詳解 awk 工具的使用方法
Jarly 發表
當你第一次拿起雙手在電腦上使用 awk 命令處理一個或者多個文件的時候，它會依次讀取文件的每一行內容, 然後對其進行處理，awk 命令默認從 stdio 標準輸入獲取文件內容, awk 使用一對單引號來表示 一些可執行的腳本代碼，在可執行腳本代碼裏面，使用一對花括號來表示一段可執行代碼塊，可以同時存在多個代碼塊。 awk 的每個花括號內同時又可以有多個指令，每一個指令用分號分隔，awk 其實就是一個腳本編程語言。說了這麼多，你肯定還是一臉的懵逼。你猜對了，上面這些都是廢話。先別急，客官請往下看。。。
awk 命令的基本格式
awk [options] 'program' file
options 這個表示一些可選的參數選項，反正就是你愛用不用，不用可以拉到。。。program 這個表示 awk 的可執行腳本代碼，這個是必須要有的。file 這個表示 awk 需要處理的文件，注意是純文本文件，不是你的 mp3，也不是 mp4 啥的。。
先來一個 awk 的使用例子熱熱身
$ awk '{print $0}' /etc/passwd
awk 命令的可執行腳本代碼使用單引號括起來，緊接着裏面是一對花括號，記住是 "花括號" 不是 "花姑娘"，然後花括號裏面就是一些可執行的腳本代碼段，當 awk 每讀取一行之後，它會依次執行雙引號裏面的每個腳本代碼段，在上面這個例子中，$0 表示當前行。當你執行了上面的命令之後，它會依次將 /etc/passwd 文件的每一行內容打印輸出，你一定在想：這有個毛用，用 cat 命令也能搞定。沒錯！上面這個命令沒個毛用，請往下看。
awk 自定義分隔符
awk 默認的分割符爲空格和製表符，我們可以使用 -F 參數來指定分隔符
$ awk -F ':' '{print $1}' /etc/passwd
root
bin
daemon
adm
lp
sync
shutdown
halt
mail
operator
games
ftp
nobody
上面的命令將 /etc/passwd 文件中的每一行用冒號 : 分割成多個字段，然後用 print 將第 1 列字段的內容打印輸出
如何在 awk 中同時指定多個分隔符
比如現在有這樣一個文件 some.log 文件內容如下
Grape(100g)1980
raisins(500g)1990
plum(240g)1997
apricot(180g)2005
nectarine(200g)2008
現在我們想將上面的 some.log 文件中按照 "水果名稱(重量)年份" 來進行分割
$ awk -F '[()]' '{print $1, $2, $3}' some.log
Grape 100g 1980
raisins 500g 1990
plum 240g 1997
apricot 180g 2005
nectarine 200g 2008
在 -F 參數中使用一對方括號來指定多個分隔符，awk 處理 some.log 文件時就會使用 "(" 和 ")" 來對文件的每一行進行分割。
awk 內置變量的使用
$0 這個表示文本處理時的當前行
$1 表示文本行被分隔後的第 1 個字段列
$2 表示文本行被分割後的第 2 個字段列
$3 表示文本行被分割後的第 3 個字段列
$n 表示文本行被分割後的第 n 個字段列
NR 表示文件中的行號，表示當前是第幾行
NF 表示文件中的當前行列的個數，類似於 mysql 數據表裏面每一條記錄有多少個字段
FS 表示 awk 的輸入分隔符，默認分隔符爲空格和製表符，你可以對其進行自定義設置
OFS 表示 awk 的輸出分隔符，默認爲空格，你也可以對其進行自定義設置
FILENAME 表示當前文件的文件名稱，如果同時處理多個文件，它也表示當前文件名稱
比如我們有這麼一個文本文件 fruit.txt 內容如下，我將用它來向你演示如何使用 awk 命令工具，順便活躍一下此時尷尬的氣氛。。
-
peach 100 Mar 1997 China Lemon 150 Jan 1986 America Pear 240 Mar 1990 Janpan avocado 120 Feb 2008 china
我們來瞧一瞧下面這些簡單到爆炸的例子，這個表示打印輸出文件的每一整行的內容
$ awk '{print $0}' fruit.txt
peach 100 Mar 1997 China
Lemon 150 Jan 1986 America
Pear 240 Mar 1990 Janpan
avocado 120 Feb 2008 china
下面這個表示打印輸出文件的每一行的第 1 列內容
$ awk '{print $1}' fruit.txt
peach
Lemon
Pear
avocado
下面面這個表示打印輸出文件的每一行的第 1 列、第 2 列和第 3 列內容
$ awk '{print $1, $2, $3}' fruit.txt
peach 100 Mar
Lemon 150 Jan
Pear 240 Mar
avocado 120 Feb
其中加入的逗號表示插入輸出分隔符，也就是默認的空格
文件的每一行的每一列的內容除了可以用 print 命令打印輸出以外，還可以對其進行賦值
$ awk '{$2 = "***"; print $0}' fruit.txt
peach *** Mar 1997 China
Lemon *** Jan 1986 America
Pear *** Mar 1990 Janpan
avocado *** Feb 2008 china
上面的例子就是表示通過對 $2 變量進行重新賦值，來隱藏每一行的第 2 列內容，並且用星號 * 來代替其輸出
在參數列表中加入一些字符串或者轉義字符之類的東東
$ awk '{print $1 "\t" $2 "\t" $3}' fruit.txt
peach 100 Mar
Lemon 150 Jan
Pear 240 Mar
avocado 120 Feb
像上面這樣，你可以在 print的參數列表中加入一些字符串或者轉義字符之類的東東，讓輸出的內容格式更漂亮，但一定要記住要使用雙引號。
awk 內置 NR 變量表示每一行的行號
$ awk '{print NR "\t" $0}' fruit.txt
1 peach 100 Mar 1997 China
2 Lemon 150 Jan 1986 America
3 Pear 240 Mar 1990 Janpan
4 avocado 120 Feb 2008 china
awk 內置 NF 變量表示每一行的列數
$ awk '{print NF "\t" $0}' fruit.txt
5 peach 100 Mar 1997 China
5 Lemon 150 Jan 1986 America
5 Pear 240 Mar 1990 Janpan
5 avocado 120 Feb 2008 china
awk 中 $NF 變量的使用
$ awk '{print $NF}' fruit.txt
China
America
Janpan
china
上面這個 $NF 就表示每一行的最後一列，因爲 NF 表示一行的總列數，在這個文件裏表示有 5 列，然後在其前面加上 $ 符號，就變成了 $5 ，表示第 5 列
$ awk '{print $(NF - 1)}' fruit.txt
1997
1986
1990
2008
上面 $(NF-1) 表示倒數第 2 列， $(NF-2) 表示倒數第 3 列，依次類推。
現在除了剛纔說的有一個 fruit.txt 文件之外，我們又多了一個新文件叫 company.txt 內容如下
yahoo 100 4500
google 150 7500
apple 180 8000
twitter 120 5000
我們用 fruit.txt 和 company.txt 兩個文件來向你演示 awk 同時處理多個文件的時候有什麼效果
$ awk '{print FILENAME "\t" $0}' fruit.txt company.txt
fruit.txt peach 100 Mar 1997 China
fruit.txt Lemon 150 Jan 1986 America
fruit.txt Pear 240 Mar 1990 Janpan
fruit.txt avocado 120 Feb 2008 china
company.txt yahoo 100 4500
company.txt google 150 7500
company.txt apple 180 8000
company.txt twitter 120 5000
當你使用 awk 同時處理多個文件的時候，它會將多個文件合併處理，變量 FILENAME 就表示當前文本行所在的文件名稱。
看到這裏是不是感覺 awk 命令的使用方法真的是簡單到爆炸，現在不要太高興，請舉起你的雙手跟我一起搖擺。。。哦，不對！請拿起你的雙手在電腦上試一試上面這些例子。你會知道我沒有騙你，因爲講了這麼多，傻子都會了。。。—_—
BEGIN 關鍵字的使用
在腳本代碼段前面使用 BEGIN 關鍵字時，它會在開始讀取一個文件之前，運行一次 BEGIN 關鍵字後面的腳本代碼段，BEGIN 後面的腳本代碼段只會執行一次，執行完之後 awk 程序就會退出
$ awk 'BEGIN {print "Start read file"}' /etc/passwd
Start read file
awk 腳本中可以用多個花括號來執行多個腳本代碼，就像下面這樣
$ awk 'BEGIN {print "Start read file"} {print $0}' /etc/passwd
Start read file
root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
adm:x:3:4:adm:/var/adm:/sbin/nologin
lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin
sync:x:5:0:sync:/sbin:/bin/sync
shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown
halt:x:7:0:halt:/sbin:/sbin/halt
mail:x:8:12:mail:/var/spool/mail:/sbin/nologin
operator:x:11:0:operator:/root:/sbin/nologin
games:x:12:100:games:/usr/games:/sbin/nologin
ftp:x:14:50:FTP User:/var/ftp:/sbin/nologin
nobody:x:99:99:Nobody:/:/sbin/nologin
END 關鍵字使用方法
awk 的 END 指令和 BEGIN 恰好相反，在 awk 讀取並且處理完文件的所有內容行之後，纔會執行 END 後面的腳本代碼段
$ awk 'END {print "End file"}' /etc/passwd
End file
一定要多動手在電腦上敲一敲這些命令，對身體好。腦子是個好東西，要多用。。。
$ awk 'BEGIN {print "Start read file"} {print $0} END {print "End file"}' /etc/passwd
Start read file
root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
adm:x:3:4:adm:/var/adm:/sbin/nologin
lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin
sync:x:5:0:sync:/sbin:/bin/sync
shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown
halt:x:7:0:halt:/sbin:/sbin/halt
mail:x:8:12:mail:/var/spool/mail:/sbin/nologin
operator:x:11:0:operator:/root:/sbin/nologin
games:x:12:100:games:/usr/games:/sbin/nologin
ftp:x:14:50:FTP User:/var/ftp:/sbin/nologin
nobody:x:99:99:Nobody:/:/sbin/nologin
End file
在 awk 中使用變量
可以在 awk 腳本中聲明和使用變量
$ awk '{msg="hello world"; print msg}' /etc/passwd
hello world
hello world
hello world
hello world
hello world
awk 聲明的變量可以在任何多個花括號腳本中使用
$ awk 'BEGIN {msg="hello world"} {print msg}' /etc/passwd
hello world
hello world
hello world
hello world
hello world
在 awk 中使用數學運算
在 awk 中，像其他編程語言一樣，它也支持一些基本的數學運算操作
$ awk '{a = 12; b = 24; print a + b}' company.txt
36
36
36
36
上面這段腳本表示，先聲明兩個變量 a = 12 和 b = 24，然後用 print 打印出 a 加上 b 的結果。
看到上面的輸出結果，你很可能又是一臉的懵逼，爲什麼會重複輸出 4 次同樣的計算結果。所以說小時不學好，長大做IT。知識這東西真到了要用的時候，能亮瞎別人的雙眼，好了，不廢話。請記住 awk 是針對文件的每一行來執行一次單引號裏面的腳本代碼，每讀取到一行就會執行一次，文件裏面有多少行就會執行多少次，但 BEGIN 和 END 關鍵字後面的腳本代碼除外，如果被處理的文件中什麼都沒有，那 awk 就一次都不會執行。。。
awk 還支持其他的數學運算符
+ 加法運算符
- 減法運算符
* 乘法運算符
/ 除法運算符
% 取餘運算符
在 awk 中使用條件判斷
比如有一個文件 company.txt 內容如下
yahoo 100 4500
google 150 7500
apple 180 8000
twitter 120 5000
我們要判斷文件的第 3 列數據，也就是平均工資小於 5500 的公司，然後將其打印輸出
$ awk '$3 < 5500 {print $0}' company.txt
yahoo 100 4500
twitter 120 5000
上面的命令結果就是平均工資小於 5500 的公司名單， $3 < 5500 表示當第 3 列字段的內容小於 5500 的時候纔會執行後面的{print $0} 代碼塊
$ awk '$1 == "yahoo" {print $0}' company.txt
yahoo 100 4500
awk 還有一些其他的條件操作符如下
< 小於
<= 小於或等於
== 等於
!= 不等於
> 大於
>= 大於或等於
~ 匹配正則表達式
!~ 不匹配正則表達式
使用 if 指令判斷來實現上面同樣的效果
$ awk '{if ($3 < 5500) print $0}' company.txt
yahoo 100 4500
twitter 120 5000
上面表示如果第 3 列字段小於 5500 的時候就會執行後面的 print $0，很像 C 語言和 PHP 的語法對不對。想到這裏有一句話不知當講不當講，那就是 PHP 是世界上最好的語言。。。 我可能喝多了，但是突然想起來我好像從來不喝酒。。。—_—
在 awk 中使用正則表達式
在 awk 中支持正則表達式的使用，如果你還對正則表達式不是很瞭解，請先停下來，上 google 去搜一下。
比如現在我們有這麼一個文件 poetry.txt 裏面都是我寫的詩，不要問我爲什麼那麼的有才華。內容如下：
This above all: to thine self be true
There is nothing either good or bad, but thinking makes it so
There’s a special providence in the fall of a sparrow
No matter how dark long, may eventually in the day arrival
使用正則表達式匹配字符串 "There" ，將包含這個字符串的行打印並輸出
$ awk '/There/{print $0}' poetry.txt
There is nothing either good or bad, but thinking makes it so
There’s a special providence in the fall of a sparrow
使用正則表達式配一個包含字母 t 和字母 e ，並且 t 和 e 中間只能有任意單個字符的行
$ awk '/t.e/{print $0}' poetry.txt
There is nothing either good or bad, but thinking makes it so
There’s a special providence in the fall of a sparrow
No matter how dark long, may eventually in the day arrival
如果只想匹配單純的字符串 "t.e"， 那正則表達式就是這樣的 /t\.e/ ，用反斜槓來轉義 . 符號因爲. 在正則表達式裏面表示任意單個字符。
使用正則表達式來匹配所有以 "The" 字符串開頭的行
$ awk '/^The/{print $0}' poetry.txt
There is nothing either good or bad, but thinking makes it so
There’s a special providence in the fall of a sparrow
在正則表達式中 ^ 表示以某某字符或者字符串開頭。
使用正則表達式來匹配所有以 "true" 字符串結尾的行
$ awk '/true$/{print $0}' poetry.txt
This above all: to thine self be true
在正則表達式中 $ 表示以某某字符或者字符串結尾。
又一個正則表達式例子如下
$ awk '/m[a]t/{print $0}' poetry.txt
No matter how dark long, may eventually in the day arrival
上面這個正則表達式 /m[a]t/ 表示匹配包含字符 m ，然後接着後面還要包含中間方括號中表示的單個字符 a ，最後還要包含字符 t 的行，輸出結果中只有單詞 "matter" 符合這個正則表達式的匹配。因爲正則表達式[a] 方括號中表示匹配裏面的任意單個字符。
繼續上面的一個新例子如下
$ awk '/^Th[ie]/{print $0}' poetry.txt
This above all: to thine self be true
There is nothing either good or bad, but thinking makes it so
There’s a special providence in the fall of a sparrow
這個例子中的正則表達式 /^Th[ie]/表示匹配以字符串 "Thi" 或者 "The" 開頭的行，正則表達式方括號中表示匹配其中的任意單個字符。
再繼續上面的新的用法
$ awk '/s[a-z]/{print $0}' poetry.txt
This above all: to thine self be true
There is nothing either good or bad, but thinking makes it so
There’s a special providence in the fall of a sparrow
正則表達式 /s[a-z]/ 表示匹配包含字符 s 然後後面跟着任意 a 到 z 之間的單個字符的字符串，比如 "se", "so", "sp" 等等。
正則表達式 [] 方括號中還有一些其他用法比如下面這些
[a-zA-Z] 表示匹配小寫的 a 到 z 之間的單個字符，或者大寫的 A 到 Z 之間的單個字符
[^a-z] 符號 `^` 在方括號裏面表示取反，也就是非的意思，表示匹配任何非 a 到 z 之間的單個字符
正則表達式中的星號 * 和加號 + 的使用方法
$ awk '/go*d/{print $0}' poetry.txt
There is nothing either good or bad, but thinking makes it so
上面這個表示匹配包含字符串 "god"，並且中間的字母 "o" 可以出現 0 次或者多次，比如單詞 "good" 就符合這個要求。正則表達式中的 + 和星號原理差不多，只是加號表示任意 1 個或者 1 個以上，也就是必須至少要出現一次。
正則表達式問號 ? 的使用方法
$ awk '/ba?d/{print $0}' poetry.txt
There is nothing either good or bad, but thinking makes it so
正則表達式中的問號 ? 表示它前面的字符只能出現 0 次 或者 1 次，也就是可以不出現，也可以出現，但如果有出現也只能出現 1 次。
正則表達式中的 {} 花括號用法
$ awk '/go{2}d/{print $0}' poetry.txt
There is nothing either good or bad, but thinking makes it so
花括號 {} 表示規定它前面的字符必須出現的次數，像上面這個 /go{2}d/ 就表示只匹配字符串 "good"，也就是中間的字母 "o"必須要出現 2 次。
正則表達式中的花括號還有一些其他的用法如下
/go{2,3}d/ 表示字母 "o" 只能可以出現 2 次或者 3 次
/go{2,10}d/ 表示字母 "o" 只能可以出現 2次，3次，4次，5次，6次 ... 一直到 10 次
/go{2,}d/ 表示字母 "o" 必須至少出現 2 次或着 2 次以上
正則表達式中的圓括號的用法
$ awk '/th(in){1}king/{print $0}' poetry.txt
There is nothing either good or bad, but thinking makes it so
正則表達式中的圓括號表示將多個字符當成一個完整的對象來看待。比如 /th(in){1}king/ 就表示其中字符串 "in" 必須出現 1 次。而如果不加圓括號就變成了/thin{1}king/ 這個就表示其中字符 "n" 必須出現 1 次。
看到這裏，如果你對 poetry.txt 件中寫的詩比較熟悉，你就會發現。。。我去！這詩根本就不是我寫的。所以論多讀書是多麼的重要。我有幸借用莎士比亞的詩來向你講解如何在 awk 中使用正則表達式。現在該想想晚上吃什麼，晚上去吃火鍋。。。—_—
使用 awk 的一些總結
因爲 awk 算起來也是一種編程語言，它的功能遠遠不止我們上面講的這些，awk 還有一些其他比較複雜的功能。但一般我們不建議將 awk 用的太過於複雜。通常面對一些比較複雜的場景我們還是要使用其他的一些工具，比如 shell 腳本，Lua 等等。。。
原文： https://my.oschina.net/jarly/blog/898144