http://vbird.dic.ksu.edu.tw/linux_basic/0330regularex_4.php
awk：好用的數據處理工具
awk 也是一個非常棒的數據處理工具！相較於 sed 常常作用於一整個行的處理， awk 則比較傾向於一行當中分成數個『欄位』來處理。因此，awk 相當的適合處理小型的數據數據處理呢！awk 通常運行的模式是這樣的：
[root@www ~]# awk '條件類型1{動作1} 條件類型2{動作2} ...' filename
|
awk 後面接兩個單引號並加上大括號 {} 來配置想要對數據進行的處理動作。 awk 可以處理後續接的文件，也可以讀取來自前個命令的 standard output 。 但如前面說的， awk 主要是處理『每一行的欄位內的數據』，而默認的『欄位的分隔符號爲 "空白鍵" 或 "[tab]鍵" 』！舉例來說，我們用 last 可以將登陸者的數據取出來，結果如下所示：
[root@www ~]# last -n 5 <==僅取出前五行 root pts/1 192.168.1.100 Tue Feb 10 11:21 still logged in root pts/1 192.168.1.100 Tue Feb 10 00:46 - 02:28 (01:41) root pts/1 192.168.1.100 Mon Feb 9 11:41 - 18:30 (06:48) dmtsai pts/1 192.168.1.100 Mon Feb 9 11:41 - 11:41 (00:00) root tty1 Fri Sep 5 14:09 - 14:10 (00:01) |
若我想要取出帳號與登陸者的 IP ，且帳號與 IP 之間以 [tab] 隔開，則會變成這樣：
[root@www ~]# last -n 5 | awk '{print $1 "\t" $3}'
root 192.168.1.100
root 192.168.1.100
root 192.168.1.100
dmtsai 192.168.1.100
root Fri
|
上表是 awk 最常使用的動作！透過 print 的功能將欄位數據列出來！欄位的分隔則以空白鍵或 [tab] 按鍵來隔開。 因爲不論哪一行我都要處理，因此，就不需要有 "條件類型" 的限制！我所想要的是第一欄以及第三欄， 但是，第五行的內容怪怪的～這是因爲數據格式的問題啊！所以羅～使用 awk 的時候，請先確認一下你的數據當中，如果是連續性的數據，請不要有空格或 [tab] 在內，否則，就會像這個例子這樣，會發生誤判喔！
另外，由上面這個例子你也會知道，在每一行的每個欄位都是有變量名稱的，那就是 $1, $2... 等變量名稱。以上面的例子來說， root 是 $1 ，因爲他是第一欄嘛！至於 192.168.1.100 是第三欄， 所以他就是 $3 啦！後面以此類推～呵呵！還有個變量喔！那就是 $0 ，$0 代表『一整列數據』的意思～以上面的例子來說，第一行的 $0 代表的就是『root .... 』那一行啊！ 由此可知，剛剛上面五行當中，整個 awk 的處理流程是：
- 讀入第一行，並將第一行的數據填入 $0, $1, $2.... 等變量當中；
- 依據 "條件類型" 的限制，判斷是否需要進行後面的 "動作"；
- 做完所有的動作與條件類型；
- 若還有後續的『行』的數據，則重複上面 1~3 的步驟，直到所有的數據都讀完爲止。
經過這樣的步驟，你會曉得， awk 是『以行爲一次處理的單位』， 而『以欄位爲最小的處理單位』。好了，那麼 awk 怎麼知道我到底這個數據有幾行？有幾欄呢？這就需要 awk 的內建變量的幫忙啦～
| 變量名稱 | 代表意義 |
| NF | 每一行 ($0) 擁有的欄位總數 |
| NR | 目前 awk 所處理的是『第幾行』數據 |
| FS | 目前的分隔字節，默認是空白鍵 |
我們繼續以上面 last -n 5 的例子來做說明，如果我想要：
- 列出每一行的帳號(就是 $1)；
- 列出目前處理的行數(就是 awk 內的 NR 變量)
- 並且說明，該行有多少欄位(就是 awk 內的 NF 變量)
則可以這樣：
| Tips: 要注意喔，awk 後續的所有動作是以單引號『 ' 』括住的，由於單引號與雙引號都必須是成對的， 所以， awk 的格式內容如果想要以 print 列印時，記得非變量的文字部分，包含上一小節printf 提到的格式中，都需要使用雙引號來定義出來喔！因爲單引號已經是 awk 的命令固定用法了！ |
 |
[root@www ~]# last -n 5| awk '{print $1 "\t lines: " NR "\t columns: " NF}' root lines: 1 columns: 10 root lines: 2 columns: 10 root lines: 3 columns: 10 dmtsai lines: 4 columns: 10 root lines: 5 columns: 9 # 注意喔，在 awk 內的 NR, NF 等變量要用大寫，且不需要有錢字號 $ 啦！ |
這樣可以瞭解 NR 與 NF 的差別了吧？好了，底下來談一談所謂的 "條件類型" 了吧！
- awk 的邏輯運算字節
既然有需要用到 "條件" 的類別，自然就需要一些邏輯運算羅～例如底下這些：
| 運算單元 | 代表意義 |
| > | 大於 |
| < | 小於 |
| >= | 大於或等於 |
| <= | 小於或等於 |
| == | 等於 |
| != | 不等於 |
值得注意的是那個『 == 』的符號，因爲：
- 邏輯運算上面亦即所謂的大於、小於、等於等判斷式上面，習慣上是以『 == 』來表示；
- 如果是直接給予一個值，例如變量配置時，就直接使用 = 而已。
好了，我們實際來運用一下邏輯判斷吧！舉例來說，在 /etc/passwd 當中是以冒號 ":" 來作爲欄位的分隔， 該文件中第一欄位爲帳號，第三欄位則是 UID。那假設我要查閱，第三欄小於 10 以下的數據，並且僅列出帳號與第三欄， 那麼可以這樣做：
[root@www ~]# cat /etc/passwd | \ > awk '{FS=":"} $3 < 10 {print $1 "\t " $3}' root:x:0:0:root:/root:/bin/bash bin 1 daemon 2 ....(以下省略).... |
有趣吧！不過，怎麼第一行沒有正確的顯示出來呢？這是因爲我們讀入第一行的時候，那些變量 $1, $2... 默認還是以空白鍵爲分隔的，所以雖然我們定義了 FS=":" 了， 但是卻僅能在第二行後纔開始生效。那麼怎麼辦呢？我們可以預先配置 awk 的變量啊！ 利用 BEGIN 這個關鍵字喔！這樣做：
[root@www ~]# cat /etc/passwd | \ > awk 'BEGIN {FS=":"} $3 < 10 {print $1 "\t " $3}' root 0 bin 1 daemon 2 ......(以下省略)...... |
很有趣吧！而除了 BEGIN 之外，我們還有 END 呢！另外，如果要用 awk 來進行『計算功能』呢？以底下的例子來看， 假設我有一個薪資數據表檔名爲 pay.txt ，內容是這樣的：
Name 1st 2nd 3th VBird 23000 24000 25000 DMTsai 21000 20000 23000 Bird2 43000 42000 41000 |
如何幫我計算每個人的總額呢？而且我還想要格式化輸出喔！我們可以這樣考慮：
- 第一行只是說明，所以第一行不要進行加總 (NR==1 時處理)；
- 第二行以後就會有加總的情況出現 (NR>=2 以後處理)
[root@www ~]# cat pay.txt | \ > awk 'NR==1{printf "%10s %10s %10s %10s %10s\n",$1,$2,$3,$4,"Total" } NR>=2{total = $2 + $3 + $4 printf "%10s %10d %10d %10d %10.2f\n", $1, $2, $3, $4, total}' Name 1st 2nd 3th Total VBird 23000 24000 25000 72000.00 DMTsai 21000 20000 23000 64000.00 Bird2 43000 42000 41000 126000.00 |
上面的例子有幾個重要事項應該要先說明的：
- awk 的命令間隔：所有 awk 的動作，亦即在 {} 內的動作，如果有需要多個命令輔助時，可利用分號『;』間隔， 或者直接以 [Enter] 按鍵來隔開每個命令，例如上面的範例中，鳥哥共按了三次 [enter] 喔！
- 邏輯運算當中，如果是『等於』的情況，則務必使用兩個等號『==』！
- 格式化輸出時，在 printf 的格式配置當中，務必加上 \n ，才能進行分行！
- 與 bash shell 的變量不同，在 awk 當中，變量可以直接使用，不需加上 $ 符號。
利用 awk 這個玩意兒，就可以幫我們處理很多日常工作了呢！真是好用的很～ 此外， awk 的輸出格式當中，常常會以printf 來輔助，所以， 最好你對 printf 也稍微熟悉一下比較好啦！另外， awk 的動作內 {} 也是支持 if (條件) 的喔！ 舉例來說，上面的命令可以修訂成爲這樣：
[root@www ~]# cat pay.txt | \ > awk '{if(NR==1) printf "%10s %10s %10s %10s %10s\n",$1,$2,$3,$4,"Total"} NR>=2{total = $2 + $3 + $4 printf "%10s %10d %10d %10d %10.2f\n", $1, $2, $3, $4, total}' |
你可以仔細的比對一下上面兩個輸入有啥不同～從中去了解兩種語法吧！我個人是比較傾向於使用第一種語法， 因爲會比較有統一性啊！ ^_^
除此之外， awk 還可以幫我們進行迴圈計算喔！真是相當的好用！不過，那屬於比較進階的單獨課程了， 我們這裏就不再多加介紹。如果你有興趣的話，請務必參考延伸閱讀中的相關連結喔 (注4)。