awk:一个强大的文本分析工具

时间:2021-09-20 02:55:54

awk:一个强大的文本分析工具

awk 是流式编辑器,针对文档中的行来操作,一行一行地执行。awk 可以非常方便、高效地操作文档以及字符,从而实现我们想要的格式。它的功能非常强大,我在 shell 脚本中经常使用它来处理字符串。下面介绍几个在工作中使用 awk 较频繁的用法。

1.   截取文档中的某个段

 

示例命令如下:

  1. # head -n2 test.txt |awk -F ':' '{print $1}'
  2. root
  3. bin

本例中,-F 选项的作用是指定分隔符。如果不加 -F 选项,则以空格或者 tab 为分隔符。print 为打印的动作,用来打印某个字段。$1 为第 1 个字段,$2 为第 2 个字段,以此类推。但 $0 比较特殊,它表示整行:

  1. # head -n2 test.txt |awk -F':' '{print $0}'
  2. root:x:0:0:root:/root:/bin/bash
  3. bin:x:1:1:bin:/bin:/sbin/nologin

注意 awk 的格式,-F 后面紧跟单引号,单引号里面为分隔符。print 的动作要用 {} 括起来,否则会报错。print 还可以打印自定义的内容,但是自定义的内容要用双引号括起来,如下所示:

  1. # head -n2 test.txt |awk -F ':' '{print $1"#"$2"#"$3"#"$4}'
  2. root#x#0#0
  3. bin#x#1#1

2. 匹配字符或者字符串

 

在文档中过滤出包含指定字符串的行,示例命令如下:

  1. # awk '/oo/' test.txt
  2. root:x:0:0:root:/root:/bin/bash
  3. lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin
  4. mail:x:8:12:mail:/var/spool/mail:/sbin/nologin
  5. operator:x:11:0:operator:/root:/sbin/nologin
  6. postfix:x:89:89::/var/spool/postfix:/sbin/nologin
  7. setroubleshoot:x:992:990::/var/lib/setroubleshoot:/sbin/nologin

这跟 sed 的用法类似,能实现 grep 的功能,但没有颜色显示,肯定没有 grep 用起来方便。不过 awk 还有比 sed 更强大的匹配,如下所示:

  1. # awk -F ':' '$1 ~/oo/' test.txt
  2. root:x:0:0:root:/root:/bin/bash
  3. setroubleshoot:x:992:990::/var/lib/setroubleshoot:/sbin/nologin

它可以让某个段去匹配,这里的~就是匹配的意思。

此外,awk 还可以多次匹配,如下所示:

  1. # awk -F ':' '/root/ {print $1,$3} /test/ {print $1,$3}' test.txt
  2. root 0
  3. operator 11
  4. test 1006

本例中,awk 匹配完 root,再匹配 test,并且只打印所匹配的段。

3. 条件操作符

 

有时候,在匹配字符的同时要给出限定条件,比如第 3 段为 0 。示例命令如下:

  1. # awk -F ':' '$3=="0"' /etc/passwd
  2. root:x:0:0:root:/root:/bin/bash

awk 中,我们可以用逻辑符号进行判断,比如 == 就是等于,也可以理解为精确匹配。另外,还有 >>=<<=!=等。值得注意的是,在和数字比较时,若把要比较的数字用双引号引起来,那么 awk 不会将其认为是数字,而会认为是字符,不加双引号就会认为是数字。示例命令如下:

  1. # awk -F ':' '$3>="500"' /etc/passwd |head -n 5
  2. shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown
  3. halt:x:7:0:halt:/sbin:/sbin/halt
  4. mail:x:8:12:mail:/var/spool/mail:/sbin/nologin
  5. nobody:x:65534:65534:Kernel Overflow User:/:/sbin/nologin
  6. dbus:x:81:81:System message bus:/:/sbin/nologin

本例中,阿铭本想把 uid 大于等于 500 的行打印出来,但是结果并不理想。这是因为 awk 把所有的数字都当作字符了,就跟上一章中提到的 sort 排序原理一样。但是,如果不加双引号,就得到了想要的结果:

  1. # awk -F ':' '$3>=500' /etc/passwd|head -n 5
  2. nobody:x:65534:65534:Kernel Overflow User:/:/sbin/nologin
  3. systemd-coredump:x:999:997:systemd Core Dumper:/:/sbin/nologin
  4. polkitd:x:998:996:User for polkitd:/:/sbin/nologin
  5. geoclue:x:997:995:User for geoclue:/var/lib/geoclue:/sbin/nologin
  6. unbound:x:996:991:Unbound DNS resolver:/etc/unbound:/sbin/nologin
  1. # awk -F ':' '$7!="/sbin/nologin"' /etc/passwd
  2. root:x:0:0:root:/root:/bin/bash
  3. sync:x:5:0:sync:/sbin:/bin/sync
  4. shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown
  5. halt:x:7:0:halt:/sbin:/sbin/halt
  6. aminglinux:x:1000:1000:aminglinux:/home/aminglinux:/bin/bash

上例中,!= 表示不匹配,它除了针对某一个段的字符进行逻辑比较外,还可以在两个段之间进行逻辑比较。如下所示:

  1. # awk -F ':' '$3<$4' /etc/passwd
  2. adm:x:3:4:adm:/var/adm:/sbin/nologin
  3. lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin
  4. mail:x:8:12:mail:/var/spool/mail:/sbin/nologin
  5. games:x:12:100:games:/usr/games:/sbin/nologin
  6. ftp:x:14:50:FTP User:/var/ftp:/sbin/nologin

另外,还可以使用 && 和 ||,它们分别表示“并且”和“或者”。&& 的用法如下:

  1. # awk -F ':' '$3>"5" && $3<"7"' /etc/passwd
  2. shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown
  3. nobody:x:65534:65534:Kernel Overflow User:/:/sbin/nologin
  4. tss:x:59:59:Account used by the trousers package to sandbox the tcsd daemon:/dev/null:/sbin/nologin

|| 的用法如下:

  1. # awk -F ':' '$3>1000 || $7=="/bin/bash"' /etc/passwd
  2. root:x:0:0:root:/root:/bin/bash
  3. nobody:x:65534:65534:Kernel Overflow User:/:/sbin/nologin
  4. aminglinux:x:1000:1000:aminglinux:/home/aminglinux:/bin/bash

4.  awk 的内置变量

 

awk 常用的变量有 OFSNFNROFS-F 选项有类似的功能,也是用来定义分隔符的,但是它是在输出的时候定义的。NF 表示用分隔符分隔后一共有多少段。NR 表示行号。

OFS 的用法示例如下:

  1. # head -5 /etc/passwd |awk -F ':' '{OFS="#"} {print $1,$3,$4}'
  2. root#0#0
  3. bin#1#1
  4. daemon#2#2
  5. adm#3#4
  6. lp#4#7

还有更高级一些的用法:

  1. # awk -F ':' '{OFS="#"} {if ($3>=1000) {print $1,$2,$3,$4}}' /etc/passwd
  2. nobody#x#65534#65534
  3. aminglinux#x#1000#1000

变量 NF 的具体用法如下:

  1. # head -n3 /etc/passwd | awk -F ':' '{print NF}'
  2. 7
  3. 7
  4. 7 
  1. # head -n3 /etc/passwd | awk -F ':' '{print $NF}'
  2. /bin/bash
  3. /sbin/nologin
  4. /sbin/nologin

这里 NF 是多少段,$NF 是最后一段的值。变量 NR 的具体用法如下:

  1. # head -n3 /etc/passwd | awk -F ':' '{print NR}'
  2. 1
  3. 2
  4. 3

我们还可以使用 NR 作为判断条件,如下所示:

  1. # awk 'NR>40' /etc/passwd
  2. insights:x:978:976:Red Hat Insights:/var/lib/insights:/sbin/nologin
  3. sshd:x:74:74:Privilege-separated SSH:/var/empty/sshd:/sbin/nologin
  4. avahi:x:70:70:Avahi mDNS/DNS-SD Stack:/var/run/avahi-daemon:/sbin/nologin
  5. tcpdump:x:72:72::/:/sbin/nologin
  6. aminglinux:x:1000:1000:aminglinux:/home/aminglinux:/bin/bash

NR 也可以配合段匹配一起使用,如下所示:

  1. # awk -F ':' 'NR<20 && $1 ~ /roo/' /etc/passwd
  2. root:x:0:0:root:/root:/bin/bash

5.  awk 中的数学运算

 

awk 可以更改段值,示例命令如下:

  1. # head -n 3 /etc/passwd |awk -F ':' '$1="root"'
  2. root x 0 0 root /root /bin/bash
  3. root x 1 1 bin /bin /sbin/nologin
  4. root x 2 2 daemon /sbin /sbin/nologin

awk 也可以对各个段的值进行数学运算,示例命令如下:

  1. # head -n2 /etc/passwd
  2. root:x:0:0:root:/root:/bin/bash
  3. bin:x:1:1:bin:/bin:/sbin/nologin
  1. # head -n2 /etc/passwd |awk -F ':' '{$7=$3+$4}'
  1. # head -n2 /etc/passwd |awk -F ':' '{$7=$3+$4; print $0}'
  2. root x 0 0 root /root 0
  3. bin x 1 1 bin /bin 2

awk 还可以计算某个段的总和,示例命令如下:

  1. # awk -F ':' '{(tot=tot+$3)}; END {print tot}' /etc/passwd
  2. 84699

这里的 ENDawk 特有的语法,表示所有的行都已经执行。如下所示:

  1. # awk -F ':' '{if ($1=="root") {print $0}}' /etc/passwd
  2. root:x:0:0:root:/root:/bin/bash

其实 awk 可以写成一个脚本文件,而且有它特有的语法。在 awk 中使用 if 判断、for 循环都可以,只是在日常管理工作中,使用那么复杂的语句并不常见。

最后,我们再附上常见正则字符的解释。

  • . 表示任意一个字符,比如空格、特殊符号等。
  • * 表示 * 前面的字符有 0 个或多个,比如 a* 那就是 0 个 a 或者多个 a
  • .* 表示任意个任意字符,就是贪婪匹配了。
  • + 就是 + 前面的字符有 1 个或者多个,如 a+ 就是 aaaaaa……
  • ? 就是 ? 前面的字符有 1 个或者 0 个。
  • { } 里面是一个范围,如 {1,5} 就是 { } 前面的字符有 1~5 个。
  • | 表示或者,如 a|b 就是 a 或者 b
  • [ ] 表示这里面的任意一个字符,如 [abc] 就是 a 或者 b 或者 c。此外,也可以用范围 [0-9] 表示任意一个数字,用 [a-z] 表示任意一个小写字母。
  • ^ 表示开头。
  • $ 表示结尾。

本篇文章节选自《跟阿铭学 Linux(第4版)》一书。

原文地址:https://linux.cn/article-13177-1.html