awk文本统计核心是“数据结构→字段提取→逻辑聚合→结果输出”主线，需先确认分隔符与字段位置，用关联数组计数，begin/end控制流程，结合过滤和字符串操作提升精度。
用 awk 写复杂文本统计脚本，关键不是堆砌语法，而是理清“数据结构→字段提取→逻辑聚合→结果输出”这条主线。它本质是面向行、按列处理的轻量级数据流水线，不需要写函数也能完成多数统计任务。
明确字段分隔与目标字段
多数统计失败，源于没先确认分隔符和字段位置。比如处理 /etc/passwd，必须用 -F:；处理 CSV 日志，得用 -F','；若字段含空格又混杂制表符，可用 -F'[[:space:]]+' 或 BEGIN{FS="\s+"}。打印前先试跑：awk -F: '{print NF, $1, $7}' /etc/passwd | head -3，确认字段数和内容是否符合预期。
用数组做计数与分组聚合
awk 的关联数组是统计核心，语法简洁：count[$key]++ 即可累加。常见模式包括：
- 按 IP 统计次数：
awk '{ip[$1]++} END {for (i in ip) print i, ip[i]}' access.log - 按状态码+IP 联合统计：
awk '{key = $1 " " $9; cnt[key]++} END {for (k in cnt) print k, cnt[k]}' access.log - 统计某字段出现频次并限制输出：
awk '{a[$3]++} END {for (i in a) if (a[i] > 5) print i, a[i]}' data.txt
用 BEGIN/END 控制流程与格式化输出
BEGIN 块适合初始化变量、打印表头；END 块负责汇总、排序、格式对齐。例如生成带标题的 shell 类型统计：
awk -F: 'BEGIN {printf "%-15s %s ", "Shell", "Count"} {sh[$7]++} END {for (s in sh) printf "%-15s %d ", s, sh[s]}' /etc/passwd- 若需按数量降序排列，可在 END 块后接管道：
... END {for (s in sh) print sh[s], s}' | sort -nr | cut -d' ' -f2-
嵌入条件与字符串操作提升精度
真实日志常含注释、空行、非标准格式，需前置过滤。常用手段有：
- 跳过注释和空行：
NR > 0 && !/^#/ && NF > 0 - 安全转数字（防字符串比较）：
$5+0 > 80比$5 > "80%"更可靠 - 提取子串或标准化内容：
substr($4,2,11)截取时间字段，toupper($2)统一大小写 - 正则匹配筛选：
$9 ~ /^2|3[0-9]{2}$/匹配成功 HTTP 状态码
不复杂但容易忽略：awk 脚本越长，越要善用单引号包裹、避免 shell 变量提前展开；多文件处理注意 FNR 和 NR 区别；大文件统计时，END 块内遍历数组无需排序，交给 sort 更高效。
