三十分钟学会AWK

作者: mylxsw | 来源:发表于2016-10-31 23:27 被阅读169次

    本文大部分内容翻译自我开始学习AWK时看到的一篇英文文章 AWK Tutorial ,觉得对AWK入门非常有帮助,所以对其进行了粗略的翻译,并对其中部分内容进行了删减或者补充,希望能为对AWK感兴趣的小伙伴提供一份快速入门的教程,帮助小伙伴们快速掌握AWK的基本使用方式,当然,我也是刚开始学习AWK,本文在翻译或者补充的过程中肯定会有很多疏漏或者错误,希望大家能够帮忙指正。

    本文将会持续修正和更新,最新内容请参考我的 GITHUB 上的 程序猿成长计划 项目,欢迎 Star。

    概述

    AWK是一门解释型的编程语言。在文本处理领域它是非常强大的,它的名字来源于它的三位作者的姓氏:Alfred AhoPeter WeinbergerBrian Kernighan

    GNU/Linux发布的AWK目前由自由软件基金会(FSF)进行开发和维护,通常也称它为 GNU AWK

    AWK的类型

    下面是几个AWK的变体:

    • AWK - 原先来源于 AT & T 实验室的的AWK
    • NAWK - AT & T 实验室的AWK的升级版
    • GAWK - 这就是GNU AWK。所有的GNU/Linux发布版都自带GAWK,它与AWK和NAWK完全兼容

    AWK的典型用途

    使用AWK可以做很多任务,下面是其中一些

    • 文本处理
    • 输出格式化的文本报表
    • 执行算数运算
    • 执行字符串操作等等

    工作流

    要成为AWK编程专家,你需要先知道它的内部实现机制,AWK遵循了非常简单的工作流 - 读取执行重复,下图描述了AWK的工作流。

    Read

    AWK从输入流(文件,管道或者标准输入)中读取一行,然后存储到内存中。

    Execute

    所有的AWK命令都依次在输入上执行。默认情况下,AWK会对每一行执行命令,我们可以通过提供模式限制这种行为。

    Repeat

    处理过程不断重复,直到到达文件结尾。

    程序结构

    现在,让我们先学习一下AWK的程序结构。

    BEGIN 语句块

    BEGIN语句块的语法

    BEGIN {awk-commands}
    

    BEGIN语句块在程序开始的使用执行,它只执行一次,在这里可以初始化变量。BEGIN是AWK的关键字,因此它必须为大写,注意,这个语句块是可选的。

    BODY 语句块

    BODY语句块的语法

    /pattern/ {awk-commands}
    

    BODY语句块中的命令会对输入的每一行执行,我们也可以通过提供模式来控制这种行为。注意,BODY语句块没有关键字。

    END 语句块

    END语句块的语法

    END {awk-commands}
    

    END语句块在程序的最后执行,END是AWK的关键字,因此必须为大写,它也是可选的。

    让我们创建一个包含序号,学生姓名,科目名称和得分的文件 marks.txt

    1)  Amit    Physics  80
    2)  Rahul   Maths    90
    3)  Shyam   Biology  87
    4)  Kedar   English  85
    5)  Hari    History  89
    

    下面的例子中我们将会显示文件内容,并且添加每一列的标题

    $ awk 'BEGIN{printf "Sr No\tName\tSub\tMarks\n"} {print}' marks.txt
    

    上述代码执行后,输出以下内容

    Sr No     Name     Sub          Marks
     1)       Amit     Physics      80
     2)       Rahul    Maths        90
     3)       Shyam    Biology      87
     4)       Kedar    English      85
     5)       Hari     History      89
    

    在程序的开始,AWK在BEGIN语句中打印出标题。然后再BODY语句中,它会读取文件的每一行然后执行AWK的print命令将每一行的内容打印到标准输出。这个过程会一直重复直到文件的结尾。

    基础语法

    AWK的使用非常简单,我们可以直接在命令行中执行AWK的命令,也可以从包含AWK命令的文本文件中执行。

    AWK命令行

    我们可以使用单引号在命令行中指定AWK命令

    awk [options] file ...
    

    比如我们有一个包含下面内容的文本文件 marks.txt:

    1) Amit     Physics    80
    2) Rahul    Maths      90
    3) Shyam    Biology    87
    4) Kedar    English    85
    5) Hari     History    89
    

    我们可以使用下面的命令显示该文件的完整内容

    $ awk '{print}' marks.txt 
    

    AWK程序文件

    我们可以使用脚本文件提供AWK命令

    awk [options] -f file ....
    

    首先,创建一个包含下面内容的文本文件 command.awk

    {print} 
    

    现在,我们可以让AWK执行该文件中的命令,这里我们实现了和上例同样的结果

    $ awk -f command.awk marks.txt
    

    AWK标准选项

    AWK支持下列命令行标准选项

    -v 变量赋值选项

    该选项将一个值赋予一个变量,它会在程序开始之前进行赋值,下面的例子描述了该选项的使用

    $ awk -v name=Jerry 'BEGIN{printf "Name = %s\n", name}'
    Name = Jerry
    

    --dump-variables[=file] 选项

    该选项会输出排好序的全局变量列表和它们最终的值到文件中,默认的文件是 awkvars.out

    $ awk --dump-variables ''
    $ cat awkvars.out 
    ARGC: 1
    ARGIND: 0
    ARGV: array, 1 elements
    BINMODE: 0
    CONVFMT: "%.6g"
    ERRNO: ""
    FIELDWIDTHS: ""
    FILENAME: ""
    FNR: 0
    FPAT: "[^[:space:]]+"
    FS: " "
    IGNORECASE: 0
    LINT: 0
    NF: 0
    NR: 0
    OFMT: "%.6g"
    OFS: " "
    ORS: "\n"
    RLENGTH: 0
    RS: "\n"
    RSTART: 0
    RT: ""
    SUBSEP: "\034"
    TEXTDOMAIN: "messages"
    

    --help 选项

    打印帮助信息。

    $ awk --help
    Usage: awk [POSIX or GNU style options] -f progfile [--] file ...
    Usage: awk [POSIX or GNU style options] [--] 'program' file ...
    POSIX options : GNU long options: (standard)
       -f progfile                --file=progfile
       -F fs                      --field-separator=fs
       -v var=val                 --assign=var=val
    Short options : GNU long options: (extensions)
       -b                         --characters-as-bytes
       -c                         --traditional
       -C                         --copyright
       -d[file]                   --dump-variables[=file]
       -e 'program-text'          --source='program-text'
       -E file                    --exec=file
       -g                         --gen-pot
       -h                         --help
       -L [fatal]                 --lint[=fatal]
       -n                         --non-decimal-data
       -N                         --use-lc-numeric
       -O                         --optimize
       -p[file]                   --profile[=file]
       -P                         --posix
       -r                         --re-interval
       -S                         --sandbox
       -t                         --lint-old
       -V                         --version
    

    --lint[=fatal] 选项

    该选项允许检查程序的不兼容性或者模棱两可的代码,当提供参数 fatal的时候,它会对待Warning消息作为Error。

    $ awk --lint '' /bin/ls
    awk: cmd. line:1: warning: empty program text on command line
    awk: cmd. line:1: warning: source file does not end in newline
    awk: warning: no program text at all!
    

    --posix 选项

    该选项开启严格的POSIX兼容。

    --profile[=file]选项

    该选项会输出一份格式化之后的程序到文件中,默认文件是 awkprof.out

    $ awk --profile 'BEGIN{printf"---|Header|--\n"} {print} 
    END{printf"---|Footer|---\n"}' marks.txt > /dev/null 
    $ cat awkprof.out
        # gawk 配置, 创建 Wed Oct 26 15:05:49 2016
    
        # BEGIN 块
    
        BEGIN {
            printf "---|Header|--\n"
        }
    
        # 规则
    
        {
            print $0
        }
    
        # END 块
    
        END {
            printf "---|Footer|---\n"
        }
    

    --traditional 选项

    该选项会禁止所有的gawk规范的扩展。

    --version 选项

    输出版本号

    $ awk --version
    GNU Awk 3.1.7
    版权所有 © 1989, 1991-2009 自由软件基金会(FSF)。
    
    该程序为自由软件,你可以在自由软件基金会发布的 GNU 通用公共许可证(GPL)第
    3版或以后版本下修改或重新发布。
    
    该程序之所以被发布是因为希望他能对你有所用处,但我们不作任何担保。这包含
    但不限于任何商业适售性以及针对特定目的的适用性的担保。详情参见 GNU 通用公
    共许可证(GPL)。
    
    你应该收到程序附带的一份 GNU 通用公共许可证(GPL)。如果没有收到,请参看 http://www.gnu.org/licenses/ 。
    You have new mail in /var/spool/mail/root
    

    基本使用示例

    本部分会讲述一些有用的AWK命令和它们的使用示例,所有的例子都是以下面的文本文件 marks.txt 为基础的

    1) Amit Physics     80
    2) Rahul    Maths       90
    3) Shyam    Biology     87
    4) Kedar    English     85
    5) Hari History     89
    

    打印某列或者字段

    AWK可以只打印输入字段中的某些列。

    $ awk '{print $3 "\t" $4}' marks.txt
    Physics 80
    Maths   90
    Biology 87
    English 85
    History 89
    

    在文件marks.txt中,第三列包含了科目名,第四列则是得分,上面的例子中,我们只打印出了这两列,$3$4 代表了输入记录中的第三和第四个字段。

    打印所有的行

    默认情况下,AWK会打印出所有匹配模式的行

    $ awk '/a/ {print $0}' marks.txt
    2)  Rahul   Maths    90
    3)  Shyam   Biology  87
    4)  Kedar   English  85
    5)  Hari    History  89
    

    上述命令会判断每一行中是否包含a,如果包含则打印该行,如果BODY部分缺失则默认会执行打印,因此,上述命令和下面这个是等价的

    $ awk '/a/' marks.txt
    

    打印匹配模式的列

    当模式匹配成功时,默认情况下AWK会打印该行,但是也可以让它只打印指定的字段。例如,下面的例子中,只会打印出匹配模式的第三和第四个字段。

    $ awk '/a/ {print $3 "\t" $4}' marks.txt
    Maths   90
    Biology 87
    English 85
    History 89
    

    任意顺序打印列

    $ awk '/a/ {print $4 "\t" $3}' marks.txt
    90  Maths
    87  Biology
    85  English
    89  History
    

    统计匹配模式的行数

    $ awk '/a/{++cnt} END {print "Count = ", cnt}' marks.txt
    Count =  4
    

    打印超过18个字符的行

    $ awk 'length($0) > 18' marks.txt
    3) Shyam   Biology   87
    4) Kedar   English   85
    

    内建变量

    AWK提供了很多内置的变量,它们在开发AWK脚本的过程中起着非常重要的角色。

    标准AWK变量

    ARGC 命令行参数个数

    命令行中提供的参数个数

    $ awk 'BEGIN {print "Arguments =", ARGC}' One Two Three Four
    Arguments = 5
    

    ARGV 命令行参数数组

    存储命令行参数的数组,索引范围从0 - ARGC - 1

    $ awk 'BEGIN { 
       for (i = 0; i < ARGC - 1; ++i) { 
          printf "ARGV[%d] = %s\n", i, ARGV[i] 
       } 
    }' one two three four
    ARGV[0] = awk
    ARGV[1] = one
    ARGV[2] = two
    ARGV[3] = three
    

    CONVFMT 数字的约定格式

    代表了数字的约定格式,默认值是%.6g

    $ awk 'BEGIN { print "Conversion Format =", CONVFMT }'
    Conversion Format = %.6g
    

    ENVIRON 环境变量

    环境变量的关联数组

    $ awk 'BEGIN { print ENVIRON["USER"] }'
    mylxsw
    

    FILENAME 当前文件名

    $ awk 'END {print FILENAME}' marks.txt
    marks.txt
    

    FS 输入字段的分隔符

    代表了输入字段的分隔符,默认值为空格,可以通过-F选项在命令行选项中修改它。

    $ awk 'BEGIN {print "FS = " FS}' | cat -vte
    FS =  $
    $ awk -F , 'BEGIN {print "FS = " FS}' | cat -vte
    FS = ,$
    

    NF 字段数目

    代表了当前行中的字段数目,例如下面例子打印出了包含大于两个字段的行

    $ echo -e "One Two\nOne Two Three\nOne Two Three Four" | awk 'NF > 2'
    One Two Three
    One Two Three Four
    

    NR 行号

    $ echo -e "One Two\nOne Two Three\nOne Two Three Four" | awk 'NR < 3'
    One Two
    One Two Three
    

    FNR 行号(相对当前文件)

    与NR相似,不过在处理多文件时更有用,获取的行号相对于当前文件。

    OFMT 输出格式数字

    默认值为%.6g

    $ awk 'BEGIN {print "OFMT = " OFMT}'
    OFMT = %.6g
    

    OFS 输出字段分隔符

    输出字段分隔符,默认为空格

    $ awk 'BEGIN {print "OFS = " OFS}' | cat -vte
    OFS =  $
    

    ORS 输出行分隔符

    默认值为换行符

    $ awk 'BEGIN {print "ORS = " ORS}' | cat -vte
    ORS = $
    $
    

    RLENGTH

    代表了 match 函数匹配的字符串长度。

    $ awk 'BEGIN { if (match("One Two Three", "re")) { print RLENGTH } }'
    2
    

    RS 输入记录分隔符

    $ awk 'BEGIN {print "RS = " RS}' | cat -vte
    RS = $
    $
    

    RSTART

    match函数匹配的第一次出现位置

    $ awk 'BEGIN { if (match("One Two Three", "Thre")) { print RSTART } }
    9
    

    SUBSEP 数组子脚本的分隔符

    数组子脚本的分隔符,默认为\034

    $ awk 'BEGIN { print "SUBSEP = " SUBSEP }' | cat -vte
    SUBSEP = ^\$
    

    $ 0 代表了当前行

    代表了当前行

    $ awk '{print $0}' marks.txt
    1) Amit     Physics   80
    2) Rahul    Maths     90
    3) Shyam    Biology   87
    4) Kedar    English   85
    5) Hari     History   89
    

    $n

    当前行中的第n个字段

    $ awk '{print $3 "\t" $4}' marks.txt
    Physics   80
    Maths     90
    Biology   87
    English   85
    History   89
    

    GNU AWK的变量

    ARGIND

    当前被处理的ARGV的索引

    $ awk '{ 
       print "ARGIND   = ", ARGIND; print "Filename = ", ARGV[ARGIND] 
    }' junk1 junk2 junk3
    ARGIND   =  1
    Filename =  junk1
    ARGIND   =  2
    Filename =  junk2
    ARGIND   =  3
    Filename =  junk3
    

    BINMODE

    在非POSIX系统上指定对所有的文件I/O采用二进制模式。

    ERRORNO

    一个代表了getline跳转失败或者是close调用失败的错误的字符串。

    $ awk 'BEGIN { ret = getline < "junk.txt"; if (ret == -1) print "Error:", ERRNO }'
    Error: No such file or directory
    

    FIELDWIDTHS

    设置了空格分隔的字段宽度变量列表的话,GAWK会将输入解析为固定宽度的字段,而不是使用FS进行分隔。

    IGNORECASE

    设置了这个变量的话,AWK会忽略大小写。

    $ awk 'BEGIN{IGNORECASE = 1} /amit/' marks.txt
    1) Amit  Physics   80
    

    LINT

    提供了对--lint选项的动态控制。

    $ awk 'BEGIN {LINT = 1; a}'
    awk: cmd. line:1: warning: reference to uninitialized variable `a'
    awk: cmd. line:1: warning: statement has no effect
    

    PROCINFO

    包含进程信息的关联数组,例如UID,进程ID等

    $ awk 'BEGIN { print PROCINFO["pid"] }'
    4316
    

    TEXTDOMAIN

    代表了AWK的文本域,用于查找字符串的本地化翻译。

    $ awk 'BEGIN { print TEXTDOMAIN }'
    messages
    

    操作符

    与其它编程语言一样,AWK也提供了大量的操作符。

    算数操作符

    算数操作符不多说,直接看例子,无非就是+-*/%

    $ awk 'BEGIN { a = 50; b = 20; print "(a + b) = ", (a + b) }'
    (a + b) =  70
    
    $ awk 'BEGIN { a = 50; b = 20; print "(a - b) = ", (a - b) }'
    (a - b) =  30
    
    $ awk 'BEGIN { a = 50; b = 20; print "(a * b) = ", (a * b) }'
    (a * b) =  1000
    
    $ awk 'BEGIN { a = 50; b = 20; print "(a / b) = ", (a / b) }'
    (a / b) =  2.5
    
    $ awk 'BEGIN { a = 50; b = 20; print "(a % b) = ", (a % b) }'
    (a % b) =  10
    

    增减运算符

    自增自减与C语言一致。

    $ awk 'BEGIN { a = 10; b = ++a; printf "a = %d, b = %d\n", a, b }'
    a = 11, b = 11
    
    $ awk 'BEGIN { a = 10; b = --a; printf "a = %d, b = %d\n", a, b }'
    a = 9, b = 9
    
    $ awk 'BEGIN { a = 10; b = a++; printf "a = %d, b = %d\n", a, b }'
    a = 11, b = 10
    
    $ awk 'BEGIN { a = 10; b = a--; printf "a = %d, b = %d\n", a, b }'
    a = 9, b = 10
    

    赋值操作符

    $ awk 'BEGIN { name = "Jerry"; print "My name is", name }'
    My name is Jerry
    $ awk 'BEGIN { cnt = 10; cnt += 10; print "Counter =", cnt }'
    Counter = 20
    $ awk 'BEGIN { cnt = 100; cnt -= 10; print "Counter =", cnt }'
    Counter = 90
    $ awk 'BEGIN { cnt = 10; cnt *= 10; print "Counter =", cnt }'
    Counter = 100
    $ awk 'BEGIN { cnt = 100; cnt /= 5; print "Counter =", cnt }'
    Counter = 20
    $ awk 'BEGIN { cnt = 100; cnt %= 8; print "Counter =", cnt }'
    Counter = 4
    $ awk 'BEGIN { cnt = 2; cnt ^= 4; print "Counter =", cnt }'
    Counter = 16
    $ awk 'BEGIN { cnt = 2; cnt **= 4; print "Counter =", cnt }'
    Counter = 16
    

    关系操作符

    $ awk 'BEGIN { a = 10; b = 10; if (a == b) print "a == b" }'
    a == b
    $ awk 'BEGIN { a = 10; b = 20; if (a != b) print "a != b" }'
    a != b
    $ awk 'BEGIN { a = 10; b = 20; if (a < b) print "a  < b" }'
    a  < b
    $ awk 'BEGIN { a = 10; b = 10; if (a <= b) print "a <= b" }'
    a <= b
    $ awk 'BEGIN { a = 10; b = 20; if (b > a ) print "b > a" }'
    b > a
    

    逻辑操作符

    $ awk 'BEGIN {
       num = 5; if (num >= 0 && num <= 7) printf "%d is in octal format\n", num
    }'
    5 is in octal format
    $ awk 'BEGIN {
       ch = "\n"; if (ch == " " || ch == "\t" || ch == "\n")
       print "Current character is whitespace."
    }'
    Current character is whitespace.
    $ awk 'BEGIN { name = ""; if (! length(name)) print "name is empty string." }'
    name is empty string.
    

    三元操作符

    $ awk 'BEGIN { a = 10; b = 20; (a > b) ? max = a : max = b; print "Max =", max}'
    Max = 20
    

    一元操作符

    $ awk 'BEGIN { a = -10; a = +a; print "a =", a }'
    a = -10
    $ awk 'BEGIN { a = -10; a = -a; print "a =", a }'
    a = 10
    

    指数操作符

    $ awk 'BEGIN { a = 10; a = a ^ 2; print "a =", a }'
    a = 100
    
    $ awk 'BEGIN { a = 10; a ^= 2; print "a =", a }'
    a = 100
    

    字符串连接操作符

    $ awk 'BEGIN { str1 = "Hello, "; str2 = "World"; str3 = str1 str2; print str3 }'
    Hello, World
    

    数组成员操作符

    $ awk 'BEGIN { 
       arr[0] = 1; arr[1] = 2; arr[2] = 3; for (i in arr) printf "arr[%d] = %d\n", i, arr[i]
    }'
    arr[2] = 3
    arr[0] = 1
    arr[1] = 2
    

    正则表达式操作符

    正则表达式操作符使用 ~!~ 分别代表匹配和不匹配。

    $ awk '$0 ~ 9' marks.txt
    2) Rahul   Maths    90
    5) Hari    History  89
    
    $ awk '$0 !~ 9' marks.txt
    1) Amit     Physics   80
    3) Shyam    Biology   87
    4) Kedar    English   85
    
    # 匹配正则表达式需要在表达式前后添加反斜线,与js类似吧
    $ tail -n 40 /var/log/nginx/access.log | awk '$0 ~ /ip\[127\.0\.0\.1\]/'
    

    更多关于正则表达式请看后面的正则表达式部分

    正则表达式

    AWK在处理正则表达式方面是非常强大的,使用简单的正则表达式可以处理非常复杂的问题。

    $ echo -e "cat\nbat\nfun\nfin\nfan" | awk '/f.n/'
    fun
    fin
    fan
    
    $ echo -e "This\nThat\nThere\nTheir\nthese" | awk '/^The/'
    There
    Their
    
    $ echo -e "knife\nknow\nfun\nfin\nfan\nnine" | awk '/n$/'
    fun
    fin
    fan
    
    $ echo -e "Call\nTall\nBall" | awk '/[CT]all/'
    Call
    Tall
    
    $ echo -e "Call\nTall\nBall" | awk '/[^CT]all/'
    Ball
    
    $ echo -e "Call\nTall\nBall\nSmall\nShall" | awk '/Call|Ball/'
    Call
    Ball
    
    $ echo -e "Colour\nColor" | awk '/Colou?r/'
    Colour
    Color
    
    $ echo -e "ca\ncat\ncatt" | awk '/cat*/'
    ca
    cat
    catt
    
    $ echo -e "111\n22\n123\n234\n456\n222"  | awk '/2+/'
    22
    123
    234
    222
    
    $ echo -e "Apple Juice\nApple Pie\nApple Tart\nApple Cake" | awk '/Apple (Juice|Cake)/'
    Apple Juice
    Apple Cake
    

    数组

    AWK支持关联数组,也就是说,不仅可以使用数字索引的数组,还可以使用字符串作为索引,而且数字索引也不要求是连续的。数组不需要声明可以直接使用,语法如下:

    array_name[index] = value
    

    创建数组的方式非常简单,直接为变量赋值即可

    $ awk 'BEGIN {
       fruits["mango"] = "yellow";
       fruits["orange"] = "orange"
       print fruits["orange"] "\n" fruits["mango"]
    }'
    orange
    yellow
    

    删除数组元素使用delete语句

    $ awk 'BEGIN {
       fruits["mango"] = "yellow";
       fruits["orange"] = "orange";
       delete fruits["orange"];
       print fruits["orange"]
    }'
    

    在AWK中,只支持一维数组,但是可以通过一维数组模拟多维,例如我们有一个3x3的三维数组

    100   200   300
    400   500   600
    700   800   900
    

    可以这样操作

    $ awk 'BEGIN {
       array["0,0"] = 100;
       array["0,1"] = 200;
       array["0,2"] = 300;
       array["1,0"] = 400;
       array["1,1"] = 500;
       array["1,2"] = 600;
    
       # print array elements
       print "array[0,0] = " array["0,0"];
       print "array[0,1] = " array["0,1"];
       print "array[0,2] = " array["0,2"];
       print "array[1,0] = " array["1,0"];
       print "array[1,1] = " array["1,1"];
       print "array[1,2] = " array["1,2"];
    }'
    array[0,0] = 100
    array[0,1] = 200
    array[0,2] = 300
    array[1,0] = 400
    array[1,1] = 500
    array[1,2] = 600
    

    流程控制

    流程控制语句与大多数语言一样,基本格式如下

    if (condition)
       action
       
    if (condition) {
       action-1
       action-1
       .
       .
       action-n
    }
    
    if (condition)
       action-1
    else if (condition2)
       action-2
    else
       action-3
    

    例如:

    $ awk 'BEGIN {
       num = 11; if (num % 2 == 0) printf "%d is even number.\n", num; 
          else printf "%d is odd number.\n", num 
    }'
    
    $ awk 'BEGIN {
       a = 30;
       
       if (a==10)
       print "a = 10";
       else if (a == 20)
       print "a = 20";
       else if (a == 30)
       print "a = 30";
    }'
    

    循环

    循环操作与其他C系语言一样,主要包括 forwhliedo...whilebreakcontinue 语句,当然,还有一个 exit语句用于退出脚本执行。

    for (initialisation; condition; increment/decrement)
       action
    
    while (condition)
       action
    
    do
       action
    while (condition)
    

    例子:

    $ awk 'BEGIN { for (i = 1; i <= 5; ++i) print i }'
    
    $ awk 'BEGIN {i = 1; while (i < 6) { print i; ++i } }'
    
    $ awk 'BEGIN {i = 1; do { print i; ++i } while (i < 6) }'
    
    $ awk 'BEGIN {
       sum = 0; for (i = 0; i < 20; ++i) { 
          sum += i; if (sum > 50) break; else print "Sum =", sum 
       } 
    }'
    
    $ awk 'BEGIN {
       for (i = 1; i <= 20; ++i) {
          if (i % 2 == 0) print i ; else continue
       } 
    }'
    
    $ awk 'BEGIN {
       sum = 0; for (i = 0; i < 20; ++i) {
          sum += i; if (sum > 50) exit(10); else print "Sum =", sum 
       } 
    }'
    

    exit用于退出脚本,参数为退出的状态码,可以通过shell中的$?获取

    函数

    内建函数

    AWK提供了很多方便的内建函数供编程人员使用。由于函数比较多,个人觉得单纯看每个函数的使用也没有什么实际意义,比较容易遗忘,因此,这里只简单的列出常用的一些函数,只需要对其有个印象即可,使用的时候再去 查手册 效果会更好一些吧。

    数学函数

    • atan2(y, x)
    • cos(expr)
    • exp(expr)
    • int(expr)
    • log(expr)
    • rand
    • sin(expr)
    • sqrt(expr)
    • srand([expr])

    字符串函数

    • asort(arr [, d [, how] ])
    • asorti(arr [, d [, how] ])
    • gsub(regex, sub, string)
    • index(str, sub)
    • length(str)
    • match(str, regex)
    • split(str, arr, regex)
    • sprintf(format, expr-list)
    • strtonum(str)
    • sub(regex, sub, string)
    • substr(str, start, l)
    • tolower(str)
    • toupper(str)

    时间函数

    • systime
    • mktime(datespec)
    • strftime([format [, timestamp[, utc-flag]]])

    字节操作函数

    • and
    • compl
    • lshift
    • rshift
    • or
    • xor

    其它

    • close(expr) 关闭管道文件

      请看下面这段代码

        $ awk 'BEGIN {
           cmd = "tr [a-z] [A-Z]"
           print "hello, world !!!" |& cmd
           
           close(cmd, "to")
           cmd |& getline out
           print out;
           
           close(cmd);
        }'
        HELLO, WORLD !!!
      

      是不是感觉很难懂?让我来解释一下

      • 第一个语句cmd = "tr [a-z] [A-Z]"是我们在AWK中要用来建立双向连接的命令。
      • 第二个语句print提供了tr命令的输入,使用 &| 表名建立双向连接。
      • 第三个语句close(cmd, "to")用于执行完成后关闭to进程
      • 第四个语句cmd |& getline out使用getline函数存储输出到out变量
      • 接下来打印变量out的内容,然后关闭cmd
    • delete 用于删除数组元素

    • exit 退出脚本执行,并返回状态码参数

    • fflush

    • getline 该命令让awk读取下一行内容

      该命令让awk读取下一行内容,比如

        $ awk '{getline; print $0}' marks.txt
        2) Rahul   Maths     90
        4) Kedar   English   85
        5) Hari    History   89
      

      使用getline var < file可以从file中读取输入,存储到变量var中

        {
             if (NF == 2 && $1 == "@include") {
                  while ((getline line < $2) > 0)
                       print line
                  # 这里的close确保如果文件中两个@include,可以让其读取两次
                  close($2)
             } else
                  print
        }
      

      命令的输出也可以通过管道输入到getline,使用command | getline这种方式。在这种情况下,字符串命令会作为shell命令执行,其标准输出会通过管道传递个awk作为其输入,这种形式的getline会从管道中一次读取一条记录。例如下面的命令会从输入中逐行读取,如果遇到@execute,则将该行作为命令执行,将命令的输出作为最终的输出内容

        {
             if ($1 == "@execute") {
                  tmp = substr($0, 10)        # Remove "@execute"
                  while ((tmp | getline) > 0)
                       # 这里实际上设置了$0为这一行的内容
                       print
                  close(tmp)
             } else
                  print
        }
      

      如果文件包含以下内容

        foo
        bar
        baz
        @execute who
        bletch
      

      则会输出

        foo
        bar
        baz
        arnold     ttyv0   Jul 13 14:22
        miriam     ttyp0   Jul 13 14:23     (murphy:0)
        bill       ttyp1   Jul 13 14:23     (murphy:0)
        bletch
      

      使用command | getline var可以实现将命令的输出写入到变量var。

        BEGIN {
             "date" | getline current_time
             close("date")
             print "Report printed on " current_time
        }
      

      getline使用管道读取输入是一种单向的操作,在某些场景下,你可能希望发送数据到另一个进程,然后从这个进程中读取处理后的结果, 这就用到了协同进程,我们可以使用|&打开一个双向管道。

        print "some query" |& "db_server"
        "db_server" |& getline
      

      同样,我们也可以使用command |& getline var将协同进程的输出写入到变量var。

    • next

    • nextfile

    • return

      用于用户自定义函数的返回值。
      首先,创建一个functions.awk文件,包含下面的awk命令

        function addition(num1, num2) {
           result = num1 + num2
           return result
        }
        BEGIN {
           res = addition(10, 20)
           print "10 + 20 = " res
        }
      

      执行上述代码,输出

        10 + 20 = 30
      
    • system

      该函数用于执行指定的命令并且返回它的退出状态,返回状态码0表示命令成功执行。

        $ awk 'BEGIN { ret = system("date"); print "Return value = " ret }'
        2016年 10月 27日 星期四 22:08:36 CST
        Return value = 0
      

    用户自定义函数

    函数是程序基本的组成部分,AWK允许我们自己创建自定义的函数。一个大型的程序可以被划分为多个函数,每个函数之间可以独立的开发和测试,提供可重用的代码。

    下面是用户自定义函数的基本语法

    function function_name(argument1, argument2, ...) { 
       function body
    }
    

    例如,我们创建一个名为functions.awk的文件,包含下面的代码

    # Returns minimum number
    function find_min(num1, num2){
       if (num1 < num2)
       return num1
       return num2
    }
    # Returns maximum number
    function find_max(num1, num2){
       if (num1 > num2)
       return num1
       return num2
    }
    # Main function
    function main(num1, num2){
       # Find minimum number
       result = find_min(10, 20)
       print "Minimum =", result
      
       # Find maximum number
       result = find_max(10, 20)
       print "Maximum =", result
    }
    # Script execution starts here
    BEGIN {
       main(10, 20)
    }
    

    执行上述代码,会得到下面的输出

    Minimum = 10
    Maximum = 20
    

    输出重定向

    重定向操作符

    到目前为止,我们所有的程序都是直接显示数据到了标准输出流,其实,我们也可以将输出重定向到文件。重定向操作符跟在printprintf函数的后面,与shell中的用法基本一致。

    print DATA > output-file
    print DATA >> output-file
    

    例如,下面两条命令输出是一致的

    $ echo "Hello, World !!!" > /tmp/message.txt
    $ awk 'BEGIN { print "Hello, World !!!" > "/tmp/message.txt" }'
    

    与shell中一样,>用于将输出写入到指定的文件中,如果文件中有内容则覆盖,而>>则为追加模式写入。

    $ awk 'BEGIN { print "Hello, World !!!" >> "/tmp/message.txt" }'
    $ cat /tmp/message.txt
    

    管道

    除了将输出重定向到文件之外,我们还可以将输出重定向到其它程序,与shell中一样,我们可以使用管道操作符|

    $ awk 'BEGIN { print "hello, world !!!" | "tr [a-z] [A-Z]" }'
    HELLO, WORLD !!!
    

    AWK中可以使用|&进行双向连接,那么什么是双向连接呢?一种常见的场景是我们发送数据到另一个程序处理,然后读取处理结果,这种场景下就需要打开一个到另外一个进程的双向管道了。第二个进程会与gawk程序并行执行,这里称其为 协作进程。与单向连接使用|操作符不同的是,双向连接使用|&操作符。

    do {
        print data |& "subprogram"
        "subprogram" |& getline results
    } while (data left to process)
    close("subprogram")
    

    第一次I/O操作使用了|&操作符,gawk会创建一个到运行其它程序的子进程的双向管道,print的输出被写入到了subprogram的标准输入,而这个subprogram的标准输出在gawk中使用getline函数进行读取。

    注意:目前协同进程的标准错误输出将会和gawk的标准错误输出混杂在一起,无法单独获取标准错误输出。另外,I/O缓冲可能存在问题,gawk程序会自动的刷新所有输出到下游的协同进程的管道。但是,如果协同进程没有刷新其标准输出的话,gawk将可能会在使用getline函数从协同进程读取输出的时候挂起,这就可能引起死锁。

    我们可以使用close函数关闭双向管道的to或者from一端,这两个字符串值告诉gawk发送数据到协同进程完成时或者从协同进程读取完毕时关闭管道。在使用系统命令sort的时候是这样做是非常必要的,因为它必须等所有输出都读取完毕时才能进行排序。

    BEGIN {
        command = "LC_ALL=C sort"
        n = split("abcdefghijklmnopqrstuvwxyz", a, "")
    
        for (i = n; i > 0; i--)
            print a[i] |& command
        close(command, "to")
    
        while ((command |& getline line) > 0)
            print "got", line
        close(command)
    }
    

    例如,下面的例子中使用tr命令转换小写为大写。我们的command.awk文件包含以下内容

    BEGIN {
       cmd = "tr [a-z] [A-Z]"
       print "hello, world !!!" |& cmd
       close(cmd, "to")
       
       cmd |& getline out
       print out;
       close(cmd);
    }
    

    输出

    HELLO, WORLD !!!
    

    上例看起来有些复杂,我们逐行分析一下

    • 首先,第一行 cmd = "tr [a-z] [A-Z]" 是在AWK中要建立双向连接的命令
    • 第二行的print命令用于为tr命令提供输入,而 |& 用于指出要建立双向连接
    • 第三行用于在上面的语句close(cmd, "to"),在执行完成后关闭其to进程
    • 第四行 cmd |& getline out使用getline函数存储输出到变量out中
    • 最后一行使用close函数关闭命令

    美化输出

    到目前为止,我们已经使用过printprintf函数显示数据到标准输出,但是printf函数实际上要比我们之前使用的情况更加强大得多。该函数是从C语言中借鉴来的,在处理格式化的输出时非常有用。

    $ awk 'BEGIN { printf "Hello\nWorld\n" }'
    Hello
    World
    
    $ awk 'BEGIN { printf "ASCII value 65 = character %c\n", 65 }'
    ASCII value 65 = character A
    

    格式化输出标识有 %c%d%s 等,基本与C语言一致,这里就不多赘述了。

    执行shell命令

    在AWK中执行shell命令有两种方式

    • 使用system函数
    • 使用管道

    使用system函数

    system函数用于执行操作系统命令并且返回命令的退出码到awk。

    END {
         system("date | mail -s 'awk run done' root")
    }
    

    使用管道

    如果要执行的命令很多,可以将输出的命令直接用管道传递给"/bin/sh"执行

    while (more stuff to do)
        print command | "/bin/sh"
    close("/bin/sh")
    

    参考

    本文将会持续修正和更新,最新内容请参考我的 GITHUB 上的 程序猿成长计划 项目,欢迎 Star。

    相关文章

      网友评论

        本文标题:三十分钟学会AWK

        本文链接:https://www.haomeiwen.com/subject/dnkjxttx.html