Use Linux AWK commands to make data processing more efficient!

在Linux系统中，我们经常需要对各种不同格式的数据进行处理和分析。这时候，一个简单又强大的工具就派上用场了 —— AWK。AWK是一种文本处理工具，它可以快速地处理文本文件，并且非常适合用于日志分析、数据提取、统计报表等各种任务。在本文中，我们将为您介绍AWK的基本用法和常见应用场景，让您轻松掌握这个数据处理利器。

0、基本用法

awk是一个强大的文本分析工具，简单来说awk就是把文件逐行读入，（空格，制表符）为默认分隔符将每行切片，切开的部分再进行各种分析处理
awk命令格式如下

awk [-F field-separator] 'commands' input-file(s)

[-F 分隔符]是可选的，因为awk使用空格，制表符作为缺省的字段分隔符，因此如果要浏览字段间有空格，制表符的文本，不必指定这个选项，但如果要浏览诸如/etc/passwd文件，此文件各字段以冒号作为分隔符，则必须指明-F选项

echo "this is a test" | awk '{ print $0 }'  
## 输出为  
this is a test

shell读取用户输入的字符串发现|，代表有管道。|左右被理解为简单命令，即前一个（左边）简单命令的标准输出指向后一个（右边）标准命令的标准输入
awk会根据分隔符将行分成若干个字段，为整行，1为第一个字段，$2 为第2个地段，依此类推…
为打印一个字段或所有字段，使用print命令。这是一个awk动作

echo "this is a test" | awk '{ print $1 }'  
## 输出为  
this  
echo "this is a test" | awk '{ print $1, $2 }'  
## 输出为  
this is

/etc/passwd的文件内容如下

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

举几个简单的小需求

1、只显示/etc/passwd的账户

awk -F : '{ print $1 }' /etc/passwd  
## 输出为  
root  
bin  
daemon  
adm  
lp

2、显示/etc/passwd的第1列和第7列，用逗号分隔显示，所有行开始前添加列名start1，start7，最后一行添加，end1，end7

awk -F ':' 'BEGIN {print "start1,start7"} {print $1 "," $7} END {print "end1,end7"}' /etc/passwd  
## 输出为  
start1,start7  
root,/bin/bash  
bin,/sbin/nologin  
daemon,/sbin/nologin  
adm,/sbin/nologin  
lp,/sbin/nologin  
end1,end7

BEGIN语句在所有文本处理动作执行之前被执行，END在所有文本处理动作执行之后被执行

3、统计/etc/passwd文件中，每行的行号，每行的列数，对应的完整行内容

awk -F : '{ print NR "  " NF "  " $0 }' /etc/passwd  
## 输出为  
1    7   root:x:0:0:root:/root:/bin/bash  
2    7   bin:x:1:1:bin:/bin:/sbin/nologin  
3    7   daemon:x:2:2:daemon:/sbin:/sbin/nologin  
4    7   adm:x:3:4:adm:/var/adm:/sbin/nologin  
5    7   lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin

1、支持内置变量

上面示例中NR，和NF其实就是awk的内置变量，一些内置变量如下

变量名 解释
FILENAMEawk浏览的文件名
FS设置输入字段分隔符，等价于命令行-F选项
NF 浏览记录的字段个数
NR 已读的记录数

2、支持函数

输出字符串的长度

awk 'BEGIN { print length("this is a text") }'

## 输出为
14
将/etc/passwd的用户名变成大写输出

awk -F ':' '{ print toupper($1) }' /etc/passwd

## 输出为

ROOT  
BIN  
DAEMON  
ADM  
LP

常用函数如下

函数名 作用
toupper(s)返回s的大写
tolower(s) 返回s的小写
length(s) 返回s长度
substr(s,p) 返回字符串s中从p开始的后缀部分

3、支持条件操作，正则表达式匹配

显示/etc/passwd中有daemon的行

awk -F ‘:’ ‘$0 ~ /daemon/’ /etc/passwd
## 输出为

daemon:x:2:2:daemon:/sbin:/sbin/nologin 
awk条件操作符

操作符 描述
if while do/while for break continue

输出第一个字段的第一个字符大于d的行

awk -F ':' '{ if ($1 > "d") { print $1 } else { print "-" } }' /etc/passwd

## 输出为

root  
-  
daemon  
-  
lp

可以把流程控制语句放到一个脚本中，然后调用脚本执行，如test.sh的内容如下

{   
    if ($1 > "d") {  
        print $1   
    } else {  
        print "-"   
    }   
}

用如下方式执行，效果一样

awk -F ':' -f test.sh /etc/passwd

## 输出为

root  
-  
daemon  
-  
lp

5、应用场景

小编用awk进行文本分析比较少，主要用来写脚本
如一个weibo-interface-1.0.jar应用，启动脚本如下

start.sh
nohup java -jar weibo-interface-1.0.jar >out 2>&1 &

关闭脚本如下，kill.sh

kill -9 `jps -l | grep 'weibo-interface-1.0.jar' | awk '{print $1}'`

jps -l的输出如下

70208 com.st.kmp.main.KmpService  
31036 com.st.cis.main.BaiduAnalysisService  
66813 weibo-interface-1.0.jar

还有就是关闭hadoop集群的所有DataNode节点（不知道hadoop的可以认为DataNode是一个集群应用），假如一个个机器jps，查看pid，kill。很麻烦，直接写了一个脚本，依次ssh到各个节点，然后执行如下命令即可

kill `jps | grep 'DataNode' | awk '{print $1}'`

jps的输出为

508 DataNode  
31481 JournalNode  
31973 NodeManager

总的来说，AWK是一个非常强大的数据处理工具。通过灵活的语法和功能，我们可以快速地处理不同格式的数据，并且生成各种形式的报表和统计数据。在本文中，我们介绍了AWK的基本概念、语法和常见应用场景，并且通过实例演示了如何使用AWK处理数据。希望本文能够帮助读者更好地理解AWK，提高数据处理的效率！

The above is the detailed content of Use Linux AWK commands to make data processing more efficient!. For more information, please follow other related articles on the PHP Chinese website!