由于这些年 Python 和机器学习的流行，一说到 CSV 文件，马上想到的工具是 pandas。pandas 很好，但是很多简单的处理，用一个更轻量的工具可以实现，而且几乎所有的 Unix/Linux 系统都附带了这工具（当然也包括 macOS）。这就是 awk。我这篇要谈的是 awk 的几个使用例子。
假设有一个文件 bangumi.csv 内容如下：
日期 番名 更新集数 播放(万)
周一 书店里的骷髅店员本田 第5话 242.6
周二 关于我转生变成史莱姆这档事 第6话 2438.7
周三 强风吹拂 第6话 207.6
周四 青春猪头少年不会梦到兔女郎学姐 第6话 1847.9
周五 魔法禁书目录-第三季 第5话 1291.9
周六 JOJO的奇妙冒险-黄金之风 第5话 851.7
周日 刀剑神域-Alicization 第5话 2170.1
以下的各个例子都是对这个文件的处理。
一、输出某些列
例1
只想要番名那一列，可以这样用。
awk '{print $2}' bangumi.csv
结果：
番名
书店里的骷髅店员本田
关于我转生变成史莱姆这档事
强风吹拂
青春猪头少年不会梦到兔女郎学姐
魔法禁书目录-第三季
JOJO的奇妙冒险-黄金之风
刀剑神域-Alicization
注意点：
- awk 默认用空格或
\t来分隔列。列分隔符可以用-F选项来指定。 - 列从 1 开始计数，
$1表示第一列，$NF表示最后一列，$(NF-1)表示倒数第二列，$0表示整行。
例2
想要番名和日期那两列，并且调换下顺序，用,分隔，并且标出行号。
awk '{print NR ". " $2 "," $1}' bangumi.csv
结果：
1. 番名,日期
2. 书店里的骷髅店员本田,周一
3. 关于我转生变成史莱姆这档事,周二
4. 强风吹拂,周三
5. 青春猪头少年不会梦到兔女郎学姐,周四
6. 魔法禁书目录-第三季,周五
7. JOJO的奇妙冒险-黄金之风,周六
8. 刀剑神域-Alicization,周日
注意点：
- 双引号内的内容会原样输出。
- 变量 NR 表示行号。
二、输出某些行
例3
例2 中的结果包含了表头，这里修正一下，把表头去掉，只留下内容。
awk 'NR > 1 {print NR - 1 ". " $2 "," $1}' bangumi.csv
结果：
1. 书店里的骷髅店员本田,周一
2. 关于我转生变成史莱姆这档事,周二
3. 强风吹拂,周三
4. 青春猪头少年不会梦到兔女郎学姐,周四
5. 魔法禁书目录-第三季,周五
6. JOJO的奇妙冒险-黄金之风,周六
7. 刀剑神域-Alicization,周日
注意点：
- 加在大扩号前面的是对行的过滤条件。
- 因为输出少了一行，
NR - 1修正一下行号。
例4
输出更新到第5话的日期和番名。
awk '/第5话/ {print $1,$2}' bangumi.csv
结果：
周一 书店里的骷髅店员本田
周五 魔法禁书目录-第三季
周六 JOJO的奇妙冒险-黄金之风
周日 刀剑神域-Alicization
注意点：
- 行过滤条件可以用正则表达式
- 正则表达式要写在一对
/中间
三、统计
例5
在例4 的基础上，多输出一个行号。
错误示范：如果用 NR 输出行号，结果会是
# awk '/第5话/ {print NR ". " $1,$2}' bangumi.csv
2. 周一 书店里的骷髅店员本田
6. 周五 魔法禁书目录-第三季
7. 周六 JOJO的奇妙冒险-黄金之风
8. 周日 刀剑神域-Alicization
正确的做法是用一个变量来计数：
awk '/第5话/ {n+=1; print n ". " $1,$2}' bangumi.csv
结果：
1. 周一 书店里的骷髅店员本田
2. 周五 魔法禁书目录-第三季
3. 周六 JOJO的奇妙冒险-黄金之风
4. 周日 刀剑神域-Alicization
注意点：
- 用
;分隔多个动作。 - 变量初始值默认为空，空值用来计算的话，当0来处理。
例6
让例5 中的行号，从零开始。
awk 'BEGIN {n=-1} /第5话/ {n+=1; print n ". " $1,$2}' bangumi.csv
结果：
0. 周一 书店里的骷髅店员本田
1. 周五 魔法禁书目录-第三季
2. 周六 JOJO的奇妙冒险-黄金之风
3. 周日 刀剑神域-Alicization
注意点：
-
BEGIN的内容只在最开始的时候执行一次。
例7
把所有番剧的播放量累加一下，附在最后。
awk '{if (NR>1) s+=$4; print $0} END{print "----------------"; print "总播放量: " s "万"}' bangumi.csv
结果：
日期 番名 更新集数 播放(万)
周一 书店里的骷髅店员本田 第5话 242.6
周二 关于我转生变成史莱姆这档事 第6话 2438.7
周三 强风吹拂 第6话 207.6
周四 青春猪头少年不会梦到兔女郎学姐 第6话 1847.9
周五 魔法禁书目录-第三季 第5话 1291.9
周六 JOJO的奇妙冒险-黄金之风 第5话 851.7
周日 刀剑神域-Alicization 第5话 2170.1
----------------
总播放量: 9050.5万
注意点：
- 利用
if ()语句可以做细致的过滤。 -
END的内容只在前面的动作执行完之后执行一次。
如果想更多得了解「变量」「动作」等概念，可以参考一下阮一峰的这篇博客 awk 入门教程
网友评论