标签：awk
awk 是继 grep系 和 sed系 的第三个文本处理器gawk - pattern scanning and processing language
格式：
gawk [ options ] 'program' file ...
program：/PATTERN/{ACTION statement; ...}
PATTERN部分：决定动作语句何时触发以及通过什么事件来触发；
BEGIN,END
ACTION statement：对数据进行特定的处理，通常放置在{}中，并使用单引号进行引用；
print，printf
对awk来说，是需要有分隔符这个概念的，因为awk是根据分隔符来区分所需要操作的字段的；
输入分隔符：
awk对数据进行处理时，会根据特定的标识符号对数据进行分段处理，这种标识就称为“输入分隔符”，默认输入分隔符为空格；
输出分隔符：
awk在对数据处理完毕之后，会以特定的标识符号对各个字段进行连续后输出。这种标识就称为“输出分隔符”，默认输出分隔符是空白字符；
记录：
由换行符进行分隔的数据中的一行，称为一条记录；通常用$0来保存整个记录的内容；
字段：
经过分隔符分隔之后的每一个数据分段，都称为一个字段(field);通常在使用awk处理数据时，使用$1, $2, ..$NF等内置变量来存储各个字段的数据；
awk的最全的工作模式： BEGIN{ACTION statement}{ACTION statement}END{ACTION statement}
首先执行BEGIN语句块，其次是主语句块，最后是END语句块；特别提示：BEGIN语句块执行的时候，不会处理数据内容，是在处理数据之前执行的语句，一般用于表头的书写；相反的END语句块，是执行玩数据处理之后，才会执行的语句，一般用于输出总数；BEGIN和END语句块都有可以省略不写，但是中间的语句块必须要写，不能省略；
常用选项：
-f program-file：从指定的文件中加载program语句块，而不是通过命令行给出相关的程序内容；
-F fs：指定出入字段的输入分隔符；默认是空白字符；
-v var=val：用于声明自定义变量并为变量赋值；
awk的常用用法：
1.变量：
内建变量：
FS：input field separator，输入字段分隔符，默认为空白字符；
OFS：output field separator，输出字段分隔符，默认为空白字符；
RS: input record separator，输入记录(行)分隔符，默认为换行符；
注意：如果指定了额外的输入记录分隔符，原有的换行符依然有效；
ORS：output record separator，输出记录分隔符；默认为换行符；
NF：number of fields，每一行中字段的总数；
NR：total number of input records，行的总数；如果仅处理一个文件，可以将NR的值当做此文件的各行的行号；
FNR: The input record number in the current input file，对于不同的文件分别统计其行的数量，也可以显示每个文件中每行的行号；
FILENAME：The name of the current input file，当前正在被处理的文件的文件名；
ARGC：The number of command line arguments，自定义变量命令行中参数的数量，包括awk命令本身，但不包括awk命令的选项部分和program部分；
ARGV：Array of command line arguments.由命令行中所有的参数所构成的数组；
自定义变量：
-v var_name=value（变量名大小写敏感）
常用的ACTION：
2.print：Print the current record，以标准格式输出结果；
格式：
print item1,item2,...
注意：
1) 各item之间需要使用","进行分隔；
2) 输出的各item可以是字符串，可以是数字，可以是当前记录中的字段，可以是变量，可以是awk的表达式；
3) 如果省略了item，则默认的item为$0，即：输出整行
3.printf：Format and print.以特定的格式输出结果；
格式：
printf "FORMAT" item1,item2,...
注意：
1) 必须给出合适的输出格式：
2) 默认不会自动换行，如果想要在输出结果中换行显示，需要显示出给定的换行控制符号，即：\n;
3) FORMAT中需要为后面的每一个item单独指定一个格式化符号；
常用的FORMAT：
%c：以ASCII码表中的内容显示字符信息；
%d，%i：显示十进制整数格式；
%e，%E：以科学计数法来显示数字；浮点类型；
%f，%F：显示十进制数字的浮点形式；
%g，%G：以科学计数法来下那是浮点数字；
%u：显示无符号的十进制数；
%s：显示字符串；
%x，%X：显示无符号的十六进制总数；
%%：显示一个%；
修饰符：
#[.#]：第一个数字用来控制显示宽度；第二个数字表示小数点的精度；
如：%5s,%8.3f
-：表示采用左对齐方式显示；默认是右对齐；
+：显示数字的正负符号；
4.操作符：
算术运算操作符：
双目运算符：
x+y，x-y，x*y，x/y，x^y, x%y
单目运算符：
-x: 将正整数转换为负整数；
+x：将字符串转换为数值；
字符串操作符：
无任何操作符号时，即为字符串连接操作；
赋值操作符：
=，+=，-=，*=，/=，^=，%=
++, --
比较操作符
==，!=，<, <=, >, >=
模式匹配操作符：
~：操作符左侧的字符串是否能够被右侧的PATTERN所匹配；
!~：操作符左侧的字符串是否不能被右侧的PATTERN所匹配；
逻辑运算操作符：
&& || !
条件表达式：
selector(condition)?if-true-expression:if-false-expression
5.PATTERN部分：
1) empty：空模式，不加区分地处理文件的每一行；
2) [!]/REGEXP/：仅处理[不]能被PATTERN匹配到的行；
3) 关系表达式：
$3>=1000
$NF~/bash/
4) 行域，行范围：
关系表达式的逻辑运算：FNR>=10&&FNR<==20
/REGEXP1/,/REGEXP2/：
从被REGEXP1匹配的行开始，直到被REGEXP2匹配的行结束，这期间的所有行；凡是属于此类的匹配结果，有多少组就显示多少组；
5) BEGIN/END模式：
BEGIN{}
仅在开始处理文件中的第一行文本数据之前执行一次的语句块；多用于输出特定格式的表头信息；
END{}
仅在文本处理完成但awk命令尚未退出时执行一次的语句块；多用于数据信息的汇总；
注意：
1) BEGIN语句块，PATTERN语句块和END语句块的顺序，通常来讲是：
BEGIN{}PATTERN{}END{}
2) BEGIN语句块和END语句块是可选的，但PATTERN语句块必须要给出；
6.控制语句：
if (condition) statement [ else statement ]
while (condition) statement
do statement while (condition)
for (expr1; expr2; expr3) statement
for (var in array) statement
break
continue
exit [ expression ]
switch (expression) { case value|regex : statement ... [ default: statement ] }
next
1) if ... else：
语法：
if (condition) statement [ else statement ]
使用场景：对awk取得的整行或某个字段做条件判断；
分析磁盘上各个文件系统的空间利用率：
2) while循环：
语法：
while (condition) statement
使用场景：
a.对一行内的多个字段逐一做相同或类似的操作处理时使用；
b.对数组中的各数组元素做遍历处理时使用；
while循环的特点：条件为真，进入循环；一旦条件为假，则退出循环；
3) do ... while语句：
语法：
do statement while (condition)
意义：与while循环相同，但statement语句段至少被执行一次；
4) for循环：
语法：
for (expr1; expr2; expr3) statement
expr1：variable assignment，变量赋初值；
expr2：circle condition，循环条件判断；
expr3：interation process，变量值修正方法；
for (var in array) statement
5) switch ... case语句
语法：
switch (expression) { case value|regex:statement;case value2|regex2:statement;... [ default: statement ] }
使用场景：
用于进行字符串比较判断；
6) break和continue语句：
break [n]
continue
注意：其使用场景是行内多个字段间做循环时的循环控制方式；
7) next语句：
在awk处理数据时，提前结束对当前行的处理，而直接开始处理下一行；
7.数组——Array
用户自定义的数组，一般使用关联数组：array_name[index_expression]
注意：
1) index_expression可以使用任意的字符串，但字符串必须放在双引号中；
2) 支持弱变量数组，即：如果某数组元素事先不存在，当引用该元素时，awk会自动创建此元素，并为此元素赋"空字符串"作为其初始值
9.函数：
内建函数：
数值函数：Numeric Functions
rand()：返回一个介于0到1之间的随机数；
sqrt()：对于指定的数值进行开二次方；
字符串函数：String Functions
length()：计算给定字符串的长度；
gsub(r, s [, t])：以r表示的模式来查找t表示的字符串中能够被匹配的内容，并将所有出现的内容替换成s表示的内容；
split(s, a [, r [, seps] ])：以seps作为分隔符，利用r表示的模式进行匹配，将s代表的字符串分割之后，保存在a表示的数组中；
自定义函数：
function name(parameter list) { statements }
标签：awk
原文地址：http://blog.51cto.com/liujingyu/2105082
