

(二)內(nèi)置變量

awk 內(nèi)置了一些變量，更方便我們對數(shù)據(jù)的處理

 

過濾第 3 列為 root 用戶，以及第 2 行內(nèi)容，且打印時輸出行號。NR 表示當(dāng)前第幾行，NF表示當(dāng)前行有幾列。

(三)指定分隔符

我們的數(shù)據(jù)，不總是以空格為分隔符，我們可以通過 FS 變量指定分隔符。

 

我們指定分隔符為 2019，這樣就將行內(nèi)容分割為了兩部分，將 2019 替換成了 *

上邊的命令也可以通過 -F 選項指定分割符

 

如果你需要指定多個分隔符，可以這樣做 -F '[;:]'。相信聰明的你，一定能夠理解并融會貫通的。

同樣，awk 可以指定輸出時的分隔符，通過 OFS 變量來設(shè)置

 

輸出時，各字段用 OFS 指定的符號進行了分隔。

實戰(zhàn) - 高級

(一)條件匹配

列出 root 用戶的所有文件，以及第一行文件

 

上邊匹配第三列中包含 root 的行，~ 其實就是正則表達(dá)式的匹配。

同樣，awk 可以像 grep 一樣匹配某一行，就像這樣

 

另外，可以這樣 /Aug|Dec/ 匹配多個關(guān)鍵詞。

模式取反可以使用 ! 符號

 

(二)拆分文件

我們來做一件有意思的事情，可以將文本信息拆分為多個文件，下邊命令按照月份(第5列)將文件信息拆分為多個文件

 

awk 支持重定向符號 >，直接將每行內(nèi)容重定向到月份命名的文件了，當(dāng)然你也可以把指定的列輸出到文件

(三)if 語句

復(fù)雜的條件判斷，可以使用 awk 的 if 語句，awk 的強大正因為它是個腳本解釋器，擁有一般腳本語言的編程能力，下邊示例通過稍微復(fù)雜的條件進行拆分文件

 

要注意，if 語句是在大括號里邊的。

(四)統(tǒng)計

統(tǒng)計當(dāng)前目錄下，所有 *.c、*.h 文件所占用空間大小總和

 

第 5 列表示文件大小，每讀取一行就會將該文件大小計算到 sum 變量中，在最后 END 階段打印出 sum，也就是所有文件的大小總和。

再來看一個例子，統(tǒng)計每個用戶的進程占用了多少內(nèi)存，注意取值的是 RSS 那一列

 

這里用到了 數(shù)組 和 for 循環(huán)，值得一提的是，awk 的數(shù)組可以理解為字典或 Map，key 可以是數(shù)值和字符串，這種數(shù)據(jù)類型在平時很常用。

(五)字符串

通過下邊簡單示例，展示 awk 對字符串操作的支持

 

awk 內(nèi)置支持一系列的字符串函數(shù)，length 計算字符串長度，toupper 函數(shù)轉(zhuǎn)換字符串為大寫。

實戰(zhàn) - 技巧

為了從整體上理解 awk 工作機制，我們再來看一個綜合的示例，假設(shè)有一個學(xué)生成績單：

 

由于此示例程序稍顯復(fù)雜，在命令行上不易讀，另外呢，也想通過此案例介紹另外一種 awk 的執(zhí)行方式，我們的 awk 腳本如下：

 

執(zhí)行 awk 結(jié)果如下

 

我們可以將復(fù)雜的 awk 語句寫入腳本文件 cal.awk，然后通過 -f 選項指定從腳本文件執(zhí)行。

• 在 BEGIN 階段，我們初始化了相關(guān)變量，并打印了表頭的格式
• 在 body 階段，我們讀取每一行數(shù)據(jù)，計算該學(xué)科和該同學(xué)的總成績
• 在 END 階段，我們先打印了表尾的格式，并打印總成績，以及計算了平均值

這個簡單示例，完整的體現(xiàn)了 awk 的工作機制和原理，希望通過此示例能夠幫你真正理解 awk 是如何工作的。

總結(jié)歸納

通過上述的示例，我們學(xué)習(xí)到了 awk 的工作原理，下邊我們來總結(jié)下幾個概念和常用的知識點。

(一)內(nèi)置變量

1. 每一行內(nèi)容記錄，叫做記錄，英文名稱 Record

2. 每行中通過分隔符隔開的每一列，叫做字段，英文名稱 Field

明確這幾個概念后，我們來總結(jié)幾個重要的內(nèi)置變量：

• NR：表示當(dāng)前的行數(shù);
• NF：表示當(dāng)前的列數(shù);
• RS：行分隔符，默認(rèn)是換行;
• FS：列分隔符，默認(rèn)是空格和制表符;
• OFS：輸出列分隔符，用于打印時分割字段，默認(rèn)為空格
• ORS：輸出行分隔符，用于打印時分割記錄，默認(rèn)為換行符

(二)輸出格式

awk 提供 printf 函數(shù)進行格式化輸出功能，具體的使用方式和 C 語法基本一致。

基本用法

 

常用的格式化方式：

• %d 十進制有符號整數(shù)
• %u 十進制無符號整數(shù)
• %f 浮點數(shù)
• %s 字符串
• %c 單個字符
• %e 指數(shù)形式的浮點數(shù)
• %x %X 無符號以十六進制表示的整數(shù)
• %0 無符號以八進制表示的整數(shù)
• %g 自動選擇合適的表示法
• \n 換行符
• \t Tab符

(三)編程語句

awk 不僅是一個 Linux 命令行工具，它其實是一門腳本語言，支持程序設(shè)計語言所有的控制結(jié)構(gòu)，它支持：

• 條件語句
• 循環(huán)語句
• 數(shù)組
• 函數(shù)

(四)常用函數(shù)

awk 內(nèi)置了大量的有用函數(shù)功能，也支持自定義函數(shù)，允許你編寫自己的函數(shù)來擴展內(nèi)置函數(shù)。

這里只簡單羅列一些比較常用的字符串函數(shù)：

• index(s, t) 返回子串 t 在 s 中的位置
• length(s) 返回字符串 s 的長度
• split(s, a, sep) 分割字符串，并將分割后的各字段存放在數(shù)組 a 中
• substr(s, p, n) 根據(jù)參數(shù)，返回子串
• tolower(s) 將字符串轉(zhuǎn)換為小寫
• toupper(s) 將字符串轉(zhuǎn)換為大寫

 

這里只簡單總結(jié)一些常用的字符串功能函數(shù)，具體使用方法，還需要你參照前邊的示例程序，舉一反三，運用到實際問題中。

本文轉(zhuǎn)載自微信公眾號「編程修養(yǎng)」，可以通過以下二維碼關(guān)注。轉(zhuǎn)載本文請聯(lián)系編程修養(yǎng)公眾號。