awk工具

awk 也是一个非常棒的数据处理工具!相较于 sed 常常作用于一整个行的处理, awk 则比较倾向 于一行当中分成数个字段来处理。因此,awk 相当的适合处理小型的数据数据处理呢!awk 通 常运作的模式是这样的:

              [peter@study ~]$ awk '条件类型 1{动作 1} 条件类型 2{动作 2} ...' filename
            

awk 后面接两个单引号并加上大括号 {} 来设定想要对数据进行的处理动作。 awk 可以处理后续接 的文件,也可以读取来自前个命令的 standard output 。 但如前面说的, awk 主要是处理每一行 的字段内的数据,而默认的字段的分隔符为 "空格键" 或 "[tab]键" !举例来说,我们用 last 可 以将登入者的数据取出来,结果如下所示:

              [peter@study ~]$ last -n 5 #仅取出前五行
              peter pts/0 192.168.1.100 Tue Jul 14 17:32
              still logged in
              peter pts/0 192.168.1.100 Thu Jul 9 23:36 - 02:58 (03:22)
              peter pts/0 192.168.1.100 Thu Jul 9 17:23 - 23:36 (06:12)
              peter pts/0 192.168.1.100 Thu Jul 9 08:02 - 08:17 (00:14)
              peter tty1 Fri May 29 11:55 - 12:11 (00:15)
              若我想要取出账号与登入者的 IP ,且账号与 IP 之间以 [tab] 隔开,则会变成这样:
              [peter@study ~]$ last -n 5 | awk '{print $1 "\t" $3}'
              peter 192.168.1.100
              peter 192.168.1.100
              peter 192.168.1.100
              peter 192.168.1.100
              peter Fri
            

上表是 awk 最常使用的动作!通过 print 的功能将字段数据列出来!字段的分隔则以空格键或 [tab] 按键来隔开。 因为不论哪一行我都要处理,因此,就不需要有 "条件类型" 的限制!我所想要的是 第一栏以及第三栏, 但是,第五行的内容怪怪的~这是因为数据格式的问题啊!所以啰~使用 awk 的时候,请先确认一下你的数据当中,如果是连续性的数据,请不要有空格或 [tab] 在内,否则,就 会像这个例子这样,会发生误判喔!
另外,由上面这个例子你也会知道,在 awk 的括号内,每一行的每个字段都是有变量名称的,那就 是 $1, $2... 等变量名称。以上面的例子来说, peter 是 $1 ,因为他是第一栏嘛!至于 192.168.1.100 是第三栏, 所以他就是 $3 啦!后面以此类推~呵呵!还有个变数喔!那就是 $0 ,$0 代表一整 列资料的意思~以上面的例子来说,第一行的 $0 代表的就是peter .... 那一行啊! 由此可知, 刚刚上面五行当中,整个 awk 的处理流程是:
1. 2. 3.
4.
读入第一行,并将第一行的资料填入 $0, $1, $2.... 等变数当中;
依据 "条件类型" 的限制,判断是否需要进行后面的 "动作";
做完所有的动作与条件类型;
若还有后续的行的数据,则重复上面 1~3 的步骤,直到所有的数据都读完为止。
经过这样的步骤,你会晓得, awk 是以行为一次处理的单位, 而以字段为最小的处理单位。
好了,那么 awk 怎么知道我到底这个数据有几行?有几栏呢?这就需要 awk 的内建变量的帮忙
啦~ 变量名称

代表意义
NF 每一行 ($0) 拥有的字段总数
NR 目前 awk 所处理的是第几行数据
FS 目前的分隔字符,默认是空格键我们继续以上面 last -n 5 的例子来做说明,如果我想要:
列出每一行的账号(就是 $1);
列出目前处理的行数(就是 awk 内的 NR 变量)
并且说明,该行有多少字段(就是 awk 内的 NF 变量)
则可以这样:
要注意喔,awk 后续的所有动作是以单引号 ' 括住的,由于单引号与双引号都必
Tips 须是成对的, 所以, awk 的格式内容如果想要以 print 打印时,记得非变量的文字部分,包含上一小节 printf 提 到的格式中,都需要使用双引号来定义出来喔!因为单引号已经是 awk 的命令固定用法了!

              [peter@study ~]$ last -n 5| awk '{print $1 "\t lines: " NR "\t columns: " NF}'
              peter lines: 1 columns: 10
              peter lines: 2 columns: 10
              peter lines: 3 columns: 10
              peter lines: 4 columns: 10
              peter lines: 5 columns: 9
            

# 注意喔,在 awk 内的 NR, NF 等变量要用大写,且不需要有钱字号 $ 啦!
这样可以了解 NR 与 NF 的差别了吧?好了,底下来谈一谈所谓的 "条件类型" 了吧!
awk 的逻辑运算字符
既然有需要用到 "条件" 的类别,自然就需要一些逻辑运算啰~例如底下这些:
运算单元 代表意义
> 大于
< 小于
>= 大于或等于
<= 小于或等于
== 等于
!= 不等于
值得注意的是那个 == 的符号,因为:
逻辑运算上面亦即所谓的大于、小于、等于等判断式上面,习惯上是以 == 来表示;
如果是直接给予一个值,例如变量设定时,就直接使用 = 而已。
好了,我们实际来运用一下逻辑判断吧!举例来说,在 /etc/passwd 当中是以冒号 ":" 来作为字段的 分隔, 该文件中第一字段为账号,第三字段则是 UID。那假设我要查阅,第三栏小于 10 以下的数 据,并且仅列出账号与第三栏, 那么可以这样做:

              [peter@study ~]$ cat /etc/passwd | awk '{FS=":"} $3 < 10 {print $1 "\t " $3}'
              root:x:0:0:root:/root:/bin/bash
              bin 1
              daemon 2
              ....(以下省略)....
            

有趣吧!不过,怎么第一行没有正确的显示出来呢?这是因为我们读入第一行的时候,那些变数 $1, $2... 默认还是以空格键为分隔的,所以虽然我们定义了 FS=":" 了, 但是却仅能在第二行后才开始 生效。那么怎么办呢?我们可以预先设定 awk 的变量啊! 利用 BEGIN 这个关键词喔!这样做:

              [peter@study ~]$ cat /etc/passwd | awk 'BEGIN {FS=":"} $3 < 10 {print $1 "\t " $3}'
              root 0
              bin 1
              daemon 2
              ......(以下省略)......
            

很有趣吧!而除了 BEGIN 之外,我们还有 END 呢!另外,如果要用 awk 来进行计算功能呢?
以底下的例子来看, 假设我有一个薪资数据表文件名为 pay.txt ,内容是这样的:

Name 1st 2nd 3th INITroot 23000 24000 25000 peter 21000 20000 23000 Bird2 43000 42000 41000

如何帮我计算每个人的总额呢?而且我还想要格式化输出喔!我们可以这样考虑:
第一行只是说明,所以第一行不要进行加总 (NR==1 时处理);
第二行以后就会有加总的情况出现 (NR>=2 以后处理)

              [peter@study ~]$ cat pay.txt | \
              > awk 'NR==1{printf "%10s %10s %10s %10s %10s\n",$1,$2,$3,$4,"Total" }
              > NR>=2{total = $2 + $3 + $4
              > printf "%10s %10d %10d %10d %10.2f\n", $1, $2, $3, $4, total}'
              Name 1st 2nd 3th Total
              INITroot 23000 24000 25000 72000.00
              peter 21000 20000 23000 64000.00
              Bird2 43000 42000 41000 126000.00
            

上面的例子有几个重要事项应该要先说明的:
awk 的命令间隔:所有 awk 的动作,亦即在 {} 内的动作,如果有需要多个命令辅助时,可利用分号; 间隔, 或者直接以 [Enter] 按键来隔开每个命令,例如上面的范例中,共按了三次 [enter] 喔! 逻辑运算当中,如果是等于的情况,则务必使用两个等号==
! 格式化输出时,在 printf 的格式设定当中,务必加上 \n ,才能进行分行!
与 bash shell 的变量不同,在 awk 当中,变量可以直接使用,不需加上 $ 符号。
利用 awk 这个玩意儿,就可以帮我们处理很多日常工作了呢!真是好用的很~ 此外, awk 的输出 格式当中,常常会以 printf 来辅助,所以, 最好你对 printf 也稍微熟悉一下比较好啦!另外, awk 的动作内 {} 也是支持 if (条件) 的喔! 举例来说,上面的命令可以修订成为这样:

              [peter@study ~]$ cat pay.txt | \
              > awk '{if(NR==1) printf "%10s %10s %10s %10s %10s\n",$1,$2,$3,$4,"Total"}
              > NR>=2{total = $2 + $3 + $4
              > printf "%10s %10d %10d %10d %10.2f\n", $1, $2, $3, $4, total}'
            

你可以仔细的比对一下上面两个输入有啥不同~从中去了解两种语法吧!我个人是比较倾向于使用第 一种语法, 因为会比较有统一性啊! ^_^
除此之外, awk 还可以帮我们进行循环计算喔!真是相当的好用!不过,那属于比较进阶的单独课 程了, 我们这里就不再多加介绍。如果你有兴趣的话,请务必参考延伸阅读中的相关连结喔 (注 4)。

相关阅读：
本文由initroot编辑整理，转载请注明www.initroot.com