AWK用法全解

一、awk介绍

awk是Linux自带的一个逐行扫描的文本处理工具，支持正则表达式、循环控制、条件判断、格式化输出。AWK自身带有一些变量，可以在书写脚本时调用。

二、基本语法格式

2.1、在shell中使用awk

awk [option] 代码块 文件名

• option的选项及含义

选项	含义	使用演示	演示说明
-F	指定文件分隔符	awk -F "\n"	按\n做分隔符
-f	使用文件中的内容作为命令输入	awk -f  script.txt	使用script.txt文件中的内容作为命令
-v	给变量赋值，支持多个v赋值	awk -v Num=$num -v Num1=$num1	把num的值给Num、num1的值给Num1

• 代码块的说明：

条件判断'{要执行的内容}'               注：条件判断与“{”之间不带空格，{}的两侧要使用单引号"'’"包围。

条件判断为真则执行{}中的内容，条件判断为假则不执行{}中的内容。

例如:

awk -F "," NR==2'{print $1}' awktest.txt

#将awktest.txt文件中的文本以","，如果行号为2则打印第一列内容。

awk -F "," NR==10'{print "这是第"NR"行","第1列是:"$1,"第2列是:"$2}' awktest.txt

#打印多个列的字段、行号并于固定的字符串拼接

2.2、在脚本中使用awk代码

有些脚本命令比较长，在shell中编辑比较麻烦，这时考虑将命令写入脚本中方便保存和修改。

在脚本文件中，大致格式如下:

BEGIN{

语句一

语句二

}

表达式1 {要执行的内容}

表达式2 {要执行的内容}

END{

语句一

语句二

}

注意：{要执行的内容}中如果有多个语句要执行，使用","进行分割。在awk中，{}中的内容表示要执行的操作，赋值、判断等操作可以放在{}之外。

• 创建一个文件awkScript.txt

1 vi awkScript.txt

以下脚本文件中的FS、NR是awk的自带变量，后面的内容中对此进行解释。

#awk的脚本文件
#开始部分，一般用于脚本执行前的初始化，比如设置每一列的标题、设置分割符等等。
BEGIN{
FS=","
print "第一列","第二列"
}

#这里是主要执行的代码块
{print "这是第"NR"行"}
NR%2 {print NR,"这是偶数行"}

#END代码块。
END{
print "总计共有"NR"行"
print "脚本执行结束"
}

• awk以脚本的方式执行这些文件

awk -f awkScript.txt awktest.txt

三、awk的内置变量

awk内置一些变量，这些变量可能会随着文本读取的进度发生变化，比如现在读取到第几行。我们可以调用这些内置变量。

变量名称	说明	使用示例	示例说明
$number	记录被分割后的第number列的字段，$表示整行文本。	{print $1,$3}	打印第1列和第3列字段
FS	字段分割符(可使用FlieSplit记忆)	BEGIN{FS="\n"}	使用换行分割文本
NF	当前行中的字段数量	{print "当前行共有"NF"列"}	打印当前行的列数
NR	当前的行号（NnumberRow，从1开始）	NR%2{print "这是偶数行"}	判断是否是偶数行
RS	表示记录分隔符,多行文本的情况下，RS字符将文本分割成几个大块(RowSplit)	BEGIN{ FS="\N" RS=" " }	对一个使用空行分割多个行的文本，RS表示的字符将文本分成多个段落，FS表示的字符将这些段落中的行分割成多个列。
OFS	表示输出字段之间分隔符，将输出的多个字段使用OFS拼接，缺省为" "。(OutFileSpilt)	BEGIN{OFS=";"} {print "字段1","字段2","字段3"}	输出的字段1、字段2、字段3变成"字段1;字段2;字段3"
ORS	表示输出行之间记录分隔符，在两个单独行插入定义的字符串，缺省为"\n"	BEGIN{ ORS="\n\n" }	输出的文本行之间有两个空行

四、awk的正则表达式

awk的正则表达式和其他语言的正则表达式规则一致

字符	描述
.	可代替除一行之外的任何单个字符
*	可代替零个或多个在它前面出现的字符
[chars]	可代替chars中的任何一个字符，chars是一串字符序列。你可以用-符号来定义一个字符范围。如果^是chars中的第一个字符，那么将匹配没有在chars中指定的字符
^	匹配一行的开头
$	匹配一行的结尾
\	把\后面的字符照常输出，通常用来转义（不使用特殊含义）一个元字符
！~	匹配到的内容取反，表示不匹配

• 在{}包裹的语句块之前使用正则表达式语法

awk ‘/REG/{action}’        /REG/为要匹配的内容，{action}为匹配成功后要执行的动作。

#打印awktest.txt文件中包含2020年时间的行(使用"\"对/符号进行转义)

awk -F "," '/2020\/[0-9]{1,2}\/[0-9]{1,2}/{print $0}' awktest.txt

匹配到的结果为:

在{}代码块中使用正则表达式语法

awk -F "," '{if($0 ~ "2020/07/01"){print $0}else{print "none"}}' awktest.txt

五、awk控制流语句

5.1、条件语句

awk的if语句类似于C语言的if语句

 1 {
 2     if ( $1 == "foo" ) {
 3         if ( $2 == "foo" ) {
 4             print "uno"
 5         } else {
 6             print "one"
 7         }
 8     } else if ($1 == "bar" ) {
 9         print "two"
10     } else {
11         print "three"
12     }
13 } 

5.2、循环语句

• do...while循环

1 {
2     count=1
3     do {
4         print "I get printed at least once no matter what"
5     } while ( count != 1 )
6 } 

• for循环

1 for ( x = 1; x <= 4; x++ ) {
2     print "iteration",x
3 } 

• break和continue语句

如同C语言一样，awk提供了break、continue来控制awk的循环结构。break语句用于跳出最深层的循环，使循环立即终止，并继续执行循环代码块后面的语句。continue语句使awk立即开始执行下一个循环迭代，而不执行代码块的其余部分。

5.3、数组

在awk中，数组下标通常从1开始，而不是0：

1 myarray[1]="jim"
2 myarray[2]=456

awk不需要连续的下标编号，例如，给myarray[1]赋值之后可以直接赋值myarrary[10]。

awk可以使用"in"操作来遍历数组中的所有元素，但这种遍历是无序的，无法保证按下标顺序输出。

1 for ( x in myarray ) {
2     print myarray[x]
3 } 

awk数组中还可以使用字符串下标，其实，不管你使用的下标是字符串还是数字，awk在幕后还将其认为是字符串下标。

1 myarr["1"]="China"
2 print myarr["1"]
3 myarr["name"]="Mr. Whipple"
4 print myarr["name"] 

六、awk的内置函数

awk并不像其他语言一样，把字符串看作是字符数组。执行以下代码:

1 mystring="How are you doing today?"
2 print mystring[3] 

将会报错:

1  awk: string.gawk:59: fatal: attempt to use scalar as array

为了应对这种情况，awk内置了许多字符串函数。

字符串函数	功能说明	使用示例	示例说明
length()	返回字符串的长度	print length(mystring)	打印mystring字符串的长度
index()	返回子字符串在另一个字符串中出现的位置	print index(mystring,"you")	返回子字符串“you”在另一个mystring中出现的位置，如果没有找到该字符串则返回0
tolower()	返回字符串并且将所有字符转换成小写	print tolower(mystring)	把mystring所有的字母改成大写
toupper()	返回字符串并且将所有字符转换成大写	print toupper(mystring)	把mystring所有的字母改成小写
substr()	返回从字符串中选择的子串	awk '{print substr($0,2,10)}'	打印字符串从第2位开始后面10个字符
match()	返回子字符串在另一个字符串中出现的位置。它与index()的区别在于它并不搜索子串，它搜索的是正则表达式。，match()还将设置两个变量，叫作RSTART和RLENGTH。RSTART包含返回值（第一个匹配的位置），默认返回RESTART，RLENGTH指定它占据的字符跨度（如果没有找到匹配，则返回-1）	print match($0,/2020\/07\/01/),RLENGTH	打印2020/07/01匹配到的起始位置和它的长度。
sub()	替换匹配的第一个字符序列，并返回整个字符串	sub(regexp,replstring,mystring)	用replstring替换在mystring中匹配regexp的第一个字符序列，sub()替换第一个regexp匹配
gsub()	替换匹配的全部字符序列，并返回整个字符串	gsub(regexp,replstring,mystring)	用replstring替换全部在mystring中匹配regexp的第一个字符序列
split()	分割字符串，并将各部分放到使用整数下标的数组中	num=split($0,var,",") {print var[1]}	将当前行的文本以","分割，放进var数组中，打印第一各元素。num为接受分割后数组的长度。

七、awk的格式化输出

然大多数情况下awk的print语句可以完成任务，但有时我们还需要更多。使用两个函数printf()、sprintf()，将能让输出锦上添花。printf()会将格式化字符串打印到stdout，而sprintf()则返回可以赋值给变量的格式化字符串。

1 x=1
2 b="foo"
3 printf("%s got a %d on the last test\n","Jim",83)
4 myout=("%s-%d",b,x)
5 print myout