我們知道 Linux 三劍客，它們是grep、sed、awk。在前邊已經(jīng)講過(guò) grep 和 sed，沒(méi)看過(guò)的同學(xué)可以直接點(diǎn)擊閱讀，今天要分享的是更為強(qiáng)大的 awk。

sed 可以實(shí)現(xiàn)非交互式的字符串替換，grep 能夠?qū)崿F(xiàn)有效的過(guò)濾功能。與兩者相比，awk 是一款強(qiáng)大的文本分析工具，在對(duì)數(shù)據(jù)分析并生成報(bào)告時(shí)，顯得尤為強(qiáng)悍。

awk 強(qiáng)大的功能，是一般 Linux 命令無(wú)法比擬的。在本文中，我不會(huì)告訴你 awk 也是一種編程語(yǔ)言，免得會(huì)嚇到你。我們只需把它當(dāng)做 Linux 下一款強(qiáng)大的文本分析工具即可。

這篇文章，我仍然秉持著實(shí)用、實(shí)踐原則，提供大量的示例，但不會(huì)面面俱到。通過(guò)本文可以幫助你，快速將 awk 運(yùn)用起來(lái)，這些東西足夠應(yīng)付工作中大多數(shù)應(yīng)用場(chǎng)景。

場(chǎng)景

學(xué)習(xí)具體使用前，先來(lái)看下 awk 能干些什么事情：

1. 能夠?qū)⒔o定的文本內(nèi)容，按照我們期望的格式輸出顯示，打印成報(bào)表。

2. 分析處理系統(tǒng)日志，快速地分析挖掘我們關(guān)心的數(shù)據(jù)，并生成統(tǒng)計(jì)信息；

3. 方便地用來(lái)統(tǒng)計(jì)數(shù)據(jù)，比如網(wǎng)站的訪問(wèn)量，訪問(wèn)的 IP 量等；

4. 通過(guò)各種工具的組合，快速地匯總分析系統(tǒng)的運(yùn)行信息，讓你對(duì)系統(tǒng)的運(yùn)行了如指掌；

5. 強(qiáng)大的腳本語(yǔ)言表達(dá)能力，支持循環(huán)、條件、數(shù)組等語(yǔ)法，助你分析更加復(fù)雜的數(shù)據(jù)；

......

當(dāng)然 awk 不僅能做這些事情，當(dāng)你將它的用法融匯貫通時(shí)，可以隨心所欲的按照你的意愿，來(lái)進(jìn)行高效的數(shù)據(jù)分析和統(tǒng)計(jì)。

不過(guò)我們需要知道，awk 不是萬(wàn)能的，它比較擅長(zhǎng)處理格式化的文本，比如 日志、csv 格式數(shù)據(jù)等；

原理

我們先來(lái)簡(jiǎn)單了解 awk 基本工作原理，通過(guò)下邊的圖文講述，希望你能了解 awk 到底是如何工作的。

awk 基本命令格式

結(jié)合下圖來(lái)詳細(xì)說(shuō)明 awk 工作原理

首先，執(zhí)行關(guān)鍵字 BEGIN 標(biāo)識(shí)的 {} 中的命令；

完成 BEGIN 大括號(hào)中命令的后，開(kāi)始執(zhí)行 body 命令；

逐行讀取數(shù)據(jù)，默認(rèn)讀到 分割的內(nèi)容為一條記錄，其實(shí)就是行的概念；

將記錄按照指定的分隔符劃分為字段，其實(shí)就是列的概念；

循環(huán)執(zhí)行 body 塊中的命令，每讀取一行，執(zhí)行一次 body，最終完成 body 執(zhí)行；

最后，執(zhí)行 END 命令，通常會(huì)在 END 中輸出最后的結(jié)果；

awk 是輸入驅(qū)動(dòng)的，有多少輸入行，就會(huì)執(zhí)行多少次 body 命令。

我們?cè)谙逻叺氖纠龑W(xué)習(xí)中，要時(shí)刻記著：記錄(Record) 就是行，字段(Field) 就是列，BEGIN 是預(yù)處理階段，body 是 awk 真正工作的階段，END 是最后處理階段。

實(shí)戰(zhàn) - 入門(mén)

從下邊內(nèi)容開(kāi)始，我們直接進(jìn)入到實(shí)戰(zhàn)。為了方便舉例，我先把如下信息保存到 file.txt

好了，我們先來(lái)一個(gè)最簡(jiǎn)單最常用的 awk 示例，輸出第 1、4、8 列：

大括號(hào)里邊的就是 awk 語(yǔ)句，只能被單引號(hào)包含，其中，$1..$N表示第幾列，$0 表示整個(gè)行內(nèi)容

再來(lái)看下 awk 比較實(shí)用的功能格式化輸出。和 C 語(yǔ)言的 printf 格式輸出是一毛一樣，我個(gè)人特別喜歡這種格式化方式，而不是 C++ 中的流的方式。

%s 表示字符串占位符，-4表示列寬度為 4，且左對(duì)齊，我們還可以根據(jù)需要，列出更復(fù)雜的格式來(lái)，這里先不詳細(xì)舉例了。

實(shí)戰(zhàn) - 進(jìn)階

（一）過(guò)濾記錄

有些數(shù)據(jù)可能不是你想要的，可以根據(jù)需要進(jìn)行過(guò)濾

上邊的過(guò)濾條件為，第 3 列為 root 且第 6 列為 10 的行，才會(huì)被輸出。

awk 支持各種比較運(yùn)算符號(hào) !=、>、<、>=、<=，其中 $0 表示整行的所有內(nèi)容。

（二）內(nèi)置變量

awk 內(nèi)置了一些變量，更方便我們對(duì)數(shù)據(jù)的處理

過(guò)濾第 3 列為 root 用戶，以及第 2 行內(nèi)容，且打印時(shí)輸出行號(hào)。NR 表示當(dāng)前第幾行，NF表示當(dāng)前行有幾列。

（三）指定分隔符

我們的數(shù)據(jù)，不總是以空格為分隔符，我們可以通過(guò) FS 變量指定分隔符。

我們指定分隔符為 2019，這樣就將行內(nèi)容分割為了兩部分，將 2019 替換成了 *

上邊的命令也可以通過(guò) -F 選項(xiàng)指定分割符

如果你需要指定多個(gè)分隔符，可以這樣做 -F '[;:]'。相信聰明的你，一定能夠理解并融會(huì)貫通的。

同樣，awk 可以指定輸出時(shí)的分隔符，通過(guò) OFS 變量來(lái)設(shè)置

輸出時(shí)，各字段用 OFS 指定的符號(hào)進(jìn)行了分隔。

實(shí)戰(zhàn) - 高級(jí)

（一）條件匹配

列出 root 用戶的所有文件，以及第一行文件

上邊匹配第三列中包含 root 的行，~ 其實(shí)就是正則表達(dá)式的匹配。

同樣，awk 可以像 grep 一樣匹配某一行，就像這樣

另外，可以這樣 /Aug|Dec/ 匹配多個(gè)關(guān)鍵詞。

模式取反可以使用 ! 符號(hào)

（二）拆分文件

我們來(lái)做一件有意思的事情，可以將文本信息拆分為多個(gè)文件，下邊命令按照月份（第5列）將文件信息拆分為多個(gè)文件

awk 支持重定向符號(hào) >，直接將每行內(nèi)容重定向到月份命名的文件了，當(dāng)然你也可以把指定的列輸出到文件

（三）if 語(yǔ)句

復(fù)雜的條件判斷，可以使用 awk 的 if 語(yǔ)句，awk 的強(qiáng)大正因?yàn)樗莻€(gè)腳本解釋器，擁有一般腳本語(yǔ)言的編程能力，下邊示例通過(guò)稍微復(fù)雜的條件進(jìn)行拆分文件

要注意，if 語(yǔ)句是在大括號(hào)里邊的。

（四）統(tǒng)計(jì)

統(tǒng)計(jì)當(dāng)前目錄下，所有 *.c、*.h 文件所占用空間大小總和

第 5 列表示文件大小，每讀取一行就會(huì)將該文件大小計(jì)算到 sum 變量中，在最后 END 階段打印出 sum，也就是所有文件的大小總和。

再來(lái)看一個(gè)例子，統(tǒng)計(jì)每個(gè)用戶的進(jìn)程占用了多少內(nèi)存，注意取值的是 RSS 那一列

這里用到了 數(shù)組 和 for 循環(huán)，值得一提的是，awk 的數(shù)組可以理解為字典或 Map，key 可以是數(shù)值和字符串，這種數(shù)據(jù)類型在平時(shí)很常用。

（五）字符串

通過(guò)下邊簡(jiǎn)單示例，展示 awk 對(duì)字符串操作的支持

awk 內(nèi)置支持一系列的字符串函數(shù)，length 計(jì)算字符串長(zhǎng)度，toupper 函數(shù)轉(zhuǎn)換字符串為大寫(xiě)。

實(shí)戰(zhàn) - 技巧

為了從整體上理解 awk 工作機(jī)制，我們?cè)賮?lái)看一個(gè)綜合的示例，假設(shè)有一個(gè)學(xué)生成績(jī)單：

由于此示例程序稍顯復(fù)雜，在命令行上不易讀，另外呢，也想通過(guò)此案例介紹另外一種 awk 的執(zhí)行方式，我們的 awk 腳本如下：

執(zhí)行 awk 結(jié)果如下

我們可以將復(fù)雜的 awk 語(yǔ)句寫(xiě)入腳本文件 cal.awk，然后通過(guò) -f 選項(xiàng)指定從腳本文件執(zhí)行。

在 BEGIN 階段，我們初始化了相關(guān)變量，并打印了表頭的格式

在 body 階段，我們讀取每一行數(shù)據(jù)，計(jì)算該學(xué)科和該同學(xué)的總成績(jī)

在 END 階段，我們先打印了表尾的格式，并打印總成績(jī)，以及計(jì)算了平均值

這個(gè)簡(jiǎn)單示例，完整的體現(xiàn)了 awk 的工作機(jī)制和原理，希望通過(guò)此示例能夠幫你真正理解 awk 是如何工作的。

總結(jié)歸納

通過(guò)上述的示例，我們學(xué)習(xí)到了 awk 的工作原理，下邊我們來(lái)總結(jié)下幾個(gè)概念和常用的知識(shí)點(diǎn)。

（一）內(nèi)置變量

1. 每一行內(nèi)容記錄，叫做記錄，英文名稱 Record

2. 每行中通過(guò)分隔符隔開(kāi)的每一列，叫做字段，英文名稱 Field

明確這幾個(gè)概念后，我們來(lái)總結(jié)幾個(gè)重要的內(nèi)置變量：

NR：表示當(dāng)前的行數(shù)；

NF：表示當(dāng)前的列數(shù)；

RS：行分隔符，默認(rèn)是換行；

FS：列分隔符，默認(rèn)是空格和制表符；

OFS：輸出列分隔符，用于打印時(shí)分割字段，默認(rèn)為空格

ORS：輸出行分隔符，用于打印時(shí)分割記錄，默認(rèn)為換行符

（二）輸出格式

awk 提供 printf 函數(shù)進(jìn)行格式化輸出功能，具體的使用方式和 C 語(yǔ)法基本一致。

基本用法

常用的格式化方式：

%d 十進(jìn)制有符號(hào)整數(shù)

%u 十進(jìn)制無(wú)符號(hào)整數(shù)

%f 浮點(diǎn)數(shù)

%s 字符串

%c 單個(gè)字符

%e 指數(shù)形式的浮點(diǎn)數(shù)

%x %X 無(wú)符號(hào)以十六進(jìn)制表示的整數(shù)

%0 無(wú)符號(hào)以八進(jìn)制表示的整數(shù)

%g 自動(dòng)選擇合適的表示法

換行符

Tab符

（三）編程語(yǔ)句

awk 不僅是一個(gè) Linux 命令行工具，它其實(shí)是一門(mén)腳本語(yǔ)言，支持程序設(shè)計(jì)語(yǔ)言所有的控制結(jié)構(gòu)，它支持：

條件語(yǔ)句

循環(huán)語(yǔ)句

數(shù)組

函數(shù)

（四）常用函數(shù)

awk 內(nèi)置了大量的有用函數(shù)功能，也支持自定義函數(shù)，允許你編寫(xiě)自己的函數(shù)來(lái)擴(kuò)展內(nèi)置函數(shù)。

這里只簡(jiǎn)單羅列一些比較常用的字符串函數(shù)：

index(s, t) 返回子串 t 在 s 中的位置

length(s) 返回字符串 s 的長(zhǎng)度

split(s, a, sep) 分割字符串，并將分割后的各字段存放在數(shù)組 a 中

substr(s, p, n) 根據(jù)參數(shù)，返回子串

tolower(s) 將字符串轉(zhuǎn)換為小寫(xiě)

toupper(s) 將字符串轉(zhuǎn)換為大寫(xiě)

這里只簡(jiǎn)單總結(jié)一些常用的字符串功能函數(shù)，具體使用方法，還需要你參照前邊的示例程序，舉一反三，運(yùn)用到實(shí)際問(wèn)題中。

責(zé)任編輯：lq