shell编程之awk命令详解

1. awk 教程

1.1 调用 awk

awk 是一种强大的文本处理工具，在 Linux 系统中广泛应用于日志分析、数据处理等场景。调用 awk 主要有以下三种方式：

1.1.1 命令行方式

基本语法为：

awk (-F filed-separator) 'commands' input-files

其中，-F用于指定分隔符，默认情况下，awk 以空格或制表符作为分隔符。commands是 awk 的命令，input-files则是要处理的文件。例如，我们有一个文件data.txt，内容如下：

apple 3 1.5
banana 5 2.0
cherry 2 1.8

如果我们想以空格为分隔符，打印每一行的第一个和第三个字段，可以使用以下命令：

awk '{print $1,$3}' data.txt

输出结果为：

apple 1.5
banana 2.0
cherry 1.8

如果文件中的字段是以冒号分隔，我们就需要使用-F选项指定分隔符。比如有一个users.txt文件，内容为：

user1:password1:1001
user2:password2:1002
user3:password3:1003

要打印每个用户的用户名（第一个字段）和用户 ID（第三个字段），命令如下：

awk -F: '{print $1,$3}' users.txt

输出：

user1 1001
user2 1002
user3 1003

注意：

 单引号双引号都行，但是要按照规范

场景	单引号（'）	双引号（"）
纯正则匹配	推荐使用，语法简洁，避免 Shell 干扰	也可使用，但需注意转义
包含 Shell 变量	无法直接使用，需额外处理	直接引用变量，Shell 先解析
正则包含特殊字符	自动防止 Shell 解析，直接使用	需用反斜杠转义（如\$、\+）
避免引号嵌套错误	适合正则中无单引号的场景	适合正则中包含单引号的场景

1.1.2 脚本文件可执行方式

将所有 awk 命令插入一个文件，并使该文件可执行。同时，在脚本文件的首行使用#!/usr/bin/awk -f，这样就可以通过直接键入脚本名称来调用它。
例如，创建一个名为process.awk的文件，内容如下：

#!/bin/awk -f
{print $2}

然后为该文件添加可执行权限：

chmod +x process.awk

假设有一个input.txt文件，内容为：

one two three
four five six
seven eight nine

执行process.awk脚本处理input.txt文件：

./process.awk input.txt

输出结果为：

two
five
eight

如果想要改变分隔符：

#!/bin/awk -f
# 设置字段分隔符为冒号
BEGIN { FS = ":" }   #FS 的英文全称是Field Separator
{ print $1, $3 }

1.1.3 调用外部脚本方式

将所有的 awk 命令插入一个单独文件，然后使用-f选项调用该脚本。语法为：

awk -f awk-script-file input-files

例如，有一个脚本文件calculate.awk，内容如下：

{
sum = $1 + $2
print sum
}

我们有一个数据文件numbers.txt，内容为：

3 5
2 7
4 6

执行命令：

awk -f calculate.awk numbers.txt

输出：

8
9
10

1.2 awk 脚本

1.2.1 模式和动作

任何 awk 语句都由模式和动作组成。模式部分决定动作语句何时触发及触发条件，而动作则是对数据进行的具体操作。如果省略模式部分，动作将对每一行输入数据都执行。
模式可以是条件语句、复合语句或正则表达式，其中有两个特殊字段BEGIN和END。BEGIN语句用于设置计数、打印表头之类的操作，它会在任何文本浏览动作之前执行。END语句则在 awk 完成对所有输入文本的浏览动作后执行，通常用于打印输出文本总数、结尾状态标志等。
动作通常放在大括号{}内。动作最常见的是打印操作，但也可以包含更长的代码，如if语句、循环语句及循环退出结构等。如果不指明动作，awk 将默认打印出所有输入记录。
例如，我们要处理一个成绩文件grades.txt，内容如下：

Alice 85 90 78
Bob 70 65 80
Charlie 95 88 92

我们想在处理文件前打印表头，处理文件时打印每个学生的姓名和平均成绩，处理完后打印一个结束信息。可以使用以下 awk 脚本：

awk

BEGIN {
print "Student\tAverage Grade"
print "----------------------"
}
{
avg = ($2 + $3 + $4) / 3
print $1 "\t" avg
}
END {
print "----------------------"
print "End of Grades Report"
}

执行该脚本：

awk -f script.awk grades.txtsource files / command-line arguments must contain complete functions or rules
出现这个错误可能是你的大括号未闭合

输出：

Student Average Grade
----------------------
Alice 84.3333
Bob 71.6667
Charlie 91.6667
----------------------
End of Grades Report

1.2.2 域和记录

awk 执行时，会将输入的每一行视为一条记录，并且将记录中的各个部分（以分隔符分隔）标记为$1、$2……$n，这种方式称为域标识。当需要指定多个域时，使用逗号,进行分隔，如$1,$3指定的是第一个域和第三个域。如果希望指定整行记录，则可以使用$0。
使用print命令执行打印操作，该命令需要用{}括起来。

1.2.2.1 抽取域

以之前的grades.txt文件为例，我们要打印每个学生的姓名（第一个域）和数学成绩（第二个域），命令如下：

awk '{print $1,$2}' grades.txt

输出：

Alice 85
Bob 70
Charlie 95

1.2.2.2 保存 awk 输出

保存 awk 输出结果主要有两种方式：

• 重定向到文件：这种方式下，屏幕不会显示输出内容，而是将结果保存到指定文件中。例如，将grades.txt文件中每个学生的姓名保存到students.txt文件中，命令为：

awk '{print $1}' grades.txt > students.txt

• 使用管道将输出结果传给tee：tee命令可以将输出同时显示在屏幕上并保存到文件中。例如，将grades.txt文件中每个学生的总成绩（三个成绩之和）输出到屏幕并保存到total_grades.txt文件中，命令如下：

awk '{sum=$2+$3+$4; print sum}' grades.txt | tee total_grades.txttee命令不可用的话，下载
yum install coreutils

1.2.2.3 使用标准输入

可以通过多种方法将标准输入作为 awk 的输入源：

• 直接在命令后跟上文件名，如awk '{print $0}' grades.txt，这里grades.txt的内容会作为标准输入被 awk 读取处理。
• 使用<符号指定输入文件，如awk '{print $0}' < grades.txt，效果与上一种方法相同。

1.2.2.4 打印所有记录

要打印输入文件的所有记录，使用以下命令：

awk '{print $0}' input_file

其中input_file是要处理的文件名。

1.2.2.5 打印单独记录

只打印特定的域，如之前提到的只打印$1和$4：

awk '{print $1,$4}' input_file

1.2.2.6 自定义格式打印

我们可以在输出内容中添加注释、自定义分隔符等。例如，对于grades.txt文件，我们要在输出学生姓名和平均成绩时，在上方添加注释 “Student Name” 和 “Average Score”，并使用制表符分隔，命令如下：

awk 'BEGIN {print "Student Name\tAverage Score\n------------------------------"} {avg = ($2 + $3 + $4) / 3; print $1 "\t" avg}' grades.txt

输出：

Student Name Average Score
------------------------------
Alice 84.3333
Bob 71.6667
Charlie 91.6667

1.2.2.7 awk 错误信息提示

在使用 awk 时，如果遇到错误，可以从以下几个方面排查：

• 确保整个 awk 命令用单引号括起来，因为双引号在 Shell 中可能会导致变量提前展开等问题，影响 awk 命令的执行。
• 确保命令内所有引号成对出现，无论是单引号还是双引号。
• 确保用大括号{}括起动作语句，用括号()括起条件语句。
• 检查是否遗漏了大括号{}，尤其是在包含多个动作或复杂条件判断时。

1.2.2.8 awk 键盘输入

如果在执行 awk 命令时没有指定输入文件，awk 会从键盘读取输入。输入完成后，按Ctrl + D组合键结束输入。例如，执行awk '{print $0}'，然后在命令行输入一些文本，每输入一行按回车键，输入完成后按Ctrl + D，awk 会打印出你输入的每一行内容。

1.2.3 元字符

awk 支持一些元字符，用于模式匹配等操作，常见的元字符有\、^、$、.、(、)、|、*、+、?。其中+和?在 grep 或 sed 中可能有不同的行为，但在 awk 中有其特定的含义：

• +：匹配一个或一个以上前面的单字符。例如，/XY+Z/可以匹配XYZ、XYYYYZ等。
• ?：匹配 0 个或一个前面的单字符。例如，/XY?Z/可以匹配XYZ、XZ。
  例如，有一个文件strings.txt，内容为：

XZY
XYZY
XYYYYZY
XZ

要匹配包含XY后面跟着一个或多个Y再跟着Z的字符串，可以使用以下命令：

awk '/XY+Z/' strings.txt

输出：

XYZY
XYYYYZY

[root@free ~]# awk '/XY?Z/' string.txt 
XZY
XYZY
XZ

1.2.4 条件操作符

awk 支持多种条件操作符，用于条件判断：

操作符	描述
<	小于
<=	小于等于
==	等于
!=	不等于
>	大于
>=	大于等于
~	匹配正则表达式
!~	不匹配正则表达式

1.2.4.1 匹配

使用~紧跟正则表达式可以匹配域，也可以使用if语句进行条件判断，条件需要用()括起来。
例如，有一个文件employees.txt，内容如下：

John,Manager,50000
Alice,Engineer,45000
Bob,Engineer,48000

要查询职位是工程师（Engineer）的员工信息（打印出$2匹配Engineer的行），可以使用以下两种方式：

awk '{if ($2~/Engineer/) print $0}' employees.txt为什么不需要分号？
因为 if 语句控制下的 print 是同一个逻辑块的一部分，不是独立的语句。正则表达式的基本语法：
在 awk 中，正则表达式通常用 /pattern/ 表示，其中：
开头的 /：标记正则表达式的开始；
结尾的 /：标记正则表达式的结束；
中间的 pattern：是具体的匹配模式（如 Engineer）。

或者

awk '$2 ~ /Engineer/' employees.txt

1.2.4.2 精确匹配

使用==并用双引号括起条件可以进行精确匹配。例如，要查询薪资为48000的员工信息：

awk '{if ($3 == "48000") print $0}' employees.txt

1.2.4.3 不匹配

使用!~紧跟正则表达式可以实现不匹配域的操作。例如，要查询职位不是经理（Manager）的员工信息：

awk '{if ($2!~/Manager/) print $0}' employees.txt

或者

awk '$2 !~ /Manager/' employees.txt

1.2.4.4 比较

以比较薪资大小为例，要找出薪资大于45000的员工姓名和薪资：

awk '{if ($3 > 45000) print $1,$3}' employees.txt

1.2.4.5 各种匹配

• 匹配Green或green：

awk '/(G|g)reen/' input_file

• 匹配$1的第四个字符是a：

awk '$1 ~ /^...a/' input_file

• 匹配Yellow或Brown：

awk '$4 ~ /Yellow|Brown/' input_file

• 匹配以J开头的行：

awk '$0 ~ /^J/' input_file

1.2.4.6 复合表达式

复合模式或复合操作符用于形成复杂的逻辑操作，复合表达式即为模式间通过使用复合操作符互相结合起来的表达式。常用的复合操作符有&&（逻辑与）和||（逻辑或）：

• &&（AND）：符号两边的条件必须同时为真。例如，要查询职位是工程师且薪资大于45000的员工信息：

awk '{if ($2 == "Engineer" && $3 > 45000) print $0}' employees.txt

• ||（OR）：符号两边的条件只要有一个为真即可。例如，要查询职位是经理或者薪资大于48000的员工信息：

awk '{if ($2 == "Manager" || $3 > 48000) print $0}' employees.txt

1.2.5 awk 内置变量

awk 有许多内置变量，用于设置环境信息、获取输入输出相关的状态等。以下是一些常用的内置变量：

• ARGC：表示命令行参数的个数。例如，执行awk -v var1=value1 -v var2=value2 -f script.awk file1 file2，ARGC的值为5（包括awk命令本身、两个-v选项及两个文件名）。
• ARGV：是一个数组，存储命令行参数的排列。ARGV[0]通常是awk命令本身，ARGV[1]及后续元素为命令行参数。
• FNR：与NR类似，用于记录输入的行数。不同之处在于，FNR在处理多个文件时，对每个文件都会从1开始计数，而NR是对所有输入文件的总行数进行计数。例如，有两个文件file1.txt和file2.txt，在处理file1.txt时，FNR和NR从1开始递增，当处理完file1.txt开始处理file2.txt时，NR继续递增，而FNR又从1开始。
• FS：用于指定输入字段的分隔符。可以在BEGIN块中定义，也可以使用-F选项在命令行指定。例如，BEGIN {FS=":"}将输入字段分隔符设置为冒号。
• RS：输入的记录分隔符，默认是换行符，即文本按一行一行输入。可以修改这个变量来改变记录的分隔方式。例如，BEGIN {RS="\n\n"}可以将连续两个换行符作为记录分隔符，适用于处理段落等以空行分隔的文本。
• OFS：输出字段分隔符，默认是空格。可以修改为其他字符，如制表符\t或逗号，等。例如，BEGIN {OFS="|"}会将输出的字段用竖线分隔。
• 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。可以修改为其他字符，如BEGIN {ORS=","}会将输出的记录用逗号分隔，最后一个记录后也会有逗号。
  例如，我们要统计一个文件中每行的字段数，并输出行号、每行内容及字段数，使用以下脚本：

{
print NR, $0, NF
}

这里NR表示行号，NF表示当前行的字段数。假设文件example.txt内容为：

apple banana cherry
dog cat mouse

执行awk '{print NR, $0, NF}' example.txt，输出：

1 apple banana cherry 3
2 dog cat mouse 3

再如，我们想以冒号为输入分隔符，以逗号为输出分隔符，打印文件data.csv的第一和第三个字段：

BEGIN {
FS=":"
OFS=","
}
{
print $1,$3
}

假设data.csv内容为：

1:apple:red
2:banana:yellow
3:grape:purple

执行该脚本，输出：

1,red
2,yellow
3,purple