快速了解Awk

发布时间:2016-12-6 20:11:58 编辑:www.fx114.net 分享查询网我要评论
本篇文章主要介绍了"快速了解Awk",主要涉及到快速了解Awk方面的内容,对于快速了解Awk感兴趣的同学可以参考一下。

Awk是什么 Awk、sed与grep,俗称Linux下的三剑客,它们之前有很多相似点,但是同样也各有各的特色,相似的地方是它们都可以匹配文本,其中sed和awk还可以用于文本编辑,而grep则不具备这个功用。sed是一种非交互式且面向字符流的编辑器(a “non-interactive” stream-oriented editor),而awk则是一门模式匹配的编程语言,因为它的主要功能是用于匹配文本并处理,同时它有一些编程语言才有的语法,例如函数、分支循环语句、变量等等,当然比起我们常见的编程语言,Awk相对比较简单。 使用Awk,我们可以做以下事情: ● 将文本文件视为由字段和记录组成的文本数据库; ● 在操作文本数据库的过程中能够使用变量; ● 能够使用数学运算和字符串操作; ● 能够使用常见的编程结构,例如条件分支与循环; ● 能够格式化输出; ● 能够自定义函数; ● 能够在awk脚本中执行UNIX命令; ● 能够处理UNIX命令的输出结果; 装备以上功能,awk能够做得事情非常多。但千里之行,始于足下,我们首先从最基本的命令行语法开始,一步一步得走入awk的编程世界。   命令行语法 同sed一样,awk的命令行语法也有两种形式: ? 1 2 awk [-F ERE] [-v assignment] ... program [argument ...] awk [-F ERE] -f progfile ...  [-v assignment] ...[argument ...] 这里的program类似sed中的script,因为我们一直强调awk是一门编程语言,所以将awk的脚本视为一段代码。而awk的脚本同样可以写到一个文件中,并通过-f参数指定,这一点和sed是一样的。program一般多个pattern和action序列组成,当读入的记录匹配pattern时,才会执行相应的action命令。这里有一点要注意,在第一种形式中,除去命令行选项外,program参数一定要位于第一个位置。 Awk的输入被解析成多个记录(Record),默认情况下,记录的分隔符是\n,因此可以认为一行就是一个记录,记录的分隔符可以通过内置变量RS更改。当记录匹配某个pattern时,才会执行后续的action命令。 而每个记录由进一步地被分隔成多个字段(Field),默认情况下字段的分隔符是空白符,例如空格、制表符等等,也可以通过-F ERE选项或者内置变量FS更改。在awk中,可以通过$1,$2…来访问对应位置的字段,同时$0存放整个记录,这一点有点类似shell下的命令行位置参数。关于这些内容,我们会在下面详细介绍,这里你只要知道有这些东西就好。 标准的awk命令行参数主要由以下三个: ● -F ERE:定义字段分隔符,该选项的值可以是扩展的正则表达式(ERE); ● -f progfile:指定awk脚本,可以同时指定多个脚本,它们会按照在命令行中出现的顺序连接在一起; ● -v assignment:定义awk变量,形式同awk中的变量赋值,即name=value,赋值发生在awk处理文本之前; 为了便于理解,这里举几个简单的例子。通过-F参数设置冒号:为分隔符,并打印各个字段: ? 1 2 [[email protected] ~]$ echo "1:2:3" | awk -F: '{print $1 " and " $2 " and " $3}' 1 and 2 and 3 在awk的脚本中访问通过-v选项设置的变量: ? 1 2 [[email protected] ~]$ echo | awk -v a=1 'BEGIN {print a}' 1 从上面可以看到,通过-v选项设置的变量在BEGIN的位置就可以访问了。BEGIN是一个特殊的pattern,它在awk处理输入之前就会执行,可以认为是一个初始化语句,与此对应的还有END。 好像还没介绍如何指定处理的文件,是不是最后的argument就是指定的文件?在看我这本书之前,我也是这样认为的,但是实际上arguemnt有两种形式,它们分别是输入文件(file)和变量赋值(assignment)。 awk可以同时指定多个输入文件,如果输入文件的文件名为’-',表示从标准输入读取内容。 变量赋值类似-v选项,它的形式为name=value。awk中的变量名同一般的编程语言无太多区别,但是不能同awk的保留关键字重名,可以查看awk的man手册查询哪些是保留关键字。而变量值只有两种形式:字符串和数值。变量赋值必须位于脚本参数的后面,与文件名参数无先后顺序的要求,但是位于不同位置的赋值它的执行时机是不同的。 我们用实际的例子来解释这个区别,假设有两个文件:a和b,它们的内容分别如下所示: ? 1 2 3 4 [[email protected] awk_temp]$ cat a file a [[email protected] awk_temp]$ cat b file b 为了说明赋值操作发生的时机,我们在BEGIN,正常处理,END三个地方都打印变量的值。 第一种情况: 变量赋值位于所有文件名参数之前 ? 1 2 3 4 5 [[email protected] awk_temp]$ awk 'BEGIN {print "BEGIN: " var} {print "PROCESS: " var} \ END {print "END: " var }' var=1 a BEGIN: PROCESS: 1 END: 1 结果:赋值操作发生在正常处理之前,BEGIN动作之后。 第二种情况:变量赋值位于所有文件名之后: ? 1 2 3 4 5 [[email protected] awk_temp]$ awk 'BEGIN {print "BEGIN: " var} {print "PROCESS: " var} \ END {print "END: " var }' a var=1  BEGIN: PROCESS: END: 1 结果:赋值操作发生在正常处理之后,END动作之前。 第三种情况:变量赋值位于文件名之间: ? 1 2 3 4 5 6 [[email protected] awk_temp]$ awk 'BEGIN {print "BEGIN: " var} {print "PROCESS: " var} \ END {print "END: " var }' a var=1 b BEGIN: PROCESS: PROCESS: 1 END: 1 结果:赋值操作发生在处理前面的文件之后,并且位于处理后面的文件之前; 总结如下: 1. 如果变量赋值在第一个文件参数之前,在BEGIN动作之后执行,影响到正常处理和END动作; 2. 如果变量赋值在最后一个文件参数之后,在END动作之前执行,仅影响END动作; 3. 如果文件参数不存在,情况同1所述; 4. 如果变量赋值位于多个文件参数之间,在变量赋值前面的文件被处理后执行,影响到后续文件的处理和END动作; 所以变量赋值一定要考虑清楚用途,否则比较容易出错,不过一般情况下也不会用到变量赋值。 自然地大家会将变量赋值与-v assignment选项进行比较,赋值的形式是一致的,但是-v选项的执行时机比变量赋值要早: ? 1 2 [[email protected] awk_temp]$ echo 1 | awk -v var=a 'BEGIN {print "BEGIN: " var}' BEGIN: a 可见,-v选项的赋值操作在BEGIN动作之前就执行了。 变量赋值一定要小心不要与保留关键字重名,否则会报错: ? 1 2 [[email protected] awk_temp]$ echo 1 | awk -v BEGIN=1 'BEGIN {print "BEGIN: " BEGIN}' awk: fatal: cannot use gawk builtin `BEGIN' as variable name   记录(Record)与字段(Field) 对于数据库来说,一个数据库表是由多条记录组成的,每一行表示一条记录(Record)。每条记录由多列组成,每一列表示一个字段(Field)。Awk将一个文本文件视为一个文本数据库,因此它也有记录和字段的概念。默认情况下,记录的分隔符是回车,字段的分隔符是空白符,所以文本文件的每一行表示一个记录,而每一行中的内容被空白分隔成多个字段。利用字段和记录,awk就可以非常灵活地处理文件的内容。 可以通过-F选项来修改默认的字段分隔符,例如/etc/passwd的每一行都是由冒号分隔成多个字段的,所以这里就需要将分隔符设置成冒号: ? 1 2 3 4 [[email protected] awk_temp]$ awk -F: '{print $1}' /etc/passwd | head -3 root bin daemon 这里通过$1引用第一人字段,类似地$2表示第二个字段,$3表示第三个字段…. $0则表示整个记录。内置变量NF记录着字段的个数,所以$NF表示最后一个字段: ? 1 2 3 4 [[email protected] awk_temp]$ awk -F: '{print $NF}' /etc/passwd | head -3 /bin/bash /bin/false /bin/false 当然,$(NF-1)表示倒数第二个。 内置变量FS也可以用于更改字段分隔符,它记录着当前的字段分隔符: ? 1 2 3 4 [[email protected] awk_temp]$ awk -F: '{print FS}' /etc/passwd | head -1 : [[email protected] awk_temp]$ awk -v FS=: '{print $1}' /etc/passwd | head -1 root 记录的分隔符可以通过内置变量RS更改: ? 1 2 [[email protected] awk_temp]$ awk -v RS=: '{print $0}' /etc/passwd | head -1 root 如果将RS设置成空,行为有就一点怪异了,它会将连续不为空行的所有行(一个段落)当作一个记录,而且强制回车为字段分隔符: ? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 [[email protected] awk_temp]$ cat awk_man.txt   The awk utility shall execute programs written in the awk programming language, which is specialized for textual data manipulation. An awk program is a sequence of patterns and corresponding actions.  When  input  is  read  that matches a pattern, the action associated with that pattern is carried out.   Input shall be interpreted as a sequence of records. By default, a record is a line, less its terminating <newline>, but this can be changed by using the RS built-in variable. Each record of input shall be matched in turn against each pattern in the program. For each pattern matched, the associated action shall be executed.   [[email protected] awk_temp]$ awk 'BEGIN {RS="";FS=":"} {print "First line: " $1}' awk_man.txt First line: The awk utility shall execute programs written in the awk programming language, First line: Input shall be interpreted as a sequence of records. By default, a record is a line, 这里,我们将变量赋值放到BEGIN动作中执行,因为BEGIN动作是在文件处理之前执行的,专门用于放初始化的语句。FS的赋值在这里是无效的,awk依然使用回车符来分隔字段。   脚本(Script)组成 命令行中的program部分,可以称为awk代码,也可以称为awk脚本。一段awk脚本是由多个’pattern { action }‘序列组成的。action是一个或者多个语句,它在输入行匹配pattern的时候被执行。如果pattern为空,表明这个action会在每一行处理时都会被执行。下面的例子简单地打印文件的每一行,这里不带任何参数的print语句打印的是整个记录,类似’print $0‘: ? 1 2 3 [[email protected] awk_temp]$ echo -e 'line1\nline2' | awk '{print}' line1 line2 除了pattern { action },还可以在脚本中定义自定义的函数,函数定义格式如下所示: ? 1 function name(parameter list) { statements } 函数的参数列表用逗号分隔,参数默认是局部变量,无法在函数之外访问,而在函数中定义的变量为全局变量,可以在函数之外访问,如: ? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 [[email protected] awk_temp]$ echo line1 | awk ' function t(a) {     b=a;     print a; }   {     print b;     t("kodango.me");     print b; }'   kodango.me kodango.me Awk脚本中的语句使用空行或者分号分隔,使用分号可以放在同一行,不过有时候会影响可读性,尤其是分支或循环结构中,很容易出错。 如果Awk中的一个语句太长,要分成多行,可以在行为使用反斜杠’\': ? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 [[email protected] awk_temp]$ cat test.awk   function t(a) {     b=a     print "This is a very long line, so use backslash to escape the newline \ then we will print the variable a: a=" a }   { print b; t("kodango.me"); print b;} [[email protected] awk_temp]$ echo 1 | awk -f test.awk   This is a very long line, so use backslash to escape the newline then we will print the variable a: a=kodango.me kodango.me 这里我们将脚本写到文件中,并通过-f参数来指定。但是,在一些特殊符号之后,是可以直接换行的,例如”, { && ||”。   模式(Pattern) 模式是awk中比较重要的一部分,它有以下几种情况: ● /regular expression/: 扩展的正则表达式(Extended Regular Expression), 关于ERE可以参考这篇文章; ● relational expression: 关系表达式,例如大于、小于、等于,关系表达式结果为true表示匹配; ● BEGIN: 特殊的模式,在第一个记录处理之前被执行,常用于初始化语句的执行; ● END: 特殊的模式,在最后一个记录处理之前被执行,常用于输出汇总信息; ● pattern, pattern:模式对,匹配两者之间的所有记录,类似sed的地址对; 例如查找匹配数字3的行: ? 1 2 3 [[email protected] awk_temp]$ seq 1 20 | awk '/3/ {print}' 3 13 相反地,可以在在正则表达式之前加上’!'表示不匹配: ? 1 2 3 4 5 [[email protected] awk_temp]$ seq 1 5 | awk '!/3/ {print}' 1 2 4 5 除了BEGIN和END这两个特殊的模式外,其余的模式都可以使用’&&’或者’||’运算符组合,前者表示逻辑与,后者表示逻辑或: ? 1 2 3 [[email protected] awk_temp]$ seq 1 50 | awk '/3/ && /1/ {print}' 13 31 前面的正则都是整行匹配,有时候仅仅需要匹配某个字符,这样我们可以用表达式$n ~ /ere/: ? 1 2 [[email protected] ~]$ awk '$1 ~ /ko/ {print}' /etc/passwd kodango:x:1000:1000::/home/kodango:/bin/bash 有时候我们只想显示特定和行,例如显示第一行: ? 1 2 [[email protected] ~]$ seq 1 5 | awk 'NR==1 {print}' 1   正则表达式(Regular Expression) 和sed篇一样,这里我不会详细介绍正则表达式。因为正则表达式的内容介绍起来太麻烦,还是推荐同学阅读现有的文章(如Linux/Unix工具与正则表达式的POSIX规范),里面对各个流派的正则表达式归纳地很清楚了。   表达式(Expressions) 表达式可以由常量、变量、运算符和函数组成,常数和变量的值可以为字符串和数值。 Awk中的变量有三种类型:用户定义的变量,内置变量和字段变量。其中,内置变量名都是大写的。变量并不非一定要被声明或者被初始化,未初始化的字符串变量的值为”",未初始化的数值变量的值为0。字段变量可以用$n来引用,n的取值范围为[0,NF]。n可以为一个变量,例如$NF代码最后一个字段,而$(NF-1)表示倒数第二个字段。   数组 数组是一种特殊的变量,在awk中,比较特殊地是,数组的下标可以为数字或者字符串。数组的赋值很简单,下面将value赋值给数组下标为index的元素: ? 1 array[index]=value 可以用for..in..语法遍历数组元素,其中item是数组元素对应的下标: ? 1 for (item in array) 当然也可以在if分支判断中使用in操作符: ? 1 if (item in array) 一个完整的例子如下所示: ? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 [[email protected] ~]$ echo "1 2 3" | awk '{ for (i=0;i<NF;i++)   a[i]=i; }   END { print 3 in a for (i in a)    printf "%s: %s\n", i, a[i]; }' 0 0: 0 1: 1 2: 2   内置变量 Awk在内部维护了许多内置变量,或者称为系统变量,例如之前提到的FS、RS等等。常见的内置变量如下表所示 变量名 描述 ARGC 命令行参数的各个,即ARGV数组的长度 ARGV 存放命令行参数 CONVFMT 定义awk内部数值转换成字符串的格式,默认值为”%.6g” OFMT 定义输出时数值转换成字符串的格式,默认值为”%.6g” ENVIRON 存放系统环境变量的关联数组 FILENAME 当前被处理的文件名 NR 记录的总个数 FNR 当前文件中的记录的总个数 FS 字段分隔符,默认为空白 NF 每个记录中字段的个数 RS 记录的分隔符,默认为回车 OFS 输出时字段的分隔符,默认为空白 ORS 输出时记录的分隔符,默认为回车 RLENGTH 被match函数匹配的子串长度 RSTART 被match函数匹配的子串位于目标字符串的起始下标   下面主要介绍几个比较难理解的内置变量: 1. ARGV与ARGC ARGV与ARGC的意思比较好理解,就像C语言main(int argc, char **argv)。ARGV数组的下标从0开始到ARGC-1,它存放的是命令行参数,并且排除命令行选项(例如-v/-f)以及program部分。因此事实上ARGV只是存储argument的部分,即文件名(file)以及命令行变量赋值两部分的内容。 通过下面的例子可以大概了解ARGC与ARGV的用法: ? 1 2 3 4 5 6 7 [[email protected] awk_temp]$  awk 'BEGIN { >     for (i = 0; i < ARGC; i++) >         print ARGV[i] >  }' inventory-shipped BBS-list awk inventory-shipped BBS-list ARGV的用法不仅限于此,它是可以修改的,可以更改数组元素的值,可以增加数组元素或者删除数组元素。 a. 更改ARGV元素的值 假设我们有a, b两个文件,它们各有一行内容:file a和file b。现在利用ARGV,我们可以做到偷梁换柱: ? 1 2 [[email protected] awk_temp]$ awk 'BEGIN{ARGV[1]="b"} {print}' a file b 这里要注意ARGV[1]="b"的引号不能缺少,否则ARGV[1]=b会将变量b的值赋值给ARGV[1]。 当awk处理完一个文件之后,它会从ARGV的下一个元素获取参数,如果是一个文件则继续处理,如果是一个变量赋值则执行赋值操作: ? 1 2 [[email protected] awk_temp]$ awk 'BEGIN{ARGV[1]="var=1"} {print var}' a b 1 为什么这里只打印一次变量值呢?可以回头再看看上一篇中介绍变量赋值的内容。 而当下一个元素为空时,则跳过不处理,这样可以避开处理某个文件: ? 1 2 [[email protected] awk_temp]$ awk 'BEGIN{ARGV[1]=""} {print}' a b file b 上面的例子中a这个文件就被跳过了。 而当下一个元素的值为”-”时,表明从标准输入读取内容: ? 1 2 3 4 [[email protected] awk_temp]$ awk 'BEGIN{ARGV[1]="-"} {print}' a b a a    # --> 这里按下CTRL+D停止输入 file b b. 删除ARGV元素 删除ARGV元素和将元素的值赋值为空的效果是一样的,它们都会跳转对某个参数的处理: ? 1 2 [[email protected] awk_temp]$ awk 'BEGIN{delete ARGV[1]} {print}' a b file b 删除数组元素可以用delete语句。 c. 增加ARGV元素 我第一次看到ARGV变量的时候就在想,能不能利用ARGV变量避免提供命令行参数,就像这样: ? 1 awk 'BEGIN{ARGV[1]="a";} {print}' 但是事实上这样不行,awk会依然从标准输入中获取内容。下面的方法倒是可以,首先增加ARGC的值,再增加ARGV元素,我到现在也没搞懂这两者的区别: ? 1 2 [[email protected] awk_temp]$ awk 'BEGIN{ARGC+=1;ARGV[1]="a"} {print}' file a 2. CONVFMT与OFMT Awk中允许数值到字符串相互转换,其中内置变量CONVFMT定义了awk内部数值到字符串转换的格式,它的默认值为”%.6g”: ? 1 2 3 4 [[email protected] awk_temp]$ awk 'BEGIN {     printf "CONVFMT=%s, num=%f, str=%s\n", CONVFMT, 12.11, 12.11 }'   CONVFMT=%.6g, num=12.110000, str=12.11 通过更改CONVFMT,我们可以定义自己的转换格式: ? 1 2 3 4 5 [[email protected] awk_temp]$ awk 'BEGIN {     CONVFMT="%d";     printf "CONVFMT=%s, num=%f, str=%s\n", CONVFMT, 12.11, 12.11 }'  CONVFMT=%d, num=12.110000, str=12 与此对应地还有一个内置变量OFMT,它与CONVFMT的作用是类似的,只不过是影响输出的时候数字转换成字符串的格式: ? 1 2 [[email protected] awk_temp]$ awk 'BEGIN { OFMT="%d";print 12.11 }'  12 3. ENVIRON ENVIRON是一个存放系统环境变量的关联数组,它的下标是环境变量名称,值是相应环境变量的值。例如: ? 1 2 [[email protected] awk_temp]$ awk 'BEGIN { print ENVIRON["USER"] }'  kodango 利用环境变量也可以将值传递给awk: ? 1 2 [[email protected] awk_temp]$ U=hello awk 'BEGIN { print ENVIRON["U"] }'  hello 可以利用for..in循环遍历ENVIRON数组: ? 1 2 3 4 [[email protected] awk_temp]$ awk 'BEGIN { for (env in ENVIRON)     printf "%s=%s\n", env, ENVIRON[env]; }' 4. RLENGTH与RSTART RLENGTH与RSTART都是与match函数相关的,前者表示匹配的子串长度,后者表示匹配的子串位于目标字符串的起始下标。例如: ? 1 2 [[email protected] ~]$ awk 'BEGIN {match("hello,world", /llo/); print RSTART,RLENGTH}' 3 3 关于match函数,我们会在以后介绍。   运算符 表达式中必然少不了运算符,awk支持的运算符可以参见man手册中的“Expressions in awk”一小节内容: ? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 [[email protected] awk_temp]$ man awk | grep "^ *Table: Expressions in" -A 42 | sed 's/^ *//'                                        Table: Expressions in Decreasing Precedence in awk   Syntax                Name                      Type of Result   Associativity ( expr )              Grouping                  Type of expr     N/A $expr                 Field reference           String           N/A ++ lvalue             Pre-increment             Numeric          N/A -- lvalue             Pre-decrement             Numeric          N/A lvalue ++             Post-increment            Numeric          N/A lvalue --             Post-decrement            Numeric          N/A expr ^ expr           Exponentiation            Numeric          Right ! expr                Logical not               Numeric          N/A   + expr                Unary plus                Numeric          N/A - expr                Unary minus               Numeric          N/A expr * expr           Multiplication            Numeric          Left   ...以下省略... ? 1   语句(Statement) 到目前为止,用得比较多的语句就是print,其它的还有printf、delete、break、continue、exit、next等等。这些语句与函数不同的是,它们不会使用带括号的参数,并且没有返回值。不过也有意外,比如printf就可以像函数一样的调用: ? 1 2 [[email protected] awk_temp]$ echo 1 | awk '{printf("%s\n", "abc")}' abc break和continue语句,大家应该比较了解,分别用于跳出循环和跳到下一个循环。 delete用于删除数组中的某个元素,这个我们在上面介绍ARGV的时候也使用过。 exit的用法顾名思义,就是退出awk的处理,然后会执行END部分的内容: ? 1 2 3 [[email protected] awk_temp]$ echo $'line1\nline2' | awk '{print;exit} END {print "exit.."}' line1 exit.. next语句类似sed的n命令,它会读取下一条记录,并重新回到脚本的最开始处执行: ? 1 2 3 4 5 6 7 8 9 10 [[email protected] awk_temp]$ echo $'line1\nline2' | awk '{ > print "Before next.." > print $0 > next > print "After next.." > }' Before next.. line1 Before next.. line2 从上面可以看出next后面的print语句不会执行。 print与printf语句是使用最多的,它们将内容输出到标准输出。注意在print语句中,输出的变量之间带不带逗号是有区别的: ? 1 2 3 4 [[email protected] awk_temp]$ echo "1 2" | awk '{print $1, $2}' 1 2 [[email protected] awk_temp]$ echo "1 2" | awk '{print $1 $2}' 12 print输出时,字段之间的分隔符可以由OFS重新定义: ? 1 2 [[email protected] awk_temp]$ echo "1 2" | awk '{OFS=";";print $1,$2}' 1;2 除此之外,print的输出还可以重定向到某个文件中或者某个命令: ? 1 2 3 print items > output-file print items >> output-file print items | command 假设有这一样一个文件,第一列是语句名称,第二列是对应的说明: ? 1 2 3 4 5 [[email protected] awk_temp]$ cat column.txt statement|description delete|delete item from an array exit|exit from the awk process next|read next input record and process 现在我们要将两列的内容分别输出到statement.txt和description.txt两个文件中: ? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 [[email protected] awk_temp]$ awk -F'|' '{ > print $1 > "statement.txt"; > print $2 > "description.txt" > }' column.txt [[email protected] awk_temp]$ cat statement.txt statement delete exit next [[email protected] awk_temp]$ cat description.txt description delete item from an array exit from the awk process read next input record and process 下面是一个重定向到命令的例子,假设我们要对下面的文件进行排序: ? 1 2 3 4 5 6 [[email protected] awk_temp]$ cat num.list 1 3 2 9 5 可以通过将print的内容重定向到”sort -n”命令: ? 1 2 3 4 5 6 [[email protected] awk_temp]$ awk '{print | "sort -n"}' num.list 1 2 3 5 9 printf命令的用法与print类似,也可以重定向到文件或者输出,只不过printf比print多了格式化字符串的功能。printf的语法也大多数语言包括bash的printf命令类似,这里就不多介绍了。 awk的函数分成数学函数、字符串函数、I/O处理函数以及用户自定义的函数,其中用户自定义的函数我们在上一篇中也有简单的介绍,下面我们一一来介绍这几类函数。   数学函数 awk中支持以下数学函数: ● atan2(y,x):反正切函数; ● cos(x):余弦函数; ● sin(x):正弦函数; ● exp(x):以自然对数e为底指数函数; ● log(x):计算以e 为底的对数值; ● sqrt(x):开平方函数; ● int(x):将数值转换成整数(绝对值); ● rand():返回0到1的一个随机数值,不包含1; ● srand([expr]):设置随机种子,一般与rand函数配合使用,如果参数为空,默认使用当前时间为种子; 例如,我们使用rand()函数生成一个随机数值: ? 1 2 3 4 [[email protected] awk_temp]$ awk 'BEGIN {print rand(),rand();}' 0.237788 0.291066 [[email protected] awk_temp]$ awk 'BEGIN {print rand(),rand();}' 0.237788 0.291066 但是你会发现,每次awk执行都会生成同样的随机数,但是在一次执行过程中产生的随机数又是不同的。因为每次awk执行都使用了同样的种子,所以我们可以用srand()函数来设置种子: ? 1 2 3 4 [[email protected] awk_temp]$ awk 'BEGIN {srand();print rand(),rand();}' 0.171625 0.00692412 [[email protected] awk_temp]$ awk 'BEGIN {srand();print rand(),rand();}' 0.43269 0.782984 这样每次生成的随机数就不一样了。 利用rand()函数我们也可以生成1到n的整数: ? 1 2 3 4 5 [[email protected] awk_temp]$ awk ' > function randint(n) { return int(n*rand()); } > BEGIN { srand(); print randint(10); > }' 3 字符串函数 awk中包含大多数常见的字符串操作函数。 1. sub(ere, repl[, in]) 描述:简单地说,就是将in中匹配ere的部分替换成repl,返回值是替换的次数。如果in参数省略,默认使用$0。替换的动作会直接修改变量的值。 下面是一个简单的替换的例子: ? 1 2 3 [[email protected] ~]$ echo "hello, world" | awk '{print sub(/ello/, "i"); print}' 1 hi, world 在repl参数中&是一个元字符,它表示匹配的内容,例如: ? 1 2 [[email protected] ~]$ awk 'BEGIN {var="kodango"; sub(/kodango/, "hello, &", var); print var}' hello, kodango 2. gsub(ere, repl[, in]) 描述:同sub()函数功能类似,只不过是gsub()是全局替换,即替换所有匹配的内容。 3. index(s, t) 描述:返回字符串t在s中出现的位置,注意这里位置是从1开始计算的,如果没有找到则返回0。 例如: ? 1 2 3 4 [[email protected] ~]$ awk 'BEGIN {print index("kodango", "o")}' 2 [[email protected] ~]$ awk 'BEGIN {print index("kodango", "w")}' 0 4. length[([s])] 描述:返回字符串的长度,如果参数s没有指定,则默认使用$0作为参数。 例如: ? 1 2 3 4 [[email protected] ~]$ awk 'BEGIN {print length('kodango');}' 0 [[email protected] ~]$ echo "first line" | awk '{print length();}' 10 5. match(s, ere) 描述: 返回字符串s匹配ere的起始位置,如果不匹配则返回0。该函数会定义RSTART和RLENGTH两个内置变量。RSTART与返回值相同,RLENGTH记录匹配子串的长度,如果不匹配则为-1。 例如: ? 1 2 3 4 5 6 [[email protected] ~]$ awk 'BEGIN { print match("kodango", /dango/); printf "Matched at: %d, Matched substr length: %d\n", RSTART, RLENGTH; }' 3 Matched at: 3, Matched substr length: 5 6. split(s, a[, fs]) 描述:将字符串按照分隔符fs,分隔成多个部分,并存到数组a中。注意,存放的位置是从第1个数组元素开始的。如果fs为空,则默认使用FS分隔。函数返回值分隔的个数。 例如: ? 1 2 3 4 5 6 7 8 9 10 [[email protected] ~]$ awk 'BEGIN { > split("1;2;3;4;5", arr, ";") > for (i in arr) >     printf "arr[%d]=%d\n", i, arr[i]; > }' arr[4]=4 arr[5]=5 arr[1]=1 arr[2]=2 arr[3]=3 这里有一个奇怪的地方是for..in..输出的数组不是按顺序输出的,如果要按顺序输出可以用常规的for循环: ? 1 2 3 4 5 6 7 8 9 10 11 12 13 [[email protected] ~]$ awk 'BEGIN { > split("1;2;3;4;5", arr, ";") > for (i=0;^C [[email protected] ~]$ awk 'BEGIN { > n=split("1;2;3;4;5", arr, ";") > for (i=1; i<=n; i++) >     printf "arr[%d]=%d\n", i, arr[i]; > }' arr[1]=1 arr[2]=2 arr[3]=3 arr[4]=4 arr[5]=5 7. sprintf(fmt, expr, expr, ...) 描述:类似printf,只不过不会将格式化后的内容输出到标准输出,而是当作返回值返回。 例如: ? 1 2 3 4 5 [[email protected] ~]$ awk 'BEGIN { > var=sprintf("%s=%s", "name", "value") > print var > }' name=value 8. substr(s, m[, n]) 描述:返回从位置m开始的,长度为n的子串,其中位置从1开始计算,如果未指定n或者n值大于剩余的字符个数,则子串一直到字符串末尾为止。 例如: ? 1 2 3 4 [[email protected] ~]$ awk 'BEGIN { print substr("kodango", 2, 3); }' oda [[email protected] ~]$ awk 'BEGIN { print substr("kodango", 2); }' odango 9. tolower(s) 描述:将字符串转换成小写字符。 例如: ? 1 2 [[email protected] ~]$ awk 'BEGIN {print tolower("KODANGO");}' kodango 10. toupper(s) 描述:将字符串转换成大写字符。 例如 ? 1 2 [[email protected] ~]$ awk 'BEGIN {print tolower("kodango");}' KODANGO   I/O处理函数 1. getline getline的用法相对比较复杂,它有几种不同的形式。不过它的主要作用就是从输入中每次获取一行输入。 a. expression | getline [var] 这种形式将前面管道前命令输出的结果作为getline的输入,每次读取一行。如果后面跟有var,则将读取的内容保存到var变量中,否则会重新设置$0和NF。 例如,我们将上面的statement.txt文件的内容显示作为getline的输入: ? 1 2 3 4 5 [[email protected] awk_temp]$ awk 'BEGIN { while("cat statement.txt" | getline var) print var}' statement delete exit next 上面的例子中命令要用双引号,”cat statement.txt“,这一点同print/printf是一样的。 如果不加var,则直接写到$0中,注意NF值也会被更新: ? 1 2 3 4 5 [[email protected] awk_temp]$ awk 'BEGIN { while("cat statement.txt" | getline) print $0,NF}' statement 1 delete 1 exit 1 next 1 b. getline [var] 第二种形式是直接使用getline,它会从处理的文件中读取输入。同样地,如果var没有,则会设置$0,并且这时候会更新NF, NR和FNR: ? 1 2 3 4 5 6 7 [[email protected] awk_temp]$ awk '{      > while (getline) >    print NF, NR, FNR, $0; > }' statement.txt 1 2 2 delete 1 3 3 exit 1 4 4 next c. getline [var] < expression 第三种形式从expression中重定向输入,与第一种方法类似,这里就不加赘述了。 2. close close函数可以用于关闭已经打开的文件或者管道,例如getline函数的第一种形式用到管道,我们可以用close函数把这个管道关闭,close函数的参数与管道的命令一致: ? 1 2 3 4 5 6 7 8 9 10 [[email protected] awk_temp]$ awk 'BEGIN { while("cat statement.txt" | getline) {    print $0;    close("cat statement.txt"); }}' statement statement statement statement statement 但是每次读了一行后,关闭管道,然后重新打开又重新读取第一行就死循环了。所以要慎用,一般情况下也很少会用到close函数。 3. system 这个函数很简单,就是用于执行外部命令,例如: ? 1 2 [[email protected] awk_temp]$ awk 'BEGIN {system("uname -r");}' 3.6.2-1-ARCH  

上一篇:JSP 指令
下一篇:android4.2系统bug

相关文章

关键词: 快速了解Awk

相关评论