Linux awk的运用

awk: 报告生成器
   AWK a.k.a. Aho, Kernighan and Weinberger
   new awk: nawk
   gawk, awk


   # awk [options] 'script' file1 file2, ...
   # awk [options] 'PATTERN { action }' file1 file2, ...
   print, printf


awk的输出：
   一、print
       print的使用格式：
       print item1, item2, ...

   要点：
   1、各项目之间使用逗号隔开，而输出时则以空白字符分隔；
   2、输出的item可以为字符串或数值、当前记录的字段(如$1)、变量或awk的表达式；数值会先转 换为字符串，而后再输出；
   3、print命令后面的item可以省略，此时其功能相当于print $0, 因此，如果想输出空白行，则需要使用print ""；


   例子：
        awk 'BEGIN { print "line one\nline two\nline three" }'
        awk -F: '{ print $1, $3 }' /etc/passwd




   二、awk变量

   awk内置变量之记录变量：
       FS: field separator，读取文件本时，所使用字段分隔符；
       RS: Record separator，输入文本信息所使用的换行符；
       OFS: Output Filed Separator: 输出字段分隔符
       ORS：Output Row Separator：输出行分隔符


   awk -F:输入分隔符
       OFS="#"：输出分隔符
       FS=":"：以“：”为分隔符


   awk内置变量之数据变量：
       NR: The number of input records，awk命令所处理的记录数；如果有多个文件，这个数目会把处理的多个文件中行统一计数；
       NF：Number of Field，当前记录的field个数；
       FNR: 与NR不同的是，FNR用于记录正处理的行是当前这一文件中被总共处理的行数；
       ARGV: 数组，保存命令行本身这个字符串，如awk '{print $0}' a.txt b.txt这个命令中，ARGV[0]保存awk，ARGV[1]保存a.txt；
       ARGC: awk命令的参数的个数；
       FILENAME: awk命令所处理的文件的名称；
       ENVIRON：当前shell环境变量及其值的关联数组；


   例如：awk 'BEGIN{print ENVIRON["PATH"]}'


   用户自定义变量


gawk允许用户自定义自己的变量以便在程序代码中使用，变量名命名规则与大多数编程语言相同，只能使用字母、数字和下划线，且不能以数字开头。gawk变量名称区分字符大小写。


   在脚本中赋值变量


       在gawk中给变量赋值使用赋值语句进行，
           awk 'BEGIN{var="variable testing";print var}'


   在命令行中使用赋值变量
       gawk命令也可以在“脚本”外为变量赋值，并在脚本中进行引用。
           awk -v var="variable testing" 'BEGIN{print var}'


三、printf
   printf命令的使用格式：
   printf format, item1, item2, ...


format格式的指示符都以%开头，后跟一个字符；
   %c: 显示字符的ASCII码；
   %d, %i：十进制整数；
   %e, %E：科学计数法显示数值；
   %f: 显示浮点数；
   %g, %G: 以科学计数法的格式或浮点数的格式显示数值；
   %s: 显示字符串；
   %u: 无符号整数；
   %%: 显示%自身；


修饰符：
   N: 显示宽度；
   -: 左对齐；
   +：显示数值符号；


四、输出重定向

1. print items > output-file
   

2.    print items >> output-file
   

3.    print items | command

特殊文件描述符：
   /dev/stdin：标准输入
   /dev/sdtout: 标准输出
   /dev/stderr: 错误输出
   /dev/fd/N: 某特定文件描述符，如/dev/stdin就相当于/dev/fd/0；


六、awk的操作符：


算术操作符：

1. -x: 负值
   

2.    +x: 转换为数值；
   

3.    x^y: 
   

4.    x**y: 次方
   

5.    x*y: 乘法
   

6.    x/y：除法
   

7.    x+y:
   

8.    x-y:
   

9.    x%y:

字符串操作符：
   只有一个，而且不用写出来，用于实现字符串连接；


赋值操作符：
   =
   +=
   -=
   *=
   /=
   %=
   ^=
   **=
   ++
   --


需要注意的是，如果某模式为=号，此时使用/=/可能会有语法错误，应以/[=]/替代；


布尔值
awk中，任何非0值或非空字符串都为真，反之就为假；


比较操作符：
   x < yTrue if x is less than y. 
   x <= yTrue if x is less than or equal to y. 
   x > yTrue if x is greater than y. 
   x >= yTrue if x is greater than or equal to y. 
   x == yTrue if x is equal to y. 
   x != yTrue if x is not equal to y. 
   x ~ yTrue if the string x matches the regexp denoted by y. 
   x !~ yTrue if the string x does not match the regexp denoted by y.                        subscript in array  True if the array array has an element with the subscript subscript.


表达式间的逻辑关系符：
   &&
   ||


条件表达式：
   selector?if-true-exp:if-false-exp
   if selector; then
     if-true-exp
   else
     if-false-exp
   fi


   a=3
   b=4
   a>b?a is max:b ia max


函数调用：
   function_name (para1,para2)


七 awk的模式：
   awk 'program' input-file1 input-file2 ...
   其中的program为:
   pattern { action }
   pattern { action }
   ...


常见的模式类型：
   1、Regexp: 正则表达式，格式为/regular expression/
   2、expresssion： 表达式，其值非0或为非空字符时满足条件，如：$1 ~ /  foo/ 或 $1 == "magedu"，用运算符~(匹配)和!~(不匹配)。
   3、Ranges： 指定的匹配范围，格式为pat1,pat2
   4、BEGIN/END：特殊模式，仅在awk命令执行前运行一次或结束前运行一次
   5、Empty(空模式)：匹配任意输入行；


常见的Action
   1、Expressions:
   2、Control statements
   3、Compound statements
   4、Input statements
   5、Output statements


正则表达式：使用通配符的扩展集。
关系表达式：可以用下面运算符表中的关系运算符进行操作，可以是字符串或数字的比较，如$2>%1选择第二个字段比第一个字段长的行。


模式匹配表达式：


   模式：指定一个行的范围。该语法不能包括BEGIN和END模式。
   BEGIN：让用户指定在第一条输入记录被处理之前所发生的动作，通常可在这里设置全局变量。
   END：让用户在最后一条输入记录被读取之后发生的动作。


八 控制语句：
   if-else
   语法：if (condition) {then-body} else {[ else-body ]}
   例子：
   awk -F: '{if ($1=="root") print $1, "Admin"; else print $1, "Common User"}' /etc/passwd
   awk -F: '{if ($1=="root") printf "%-15s: %s\n", $1,"Admin"; else printf "%-15s: %s\n", $1, "Common User"}' /etc/passwd
   awk -F: -v sum=0 '{if ($3>=500) sum++}END{print sum}' /etc/passwd


   while
   语法： while (condition){statement1; statment2; ...}
   awk -F: '{i=1;while (i<=3) {print $i;i++}}' /etc/passwd
   awk -F: '{i=1;while (i<=NF) { if (length($i)>=4) {print $i}; i++ }}' /etc/passwd


   do-while
   语法： do {statement1, statement2, ...} while (condition)
   awk -F: '{i=1;do {print $i;i++}while(i<=3)}' /etc/passwd
   for
   语法： for ( variable assignment; condition; iteration process) { statement1, statement2, ...}
   awk -F: '{for(i=1;i<=3;i++) print $i}' /etc/passwd
   awk -F: '{for(i=1;i<=NF;i++) { if (length($i)>=4) {print $i}}}' /etc/passwd


   for循环还可以用来遍历数组元素：
   语法： for (i in array) {statement1, statement2, ...}
   awk -F: '$NF!~/^$/{BASH[$NF]++}END{for(A in BASH){printf "%15s:%i\n",A,BASH[A]}}' /etc/passwd
   case
   语法：switch (expression) { case VALUE or /            REGEXP/: statement1, statement2,... default: statement1, ...}


   break 和 continue
   常用于循环或case语句中


   next
提前结束对本行文本的处理，并接着处理下一行；
   # awk -F: '{if($3%2==0) next;print $1,$3}' /etc/passwd




九 awk中使用数组
   数组
   array[index-expression]
   index-expression可以使用任意字符串；需要注意的是，如果某数据组元素事先不存在，那么在引用其时，awk会自动创建此元素并初始化为空串；因此，要判断某数据组中是否存在某元素，需要使用index in array的方式。


   要遍历数组中的每一个元素，需要使用如下的特殊结构：
   for (var in array) { statement1, ... }
   其中，var用于引用数组下标，而不是元素值；


   例子：
       netstat -ant | awk '/^tcp/ {++S[$NF]} END {for(a in S) print a, S[a]}'
   每出现一被/^tcp/模式匹配到的行，数组S[$NF]就加1，NF为当前匹配到的行的最后一个字段，此处用其值做为数组S的元素索引；


       awk '{counts[$1]++}; END {for(url in counts) print counts[url], url}' /var/log/httpd/access_log
   用法与上一个例子相同，用于统计某日志文件中IP地的访问量


   删除数组变量
   从关系数组中删除数组索引需要使用delete命令。使用格式为：
       delete  array[index]


十、awk的内置函数
   split(string, array [, fieldsep [, seps ] ])
   功能：将string表示的字符串以fieldsep为分隔符进行分隔，并将分隔后的结果保存至array为名的数组中；数组下标为从0开始的序列；
   netstat -ant | awk '/:80\>/{split($5,clients,":");IP[clients[1]]++}END{for(i in IP){print IP,i}}' | sort -rn | head -50
   length([string])
   功能：返回string字符串中字符的个数；
   substr(string, start [, length])
   功能：取string字符串中的子串，从start开始，取length个；start从1开始计数；
   system(command)
   功能：执行系统command并将结果返回至awk命令
   systime()
   功能：取系统当前时间
   tolower(s)
   功能：将s中的所有字母转为小写
   toupper(s)
   功能：将s中的所有字母转为大写


十一、用户自定义函数
   自定义函数使用function关键字。格式如下：
   function F_NAME([variable])
   {
   statements
   }
函数还可以使用return语句返回值，格式为“return value”。