Linux文本处理：文本分析工具awk-KeepStudy

Linux文本处理：文本分析工具awk

- AWK是一种处理文本文件的语言，是一个强大的文本分析工具。
- 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。
- 和 sed 命令类似，awk 命令也是逐行扫描文件（从第 1 行到最后一行），寻找含有目标文本的行，如果匹配成功，则会在该行上执行用户想要的操作；反之，则不对行做任何处理。

- 语法
awk [选项参数] 'script' var=value file(s)
awk [选项参数] -f scriptfile var=value file(s)

- 选项参数说明：
    - -F fs ：指定输入文件折分隔符，fs是一个字符串或者是一个正则表达式，如-F:。
    - -v var=value ：赋值一个用户定义变量。
    - -f scripfile ：从脚本文件中读取awk命令。
    - -mf nnn 对nnn值设置内在限制，-mf选项限制分配给nnn的最大块数目；-mr选项限制记录的最大数目。这两个功能是Bell实验室版awk的扩展功能，在标准awk中不适用。
    - -W compact ：在兼容模式下运行awk。所以gawk的行为和标准的awk完全一样，所有的awk扩展都被忽略。
    - -W copyleft ：打印简短的版权信息。
    - -W help ：打印全部awk选项和每个选项的简短说明。
    - -W lint ：打印不能向传统unix平台移植的结构的警告。
    - -W lint-old ：打印关于不能向传统unix平台移植的结构的警告。
    - -W posix：打开兼容模式。但有以下限制，不识别：/x、函数关键字、func、换码序列以及当fs是一个空格时，将新行作为一个域分隔符；操作符**和**=不能代替^和^=；fflush无效。
    - -W re-interval ：允许间隔正则表达式的使用，参考(grep中的Posix字符类)，如括号表达式[[:alpha:]]。
    - -W source program-text ：使用program-text作为源代码，可与-f命令混用。

- 内建变量
    - \$n	当前记录的第n个字段，字段间由FS分隔
    - \$0	完整的输入记录
    - ARGC	命令行参数的数目
    - ARGIND	命令行中当前文件的位置(从0开始算)
    - ARGV	包含命令行参数的数组
    - CONVFMT	数字转换格式(默认值为%.6g)ENVIRON环境变量关联数组
    - ERRNO	最后一个系统错误的描述
    - FIELDWIDTHS	字段宽度列表(用空格键分隔)
    - FILENAME	当前文件名
    - FNR	同NR，但相对于当前文件
    - FS	字段分隔符(默认是任何空格)
    - IGNORECASE	如果为真，则进行忽略大小写的匹配
    - NF	当前记录中的字段数
    - NR	当前记录数
    - OFMT	数字的输出格式(默认值是%.6g)
    - OFS	输出字段分隔符(默认值是一个空格)
    - ORS	输出记录分隔符(默认值是一个换行符)
    - RLENGTH	由match函数所匹配的字符串的长度
    - RS	记录分隔符(默认是一个换行符)
    - RSTART	由match函数所匹配的字符串的第一个位置
    - SUBSEP	数组下标分隔符(默认值是/034)

- 基本用法
    - 用法一：
    awk '{[pattern] action}' {filenames}   # 行匹配语句 awk '' 只能用单引号
    awk '{print $1,$4}' log.txt #每行按空格或TAB分割，输出文本中的1、4项
    
    - 用法二：
    awk -F  #-F相当于内置变量FS, 指定分割字符
    awk -F, '{print $1,$2}'   log.txt #使用","分割
    
    - 用法三：
    awk -v  # 设置变量
    awk -va=1 '{print $1,$1+a}' log.txt
    
    - 用法四：
    awk -f {awk脚本} {文件名}
    awk -f cal.awk log.txt

- awk脚本
    - 关于awk脚本，我们需要注意两个关键词BEGIN和END
        - 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}
    - 假设有这么一个文件（学生成绩表）：
    ```shell
    $ 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：
    
    ```shell
    $ 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：
    ```shell
    $ 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
```

- 实例

```shell
过滤第一列大于2的行
awk '$1>2' log.txt

过滤第一列等于2的行
awk '$1==2 {print $1,$3}' log.txt

过滤第一列大于2并且第二列等于'Are'的行
awk '$1>2 && $2=="Are" {print $1,$2,$3}' log.txt

忽略大小写
awk 'BEGIN{IGNORECASE=1} /this/' log.txt

计算文件大小
$ ls -l *.txt | awk '{sum+=$6} END {print sum}'

从文件中找出长度大于80的行
awk 'lenght>80' log.txt

打印九九乘法表
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")}'

使用正则，字符串匹配
# 输出第二列包含 "th"，并打印第二列与第四列。~ 表示模式开始。// 中是模式。
awk '$2 ~ /th/ {print $2,$4}' log.txt

# 输出包含"re" 的行
awk '/re/ ' log.txt

awk '$2 !~ /th/ {print $2,$4}' log.txt 模式取反
```

顶部

Linux文本处理

目录

相关推荐