awk 文本处理
awk 是一种样式扫描和处理语言,使用 Linux 的 awk 命令可以高效快捷地进行文本处理。awk 扫描文本的每一行并执行指定的命令。
awk 诞生于 1977 年,借鉴了 C 语言等编程语言,名字取自三位设计者 Alfred Aho、Peter Weinberger 和 Brian Kernighan 的姓氏。awk 的版本众多,本文中使用的是 Ubuntu 上的 GNU Awk,在 MacOS 上可以使用 HomeBrew 安装 gawk。
用法
awk 可以直接在命令行中执行,也可以编写.awk
后缀的文件然后执行。awk 以行为单位进行文本处理,对于接收到的每一行都会执行指定的行为。
命令行执行
$ awk [ -F fs ] [ -v var=value ] 'pattern {action}' [ file ... ]
复制代码
复制
其中 -F
指定分隔符,-v
指定 awk 的内置变量。
例如对于 /etc/passwd
文件中的内容:
root:x:0:0:root:/root:/usr/bin/zsh
daemon:x:1:1:daemon:/usr/sbin:/usr/sbin/nologin
bin:x:2:2:bin:/bin:/usr/sbin/nologin
sys:x:3:3:sys:/dev:/usr/sbin/nologin
复制代码
复制
如果要输出每一行的内容,可以使用
$ awk '{print $0}' /etc/passwd
复制代码
复制
其中 $0
表示扫描到的文本行。
文件执行
.awk
文件可以分成三个部分来写,如下:
# passwd.awk
BEGIN{
FS="\n";
print "Before action";
}
{
print $0;
}
END{
print "After action";
}
复制代码
复制
BEGIN 块用于定义处理每一行之前的行为,可以用来设置 awk 的内置变量,设置好后在后面处理每一行时都会生效。
END 块用于定义处理完文本之后的行为,可以用来输出一些总结信息。
BEGIN 和 END 中间的块是对于每一行的操作。直接在命令行中执行 awk 时也可以用 BEGIN 和 END 块。
写好文件后在命令行中执行:
Before action
root:x:0:0:root:/root:/usr/bin/zsh
daemon:x:1:1:daemon:/usr/sbin:/usr/sbin/nologin
bin:x:2:2:bin:/bin:/usr/sbin/nologin
sys:x:3:3:sys:/dev:/usr/sbin/nologin
After action
复制代码
复制
变量
$ + 数字
$0
表示扫描到的行,$1
表示将该行分隔后的第 1 项,$2
表示将该行分隔后的第 2 项,以此类推。
为了输出 /etc/passwd
的用户名(第一项),可以执行下面语句:
$ awk -F ':' '{print $1}' /etc/passwd
root
daemon
bin
sys
复制代码
复制
这里以处理第一行 root:x:0:0:root:/root:/usr/bin/zsh
为例,awk 处理是会先按照 -F
设置的分隔符 :
将这行分割为 root x 0 0 root /root /usr/bin/zsh
然后输出第一项 root
特殊变量
-
FS(field separator)
FS 是输入字段分隔符,例如上面设置的
:
,其默认值是空格,可以在命令行中使用-F
设置,也可以在 BEGIN 块中通过FS=
设置为某个字符串或者一个正则表达式。例如:$ awk -F ":" '{print $1,$2,$3}' /etc/passwd root x 0 daemon x 1 bin x 2 sys x 3 复制代码
复制 -
OFS(output field separator)
OFS 是输出字段连接符,上面例子中的输出默认使用空格作为输出字段连接符,通过设置 OFS 变量进行修改:
$ awk -F ":" -v OFS="-" '{print $1,$2,$3}' /etc/passwd root-x-0 daemon-x-1 bin-x-2 sys-x-3 复制代码
复制 -
RS(record separator)
前面提到的例子中,awk 都默认以行为单位处理文本,每一行保存了一条记录,这是因为默认的记录分隔符 RS 为 "\n"。还有一些文本在存储时并不是想 csv 等文件一样以行单位,例如:
# people.txt P1 male 15 p2 female 20 p3 male 19 复制代码
复制上面的文件中使用 "\n\n" 分隔记录,每个记录中又使用 "\n" 分隔字段,可以这样处理:
$ awk -F "\n" -v RS="\n\n" '{print $1,$2,$3}' people.txt P1 male 15 p2 female 20 p3 male 19 复制代码
复制 -
ORS(output field separator)
与 RS 类似,ORS 设置输出的记录分隔符。
$ awk -F "\n" -v RS="\n\n" -v ORS="\n***\n" '{print $1,$2,$3}' people.txt P1 male 15 *** p2 female 20 *** p3 male 19 *** 复制代码
复制 -
NR(number of records)
NR 表示当前正在处理的记录的是第几项,如果 NR 出现在 END 块中则表示已处理的记录数
$ awk -F ":" '{print "line" NR ":" $1,$2,$3}' /etc/passwd line1:root x 0 line2:daemon x 1 line3:bin x 2 line4:sys x 3 复制代码
复制如果同时处理多个文件,那么这个项数会累加
$ awk -F ":" '{print "record" NR ":" $1,$2,$3}' people.txt /etc/passwd record1:P1 record2:male record3:15 record4: record5:p2 record6:female record7:20 record8: record9:p3 record10:male record11:19 record12:root x 0 record13:daemon x 1 record14:bin x 2 record15:sys x 3 复制代码
复制 -
NF(number of fields)
NF 表示一条记录中分隔后的字段数,因此这个值与设置的 FS 有关:
# 以 ":" 为分隔符 $ awk -F ":" '{print "record" NR " with " NF " fields:" $1,$2,$3}' /etc/passwd record1 with 7 fields:root x 0 record2 with 7 fields:daemon x 1 record3 with 7 fields:bin x 2 record4 with 7 fields:sys x 3 # 以 "o" 为分隔符 $ awk -F "o" '{print "record" NR " with " NF " fields:" $1,$2,$3}' /etc/passwd record1 with 7 fields:r t:x:0:0:r record2 with 5 fields:daem n:x:1:1:daem n:/usr/sbin:/usr/sbin/n record3 with 3 fields:bin:x:2:2:bin:/bin:/usr/sbin/n l gin record4 with 3 fields:sys:x:3:3:sys:/dev:/usr/sbin/n l gin 复制代码
复制 -
FILENAME
FILENAME 是当前正在处理的文件的名字
$ awk -F ":" '{print FILENAME}' /etc/passwd people.txt /etc/passwd /etc/passwd /etc/passwd /etc/passwd people.txt people.txt people.txt people.txt people.txt people.txt people.txt people.txt people.txt people.txt people.txt 复制代码
复制这个值在开始处理记录后才有意义,因此在 BEGIN 块中尝试输出 FILENAME 将得到空值
-
FNR
前面的 NR 表示的项数在处理多个文件时会累加,而FNR 表示记录位于当前文件的第几项
awk -F ":" '{print "record" FNR ":" $1,$2,$3}' people.txt /etc/passwd record1:P1 record2:male record3:15 record4: record5:p2 record6:female record7:20 record8: record9:p3 record10:male record11:19 record1:root x 0 record2:daemon x 1 record3:bin x 2 record4:sys x 3 复制代码
复制
内置函数
awk 提供了一些内置函数,便于文本和运算的处理,包括获取字符串长度的 length()
,获取随机数的 rand()
,计算正余弦的 sin()
和 cos()
。
这些函数可以在官方手册中查询。
记录筛选
上面的所有的例子都对每一条记录进行了操作,事实上还可以用条件进行筛选。
正则判断
使用正则表达式可以对记录进行模式匹配:
$ awk -F ':' '/root/ {print $1,$2,$3}' /etc/passwd
root x 0
复制代码
复制
这里筛选出了包含 root
的记录。
条件判断
结合 awk 的内置变量和函数也可以进行筛选:
# 输出第一个字段长度大于 2 且在 第 1 条记录之后的记录
$ awk -F ':' 'length($1)>3 && NR>1 {print $0}' /etc/passwd
daemon:x:1:1:daemon:/usr/sbin:/usr/sbin/nologin
复制代码
复制
if 语句
awk 也提供了 if 语句:
# 输出第 3 个字段为 0 的记录
$ awk -F ':' '{if ($3==0)print $0}' /etc/passwd
root:x:0:0:root:/root:/usr/bin/zsh
复制代码
复制
awk 还有 for 语句,与 C 语言中形式类似:
$ awk -v ORS="," 'BEGIN{ for(i=1;i<5;i++) print i}'
1,2,3,4,
复制代码
复制
字符与数字
awk 提供了对数学运算符和逻辑运算符的支持的支持,在 awk 中字符串与数字间还可以直接进行强制类型转换,+0
可以强制转换为数字,与空格拼接可以转换为字符串:
awk 'BEGIN{print "origin\tnumber\tstring"}{print $0,"\t",$0+0,"\t",$0 ""}' people.txt
origin number string
P1 0 P1
male 0 male
15 15 15
0
p2 0 p2
female 0 female
20 20 20
0
p3 0 p3
male 0 male
19 19 1
复制代码
复制
这里使用了 $0 ""
的表示方式将原记录与空格进行了拼接,但在某些情况下会出现问题,考虑下面的语句:
$ awk 'BEGIN { print -12 " " -24 }'
-| -12-24
复制代码
复制
这里想要在 -12 和 -24 中间加一个空格,但没有得到想要的结果,这是由于数学运算符的优先级高于拼接操作,所以解析顺序如下:
-12 (" " - 24)
⇒ -12 (0 - 24)
⇒ -12 (-24)
⇒ -12-24
复制代码
复制
要得到正确的正确的结果需要使用括号结合:
$ awk 'BEGIN { print -12 " " (-24) }'
-| -12 -24
复制