Linux 三劍客之 awk 實戰詳解教程

肖邦linux發表於2021-03-15

我們知道 Linux 三劍客,它們分別是:grepsedawk。在前邊已經講過 grepsed,沒看過的同學可以直接點選閱讀,今天要分享的是更為強大的 awk

sed 可以實現非互動式的字串替換,grep 能夠實現有效的過濾功能。與兩者相比,awk 是一款強大的文字分析工具,在對資料分析並生成報告時,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 也是一種程式語言,免得會嚇到你。我們只需把它當做 Linux 下一款強大的文字分析工具即可。

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,這些東西足夠應付工作中大多數應用場景。

場景

學習具體使用前,先來看下 awk 能幹些什麼事情:

1. 能夠將給定的文字內容,按照我們期望的格式輸出顯示,列印成報表。

2. 分析處理系統日誌,快速地分析挖掘我們關心的資料,並生成統計資訊;

3. 方便地用來統計資料,比如網站的訪問量,訪問的 IP 量等;

4. 通過各種工具的組合,快速地彙總分析系統的執行資訊,讓你對系統的執行了如指掌;

5. 強大的指令碼語言表達能力,支援迴圈、條件、陣列等語法,助你分析更加複雜的資料;

……

當然 awk 不僅能做這些事情,當你將它的用法融匯貫通時,可以隨心所欲的按照你的意願,來進行高效的資料分析和統計。

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字,比如 日誌csv 格式資料等;

原理

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

awk 基本命令格式

結合下圖來詳細說明 awk 工作原理

  • 首先,執行關鍵字 BEGIN 標識的 {} 中的命令;
  • 完成 BEGIN 大括號中命令的後,開始執行 body 命令;
  • 逐行讀取資料,預設讀到 \n 分割的內容為一條 記錄,其實就是的概念;
  • 記錄按照指定的分隔符劃分為 欄位,其實就是的概念;
  • 迴圈執行 body 塊中的命令,每讀取一行,執行一次 body,最終完成 body 執行;
  • 最後,執行 END 命令,通常會在 END 中輸出最後的結果;

awk 是輸入驅動的,有多少輸入行,就會執行多少次 body 命令。

我們在下邊的示例學習中,要時刻記著:記錄 (Record) 就是欄位 (Field) 就是BEGIN 是預處理階段,body 是 awk 真正工作的階段,END 是最後處理階段。

實戰 - 入門

從下邊內容開始,我們直接進入到實戰。為了方便舉例,我先把如下資訊儲存到 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:

大括號裡邊的就是 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 表示字串佔位符,-4表示列寬度為 4,且左對齊,我們還可以根據需要,列出更復雜的格式來,這裡先不詳細舉例了。

實戰 - 進階

(一)過濾記錄

有些資料可能不是你想要的,可以根據需要進行過濾

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 支援各種比較運算子號 !=><>=<=,其中 $0 表示整行的所有內容。

(二)內建變數

awk 內建了一些變數,更方便我們對資料的處理

過濾第 3 列為 root 使用者,以及第 2 行內容,且列印時輸出行號。NR 表示當前第幾行,NF表示當前行有幾列。

(三)指定分隔符

我們的資料,不總是以空格為分隔符,我們可以通過 FS 變數指定分隔符。

我們指定分隔符為 2019,這樣就將行內容分割為了兩部分,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,一定能夠理解並融會貫通的。

同樣,awk 可以指定輸出時的分隔符,通過 OFS 變數來設定

輸出時,各欄位用 OFS 指定的符號進行了分隔。

實戰 - 高階

(一)條件匹配

列出 root 使用者的所有檔案,以及第一行檔案

上邊匹配第三列中包含 root 的行,~ 其實就是正規表示式的匹配。

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/ 匹配多個關鍵詞。

模式取反可以使用 ! 符號

(二)拆分檔案

我們來做一件有意思的事情,可以將文字資訊拆分為多個檔案,下邊命令按照月份(第5列)將檔案資訊拆分為多個檔案

awk 支援重定向符號 >,直接將每行內容重定向到月份命名的檔案了,當然你也可以把指定的列輸出到檔案

(三)if 語句

複雜的條件判斷,可以使用 awk 的 if 語句,awk 的強大正因為它是個指令碼直譯器,擁有一般指令碼語言的程式設計能力,下邊示例通過稍微複雜的條件進行拆分檔案

要注意,if 語句是在大括號裡邊的。

(四)統計

統計當前目錄下,所有 *.c*.h 檔案所佔用空間大小總和

第 5 列表示檔案大小,每讀取一行就會將該檔案大小計算到 sum 變數中,在最後 END 階段列印出 sum,也就是所有檔案的大小總和。

再來看一個例子,統計每個使用者的程式佔用了多少記憶體,注意取值的是 RSS 那一列

這裡用到了 陣列for 迴圈,值得一提的是,awk 的陣列可以理解為字典或 Map,key 可以是數值和字串,這種資料型別在平時很常用。

(五)字串

通過下邊簡單示例,展示 awk 對字串操作的支援

awk 內建支援一系列的字串函式,length 計算字串長度,toupper 函式轉換字串為大寫。

實戰 - 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,假設有一個學生成績單:

由於此示例程式稍顯複雜,在命令列上不易讀,另外呢,也想通過此案例介紹另外一種 awk 的執行方式,我們的 awk 指令碼如下:

執行 awk 結果如下

我們可以將複雜的 awk 語句寫入指令碼檔案 cal.awk,然後通過 -f 選項指定從指令碼檔案執行。

  • BEGIN 階段,我們初始化了相關變數,並列印了表頭的格式
  • body 階段,我們讀取每一行資料,計算該學科和該同學的總成績
  • END 階段,我們先列印了表尾的格式,並列印總成績,以及計算了平均值

這個簡單示例,完整的體現了 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。

總結歸納

通過上述的示例,我們學習到了 awk 的工作原理,下邊我們來總結下幾個概念和常用的知識點。

(一)內建變數

1. 每一行內容記錄,叫做記錄,英文名稱 Record

2. 每行中通過分隔符隔開的每一列,叫做欄位,英文名稱 Field

明確這幾個概念後,我們來總結幾個重要的內建變數:

  • NR:表示當前的行數;
  • NF:表示當前的列數;
  • RS:行分隔符,預設是換行;
  • FS:列分隔符,預設是空格和製表符;
  • OFS:輸出列分隔符,用於列印時分割欄位,預設為空格
  • ORS:輸出行分隔符,用於列印時分割記錄,預設為換行符

(二)輸出格式

awk 提供 printf 函式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 十進位制有符號整數
  • %u 十進位制無符號整數
  • %f 浮點數
  • %s 字串
  • %c 單個字元
  • %e 指數形式的浮點數
  • %x %X 無符號以十六進位制表示的整數
  • %0 無符號以八進位制表示的整數
  • %g 自動選擇合適的表示法
  • \n 換行符
  • \t Tab符

(三)程式設計語句

awk 不僅是一個 Linux 命令列工具,它其實是一門指令碼語言,支援程式設計語言所有的控制結構,它支援:

  • 條件語句
  • 迴圈語句
  • 陣列
  • 函式

(四)常用函式

awk 內建了大量的有用函式功能,也支援自定義函式,允許你編寫自己的函式來擴充套件內建函式。

這裡只簡單羅列一些比較常用的字串函式:

  • index(s, t) 返回子串 t 在 s 中的位置
  • length(s) 返回字串 s 的長度
  • split(s, a, sep) 分割字串,並將分割後的各欄位存放在陣列 a 中
  • substr(s, p, n) 根據引數,返回子串
  • tolower(s) 將字串轉換為小寫
  • toupper(s) 將字串轉換為大寫

這裡只簡單總結一些常用的字串功能函式,具體使用方法,還需要你參照前邊的示例程式,舉一反三,運用到實際問題中。

本次分享就到這裡了,謝謝大家的閱讀,我是肖邦。關注我的公眾號「程式設計修養」,大量的乾貨文章等你來!

公眾號後臺回覆「1024」有驚喜!

推薦閱讀

相關文章