awk 命令学习
一、awk 介绍
awk是行处理器: 相比较屏幕处理的优点,在处理庞大文件时不会出现内存溢出或是处理缓慢的问题,通常用来格式化文本信息
awk处理过程: 依次对每一行进行处理,然后输出。
awk命令形式:
awk [-F|-f|-v] ‘BEGIN{} //{command1; command2} END{}’ file
参数解释:
[-F|-f|-v] 大参数,-F指定分隔符,-f调用脚本,-v定义变量 var=value
' ' 引用代码块
BEGIN 初始化代码块,在对每一行进行处理之前,初始化代码,主要是引用全局变量,设置FS分隔符
// 匹配代码块,可以是字符串或正则表达式
{} 命令代码块,包含一条或多条命令
; 多条命令使用分号分隔
END 结尾代码块,在对每一行进行处理之后再执行的代码块,主要是进行最终计算或输出结尾摘要信息
二、命令
(以后都走Code first路线)
2.1 print
print 是awk打印指定内容的主要命令
awk '{print}' /etc/passwd == awk '{print $0}' /etc/passwd
awk '{print " "}' /etc/passwd //不输出passwd的内容,而是输出相同个数的空行,进一步解释了awk是一行一行处理文本
awk '{print "a"}' /etc/passwd //输出相同个数的a行,一行只有一个a字母
awk -F":" '{print $1}' /etc/passwd
awk -F: '{print $1; print $2}' /etc/passwd //将每一行的前二个字段,分行输出
awk -F: '{print $1,$3,$6}' OFS="\t" /etc/passwd //输出字段1,3,6,以制表符作为分隔符
awk -F":" '{print $1 $3}' /etc/passwd //$1与$3相连输出,不分隔
awk -F":" '{print "Username:" $1 "\t\t Uid:" $3 }' /etc/passwd //自定义输出
2.2 -f指定脚本文件
对file文件执行script.awk里的命令
awk -f script.awk file
BEGIN {
FS=":"
}
{print $1} //效果与awk -F":" '{print $1}'相同,只是分隔符使用FS在代码自身中指定
2.3 NF 字段数量变量
awk -F: '{print NF}' /etc/passwd //显示每行有多少字段
awk -F: 'NF==4 {print }' /etc/passwd //显示只有4个字段的行
awk -F: 'NF>2{print $0}' /etc/passwd //显示每行字段数量大于2的行
awk '{print NR,$0}' /etc/passwd //输出每行的行号
awk -F: 'NR==5{print}' /etc/passwd //显示第5行
awk -F: '{print NR,NF,$NF,"\t",$0}' /etc/passwd //依次打印行号,字段数,最后字段值,制表符,每行内容
2.4 //匹配代码块
说明://纯字符匹配 !//纯字符不匹配 ~//字段值匹配 !~//字段值不匹配 ~/a1|a2/字段值匹配a1或a2
awk '/mysql/' /etc/passwd //匹配到就打印行
awk '/mysql/{print }' /etc/passwd //同上
awk '!/mysql/{print $0}' /etc/passwd //输出不匹配mysql的行
awk '/mysql|mail/{print}' /etc/passwd
awk '!/mysql|mail/{print}' /etc/passwd
awk -F: '/mail/,/mysql/{print}' /etc/passwd //区间匹配
awk '/[2][7][7]*/{print $0}' /etc/passwd //匹配包含27为数字开头的行,如27,277,2777...
2.5 IF语句
必须用在{}中,且比较内容用()扩起来
awk -F: '{if($1~/mail/) print $1}' /etc/passwd //简写
awk -F: '{if($1~/mail/) {print $1} else {print $2}}' /etc/passwd //if...else...
2.6 格式化输出
打印每行前三个字段,指定第一个字段输出字符串类型(长度为8),第二个字段输出字符串类型(长度为8),第三个字段输出字符串类型(长度为10)
netstat -anp|awk '{printf "%-8s %-8s %-10s\n",$1,$2,$3}'
printf表示格式输出
%格式化输出分隔符
-8长度为8个字符
s表示字符串类型
2.7 while语句
awk -F: 'BEGIN{i=1} {while(i<NF) print NF,$i,i++}' /etc/passwd
# 输出:
7 root 1
7 x 2
7 0 3
7 0 4
7 root 5
7 /root 6
2.8 计算目录下,普通文件的大小,使用KB作为单位
ls -l|awk 'BEGIN{sum=0} !/^d/{sum+=$5} END{print "total size is:",sum/1024,"KB"}'
ls -l|awk 'BEGIN{sum=0} !/^d/{sum+=$5} END{print "total size is:",int(sum/1024),"KB"}'
//int是取整的意思
三、特殊要点:
$0 表示整个当前行
$1 每行第一个字段
NF 字段数量变量
NR 每行的记录号,多文件记录递增
FNR 与NR类似,不过多文件记录不递增,每个文件都从1开始
\t 制表符
\n 换行符
FS BEGIN时定义分隔符
RS 输入的记录分隔符, 默认为换行符(即文本是按一行一行输入)
~ 匹配,与==相比不是精确比较
!~ 不匹配,不精确比较
== 等于,必须全部相等,精确比较
!= 不等于,精确比较
&& 逻辑与
|| 逻辑或
+ 匹配时表示1个或1个以上
/[0-9][0-9]+/ 两个或两个以上数字
/[0-9][0-9]*/ 一个或一个以上数字
FILENAME 文件名
OFS 输出字段分隔符, 默认也是空格,可以改为制表符等
ORS 输出的记录分隔符,默认为换行符,即处理结果也是一行一行输出到屏幕
-F'[:#/]' 定义三个分隔符
四、常用命令
-
输出长度大于n的行:
awk 'length($0) >=2' file.txt
-
倒序输出两个fields (默认是按空格来分割,如果有一行有超过2个fields,其他字段不会输出)
awk '{print $2, $1}' file.txt ## 将分隔符换成逗号,加上 -F ',' awk -F ',' '{print $2, $1}' file.txt
-
输出两个标识符中间的内容
awk /1/,/10/ file.txt ## 输出由1和10组成的首位对包含的所有行。
-
输出每行的第一个field与前面所有行的第一个字段的累加值,以及平均值
awk '{s += $1; print s, s/NR}' file.txt
-
统计不重复的列数(先分割出列,然后uniq -c) 数据:
CLICK: 2019-01-15 17:46:05.212172 10643 click_logging_module.cpp:17] sid=9536E7506801105AC0A853250400E883 sellerid=0 buyerid=-1 impid=6f18d11a-96e9-4ad6-bf66-b36cf1ec0351_0 slotid=4 crid= fu=9536E7506801105AC0A853250400E883 rank=0 buyer_bidtype=-1 buyer_price=0 strategy_id=4 CLICK: 2019-01-15 17:51:39.474515 10640 click_logging_module.cpp:17] sid=D46BEC506801105AC0A85325030029F7 sellerid=0 buyerid=-1 impid=6f18d11a-96e9-4ad6-bf66-b36cf1ec0351_0 slotid=4 crid= fu=D46BEC506801105AC0A85325030029F7 rank=0 buyer_bidtype=-1 buyer_price=0 strategy_id=4 CLICK: 2019-01-15 17:51:40.493439 10643 click_logging_module.cpp:17] sid=D46BEC506801105AC0A85325030029F7 sellerid=0 buyerid=-1 impid=6f18d11a-96e9-4ad6-bf66-b36cf1ec0351_0 slotid=4 crid= fu=D46BEC506801105AC0A85325030029F7 rank=0 buyer_bidtype=-1 buyer_price=0 strategy_id=4 CLICK: 2019-01-15 17:51:42.583721 10643 click_logging_module.cpp:17] sid=D46BEC506801105AC0A85325030029F7 sellerid=0 buyerid=-1 impid=6f18d11a-96e9-4ad6-bf66-b36cf1ec0351_0 slotid=4 crid= fu=D46BEC506801105AC0A85325030029F7 rank=0 buyer_bidtype=-1 buyer_price=0 strategy_id=4
命令:
awk -F= '{print $2}' seller.log.click.20190115174500 |sort| uniq -c # awk -F= '{print $2}' seller.log.click.2019011513-* |uniq -u | wc 输出: 1 9536E7506801105AC0A853250400E883 sellerid 3 D46BEC506801105AC0A85325030029F7 sellerid
或按第一列排序:
awk -F= '{print $2}' seller.log.click.2019011513-* |sort| uniq -c | sort -t " " -k 1n
sort 参数:
-t 指定文本分隔符
-k 指定排序列
-n 按数字进行排序
-r 翻转排序结果