一、awk命令简介

awk被称为文本处理三剑客之一，其名称得自于它的创始人 Alfred Aho 、Peter Weinberger 和 Brian Kernighan 姓氏的首个字母。实际上 AWK 的确拥有自己的语言： AWK 程序设计语言 ， 三位创建者已将它正式定义为“样式扫描和处理语言”。它允许您创建简短的程序，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，还有无数其他的功能。
所以说awk是一个强大的文本分析工具，相对于grep的查找，sed的编辑，awk在其对数据分析并生成报告时，显得尤为强大。简单来说awk就是把文件逐行的读入，以空格为默认分隔符将每行切片，切开的部分再进行各种分析处理。

二、awk命令格式及选项

语法形式
awk [options] ‘script‘ var=value file(s)
awk [options] -f scriptfile var=value file(s)
常用命令选项
-F fs fs指定输入分隔符，fs可以是字符串或正则表达式，如-F:
-v var=value 赋值一个用户定义变量，将外部变量传递给awk
-f scripfile 从脚本文件中读取awk命令
-m[fr] val 对val值设置内在限制，-mf选项限制分配给val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。

三、awk的原理

awk ‘BEGIN{ commands } pattern{ commands } END{ commands }‘

第一步：执行BEGIN{ commands }语句块中的语句；
第二步：从文件或标准输入(stdin)读取一行，然后执行pattern{ commands }语句块，它逐行扫描文件，从第一行到最后一行重复这个过程，直到文件全部被读取完毕。
第三步：当读至输入流末尾时，执行END{ commands }语句块。

BEGIN语句块在awk开始从输入流中读取行之前被执行，这是一个可选的语句块，比如变量初始化、打印输出表格的表头等语句通常可以写在BEGIN语句块中。

END语句块在awk从输入流中读取完所有的行之后即被执行，比如打印所有行的分析结果这类信息汇总都是在END语句块中完成，它也是一个可选语句块。

pattern语句块中的通用命令是最重要的部分，它也是可选的。如果没有提供pattern语句块，则默认执行{ print }，即打印每一个读取到的行，awk读取的每一行都会执行该语句块。

四、awk 基本用法

awk的调用有三种方式
1.命令行方式
awk [-F field-separator] ‘commands‘ input-file(s)
其中，commands 是真正awk命令，[-F域分隔符]是可选的。 input-file(s) 是待处理的文件。
在awk中，文件的每一行中，由域分隔符分开的每一项称为一个域。通常，在不指名-F域分隔符的情况下，默认的域分隔符是空格。

2.shell脚本方式
awk ‘BEGIN{ print "start" } pattern{ commands } END{ print "end" }‘ file
一个awk脚本通常由：BEGIN语句块、能够使用模式匹配的通用语句块、END语句块3部分组成，这三个部分是可选的。任意一个部分都可以不出现在脚本中，脚本通常是被单引号或双引号中，例如：

awk ‘BEGIN{ i=0 } { i++ } END{ print i }‘ filename
awk "BEGIN{ i=0 } { i++ } END{ print i }" filename

3.将所有的awk命令插入一个单独文件，然后调用

awk -f awk-script-file input-file(s)
其中，-f选项加载awk-script-file中的awk脚本，input-file(s)跟上面的命令行方式是一样的。
我们通过几个简单的示例来进一步了解awk的用法

[root@localhost ~]# awk ‘{print $0}‘ /etc/passwd 
root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
adm:x:3:4:adm:/var/adm:/sbin/nologin
lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin
sync:x:5:0:sync:/sbin:/bin/sync
shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown
halt:x:7:0:halt:/sbin:/sbin/halt
.........................................................................
[root@localhost ~]# echo 123|awk ‘{print "hello,awk"}‘
hello,awk

[root@localhost ~]# awk ‘{print "hi"}‘ /etc/passwd
hi
hi
hi
hi
hi
hi
hi
hi
hi
.........................................................................

我们指定/etc/passwd作为输出文件，执行awk时，它就会依次对/etc/passwd中的每一行执行print命令。

awk工作流程是这样的：读入有‘\n‘换行符分割的一条记录，然后将记录按指定的域分隔符划分域，填充域，$0则表示所有域,$1表示第一个域,$n表示第n个域。默认域分隔符是"空白键" 或 "[tab]键",所以$1表示登录用户，$3表示登录用户ip,以此类推。如

打印/etc/passwd下所有的用户名
[root@localhost ~]# awk -F: ‘{print $1}‘ /etc/passwd
root
bin
daemon
adm
........................................................................
打印/etc/passwd下所有的用户名及UID
[root@localhost ~]# awk -F: ‘{print $1,$3}‘ /etc/passwd
root 0
bin 1
daemon 2
........................................................................
以username: XXX  uid: XXX格式输出

[root@localhost ~]# awk -F: ‘{print "username: " $1 "\t\tuid: "$3}‘ /etc/passwd
username: root      uid: 0
username: bin       uid: 1
username: daemon        uid: 2
........................................................................

五、awk内置变量

示例

[root@localhost ~]# echo -e "line1 f2 f3\nline2 f4 f5\nline3 f6 f7" | awk ‘{print "Line No:"NR", No of fields:"NF, "$0="$0, "$1="$1, "$2="$2, "$3="$3}‘
Line No:1, No of fields:3 $0=line1 f2 f3 $1=line1 $2=f2 $3=f3
Line No:2, No of fields:3 $0=line2 f4 f5 $1=line2 $2=f4 $3=f5
Line No:3, No of fields:3 $0=line3 f6 f7 $1=line3 $2=f6 $3=f7

使用print $NF可以打印出一行中的最后一个字段，使用$(NF-1)则是打印倒数第二个字段，其他以此类推：

[root@localhost ~]# echo -e "line1 f2 f3\n line2 f4 f5" | awk ‘{print $NF}‘
f3
f5
[root@localhost ~]# echo -e "line1 f2 f3\n line2 f4 f5" | awk ‘{print $(NF-1)}‘
f2
f4

统计/etc/passwd:文件名，每行的行号，每行的列数，对应的完整行内容:

[root@localhost ~]# awk  -F ‘:‘  ‘{print "filename:" FILENAME ",linenumber:" NR ",columns:" NF ",linecontent:"$0}‘ /etc/passwd
filename:/etc/passwd,linenumber:1,columns:7,linecontent:root:x:0:0:root:/root:/bin/bash
filename:/etc/passwd,linenumber:2,columns:7,linecontent:bin:x:1:1:bin:/bin:/sbin/nologin
filename:/etc/passwd,linenumber:3,columns:7,linecontent:daemon:x:2:2:daemon:/sbin:/sbin/nologin

统计/etc/passwd文件中的命令行参数ARGC，文件行号FNR，字段分隔符FS，一条记录的字段数目NF，已经读出的记录数（默认是行号）NR

[root@localhost ~]# awk -F: ‘BEGIN{printf "%4s %4s %4s %4s %4s %4s\n","FILENAME","ARGC","FNR","FS","NF","NR";printf "---------------------------------------------\n"} {printf "%4s %4s %4s %4s %4s %4s\n",FILENAME,ARGC,FNR,FS,NF,NR}‘  /etc/passwd
FILENAME ARGC  FNR   FS   NF   NR
---------------------------------------------
/etc/passwd    2    1    :    7    1
/etc/passwd    2    2    :    7    2
/etc/passwd    2    3    :    7    3

六、awk高级用法

1.awk赋值运算
赋值语句运算符：= += -= *= /= %= ^= **=

例如：a+=5;等价于a=a+5

[root@localhost ~]# awk ‘BEGIN{a=5;a+=5;print a}‘
10

2.awk正则运算
输出包含有root的行，并打印用户名和UID及原行内容

[root@localhost ~]# awk -F: ‘/root/ {print $1,$3,$0}‘ /etc/passwd
root 0 root:x:0:0:root:/root:/bin/bash
operator 11 operator:x:11:0:operator:/root:/sbin/nologin

我们发现找到了两行，如果我们想找root开头的行就要这样写：awk -F: ‘/^root/‘ /etc/passwd

3.awk三目运算

[root@localhost ~]# awk ‘BEGIN{a="b";print a=="b"?"ok":"err"}‘
ok
[root@localhost ~]# awk ‘BEGIN{a="b";print a=="c"?"ok":"err"}‘
err

三目运算其实就是一个判断运算，如果为真则输出？后的内容，如果为假则输出：后的内容
4.awk的循环运用
if语句运用
[root@localhost ~]# awk ‘BEGIN{ test=100;if(test>90){ print "vear good";} else{print "no pass";}}‘
vear good
每条命令后用；结尾
while循环运用
计算从1累加到100的值

[root@localhost ~]# awk ‘BEGIN{test=100;num=0;while(i<=test){num+=i; i++;}print num;}‘
5050

for循环的运用
[root@localhost ~]# awk ‘BEGIN{test=0;for(i=0;i<=100;i++){test+=i;}print test;}‘
5050
do循环的运用
[root@localhost ~]# awk ‘BEGIN{test=0;i=0;do{test+=i;i++}while(i<=100)print test;}‘
5050

5.awk的数组运用
数组是awk的灵魂，处理文本中最不能少的就是它的数组处理。因为数组索引（下标）可以是数字和字符串在awk中数组叫做关联数组(associative arrays)。awk 中的数组不必提前声明，也不必声明大小。数组元素用0或空字符串来初始化，这根据上下文而定。一般而言，awk中的数组用来从记录中收集信息，可以用于计算总和、统计单词以及跟踪模板被匹配的次数等等。
显示/etc/passwd的账户

awk -F: ‘BEGIN {count=0;} {name[count] = $1;count++;}; END{for (i = 0; i < NR; i++) print i, name[i]}‘ /etc/passwd
0 root
1 bin
2 daemon
3 adm
4 lp
5 sync
........................................................................

6.awk字符串函数的运用
函数名 描述
sub 匹配记录中最大、最靠左边的子字符串的正则表达式，并用替换字符串替换这些字符串。如果没有指定目标字符串就默认使用整个记录。替换只发生在第一次匹配的 时候
sub (regular expression, substitution string):
sub (regular expression, substitution string, target string)

实例：

         awk ‘{ sub(/test/, "mytest"); print }‘ testfile
         awk ‘{ sub(/test/, "mytest"); $1}; print }‘ testfile

第一个例子在整个记录中匹配，替换只发生在第一次匹配发生的时候。如要在整个文件中进行匹配需要用到gsub

第二个例子在整个记录的第一个域中进行匹配，替换只发生在第一次匹配发生的时候。
gsub 整个文档中进行匹配
gsub (regular expression, substitution string)
gsub (regular expression, substitution string, target string)

实例：

         awk ‘{ gsub(/test/, "mytest"); print }‘ testfile
         awk ‘{ gsub(/test/, "mytest" , $1) }; print }‘ testfile

第一个例子在整个文档中匹配test，匹配的都被替换成mytest。

第二个例子在整个文档的第一个域中匹配，所有匹配的都被替换成mytest。
index 返回子字符串第一次被匹配的位置，偏移量从位置1开始
index(string, substring)

实例：

         awk ‘{ print index("test", "mytest") }‘ testfile

实例返回test在mytest的位置，结果应该是3。
substr 返回从位置1开始的子字符串，如果指定长度超过实际长度，就返回整个字符串
substr( string, starting position )
substr( string, starting position, length of string )

实例：

         awk ‘{ print substr( "hello world", 7,11 ) }‘ 

上例截取了world子字符串。
split 可按给定的分隔符把字符串分割为一个数组。如果分隔符没提供，则按当前FS值进行分割
split( string, array, field separator )
split( string, array )

实例：

         awk ‘{ split( "20:18:00", time, ":" ); print time[2] }‘

上例把时间按冒号分割到time数组内，并显示第二个数组元素18。
length 返回记录的字符数
length( string )
length

实例：

         awk ‘{ print length( "test" ) }‘ 
         awk ‘{ print length }‘ testfile

第一个实例返回test字符串的长度。

第二个实例返回testfile文件中第条记录的字符数。
match 返回在字符串中正则表达式位置的索引，如果找不到指定的正则表达式则返回0。match函数会设置内建变量RSTART为字符串中子字符串的开始位 置，RLENGTH为到子字符串末尾的字符个数。substr可利于这些变量来截取字符串
match( string, regular expression )

实例：

         awk ‘{start=match("this is a test",/[a-z]+$/); print start}‘
         awk ‘{start=match("this is a test",/[a-z]+$/); print start, RSTART, RLENGTH }‘

第一个实例打印以连续小写字符结尾的开始位置，这里是11。

第二个实例还打印RSTART和RLENGTH变量，这里是11(start)，11(RSTART)，4(RLENGTH)。
toupper和tolower 可用于字符串大小间的转换，该功能只在gawk中有效
toupper( string )
tolower( string )

实例：

         awk ‘{ print toupper("test"), tolower("TEST") }‘

原文：http://blog.51cto.com/13438667/2096206