如何运用awk实现复杂文本处理的高级技巧？

本文共计2580个文字，预计阅读时间需要11分钟。

Top NSD SHELL DAY06 案例一：使用awk提取文本案例二：awk处理条件案例三：awk综合脚本应用案例四：awk流程控制

TopNSDSHELLDAY06案例1：使用awk提取文本案例2：awk处理条件案例3：awk综合脚本应用案例4：awk流程控制案例5 Top NSD SHELL DAY06

案例1：使用awk提取文本

案例2：awk处理条件

案例3：awk综合脚本应用

案例4：awk流程控制

案例5：awk扩展应用

1 案例1：使用awk提取文本

1.1 问题

本案例要求使用awk工具完成下列过滤任务：

• 练习awk工具的基本用法
• 提取本机的网卡流量、根分区剩余容量、获取SSH远程失败的IP地址
• 格式化输出/etc/passwd文件中的用户名、UID、宿主目录信息

1.2 步骤

实现此案例需要按照如下步骤进行。

步骤一：awk文本过滤的基本用法

1）基本操作方法

格式：awk [选项] '[条件]{指令}' 文件

其中，print 是最常用的编辑指令；若有多条编辑指令，可用分号分隔。

Awk过滤数据时支持仅打印某一列，如第2列、第5列等。

处理文本时，若未指定分隔符，则默认将空格、制表符等作为分隔符。

直接过滤文件内容：

[root@svr5 ~]# cat test.txt

hello the world

welcome to beijing

[root@svr5 ~]# awk '{print $1,$3}' test.txt//打印文档第1列和第3列

hello world

welcome beijing

结合管道过滤命令输出：

[root@svr5 ~]# df -h | awk '{print $4}'//打印磁盘的剩余空间

2）选项 -F 可指定分隔符

输出passwd文件中以分号分隔的第1、7个字段，显示的不同字段之间以逗号隔开，操作如下：

[root@svr5 ~]# awk -F: '{print $1,$7}' /etc/passwd

root /bin/bash

bin /sbin/nologin

daemon /sbin/nologin

adm /sbin/nologin

lp /sbin/nologin

sync /bin/sync

shutdown /sbin/shutdown

awk还识别多种单个的字符，比如以“:”或“/”分隔，输出第1、10个字段：

[root@svr5 ~]# awk -F [:/] '{print $1,$10}' /etc/passwd

root bash

bin nologin

daemon nologin

adm sbin

lp

sync sync

shutdown shutdown

awk常用内置变量：

$1 文本的第1列

$2 文件的第2列

$3 文件的第3列，依此类推

NR 文件当前行的行号

NF 文件当前行的列数（有几列）

输出每次处理的行号，以及当前行以“:”分隔的字段个数：

[root@svr5 ~]# awk -F: '{print NR,NF}' passwd.txt

1 7

2 7

3 7

4 7

.. ..

2）awk的print指令不仅可以打印变量，还可以打印常量

[root@svr5 ~]# awk -F: '{print $1,"的解释器:",$7}' /etc/passwd

root 的解释器: /bin/bash

bin 的解释器: /sbin/nologin

… …

步骤二：利用awk提取本机的网络流量、根分区剩余容量、获取远程失败的IP地址

1）提取IP地址

分步实现的思路及操作参考如下——

通过ifconfig eth0查看网卡信息，其中包括网卡流量：

[root@svr5 ~]# ifconfig eth0

eth0: flags=4163 mtu 1500

inet 192.168.4.21 netmask 255.255.255.0 broadcast 192.168.4.255

inet6 fe80::fa64:c143:ad6a:5159 prefixlen 64 scopeid 0x20>

ether 52:54:00:b3:11:11 txqueuelen 1000 (Ethernet)

RX packets 313982 bytes 319665556 (304.8 MiB)

RX errors 0 dropped 0 overruns 0 frame 0

TX packets 51809 bytes 40788621 (38.8 MiB)

TX errors 0 dropped 0 overruns 0 carrier 0 collisions 0

RX为接收的数据量，TX为发送的数据量。packets以数据包的数量为单位，bytes以字节为单位：

[root@svr5 ~]# ifconfig eth0 | awk '/RX p/{print $5}' //过滤接收数据的流量

319663094

[root@svr5 ~]# ifconfig eth0 | awk '/TX p/{print $5}' //过滤发送数据的流量

40791683

2）提取根分区剩余容量

分步实现的思路及操作参考如下——

通过df命令查看根分区的使用情况，其中包括剩余容量：

[root@svr5 ~]# df -h /

文件系统 容量 已用 可用 已用% 挂载点

/dev/sda2 19G 7.2G 11G 40% /

输出上述结果中最后一行的第4列：

[root@svr5 ~]# df -h / | tail -1 | awk '{print $6}'

11G

或者直接在awk中使用正则：

[root@svr5 ~]# df -h | awk '/\/$/{print $4}'

11G

3）根据/var/log/secure日志文件，过滤远程连接密码失败的IP地址

[root@svr5 ~]# awk '/Failed/{print $11}' /var/log/secure

192.168.2.254

192.168.2.100

... ...

步骤三：格式化输出/etc/passwd文件

1）awk处理的时机

awk会逐行处理文本，支持在处理第一行之前做一些准备工作，以及在处理完最后一行之后做一些总结性质的工作。在命令格式上分别体现如下：

awk [选项] ' BEGIN{指令} {指令} END{指令}' 文件

• BEGIN{ } 行前处理，读取文件内容前执行，指令执行1次
• { } 逐行处理，读取文件过程中执行，指令执行n次
• END{ } 行后处理，读取文件结束后执行，指令执行1次

只做预处理的时候，可以没有操作文件，比如：

[root@svr5 ~]# awk 'BEGIN{A=24;print A*2}'

[root@svr5 ~]# awk 'BEGIN{print x+1}'

[root@svr5 ~]# awk 'BEGIN{print 3.2+3.5}'

举个例子（统计系统中使用bash作为登录Shell的用户总个数）：

a.预处理时赋值变量x=0

b.然后逐行读入/etc/passwd文件，如果发现登录Shell是/bin/bash则x加1

c.全部处理完毕后，输出x的值即可。相关操作及结果如下：

[root@svr5 ~]# awk 'BEGIN{x=0}/bash$/{x++} END{print x}' /etc/passwd

29

2）格式化输出/etc/passwd文件

要求: 格式化输出passwd文件内容时，要求第一行为列表标题，中间打印用户的名称、UID、家目录信息，最后一行提示一共已处理文本的总行数，如图-1所示。

图-1

3）根据实现思路编写、验证awk过滤语句

输出信息时，可以使用“\t”显示Tab制表位：

[root@svr5 ~]# awk -F: 'BEGIN{print "User\tUID\tHome"} \

{print $1 "\t" $3 "\t" $6} \

END{print "Total",NR,"lines."}' /etc/passwd

User UID Home

root 0 /root

bin 1 /bin

daemon 2 /sbin

adm 3 /var/adm

lp 4 /var/spool/lpd

sync 5 /sbin

.. ..

Total 67 lines.

2 案例2：awk处理条件

2.1 问题

本案例要求使用awk工具完成下列过滤任务，注意awk处理条件的设置：

• 列出UID间于1~1000的用户详细信息
• 输出/etc/hosts文件内以127或192开头的记录
• 列出100以内整数中7的倍数或是含7的数

2.2 步骤

实现此案例需要按照如下步骤进行。

步骤一：认识awk处理条件的设置

1）使用正则设置条件

输出其中以bash结尾的完整记录：

[root@svr5 ~]# awk -F: '/bash$/{print}' /etc/passwd

root:x:0:0:root:/root:/bin/bash

输出包含root的行数据：

[root@svr5 ~]# awk -F: '/root/' /etc/passwd

输出root或adm账户的用户名和UID信息：

[root@svr5 ~]# awk -F: '/^(root|adm)/{print $1,$3}' /etc/passwd

root 0

adm 3

输出账户名称包含root的基本信息（第1列包含root）：

[root@svr5 ~]# awk -F: '$1~/root/' /etc/passwd

输出其中登录Shell不以nologin结尾（对第7个字段做!~反向匹配）的用户名、登录Shell信息：

[root@svr5 ~]# awk -F: '$7!~/nologin$/{print $1,$7}' /etc/passwd

root /bin/bash

sync /bin/sync

shutdown /sbin/shutdown

2）使用数值/字符串比较设置条件

比较符号：==(等于) !=（不等于） >（大于）

>=（大于等于） <（小于） <=（小于等于）

输出第3行（行号NR等于3）的用户记录：

[root@svr5 ~]# awk -F: 'NR==3{print}' /etc/passwd

输出账户UID大于等于1000的账户名称和UID信息：

[root@svr5 ~]# awk -F: '$3>=1000{print $1,$3}' /etc/passwd

tom 1000

jerry 1001

输出账户UID小于10的账户名称和UID信息：

[root@svr5 ~]# awk -F: '$3<10{print $1,$3}' /etc/passwd

root 0

bin 1

daemon 2

adm 3

lp 4

sync 5

shutdown 6

halt 7

mail 8

输出用户名为“root”的行：

[root@svr5 ~]# awk -F: '$1=="root"' /etc/passwd

root:x:0:0:root:/root:/bin/bash

3）逻辑测试条件

输出账户UID大于10并且小于20的账户信息：

[root@svr5 ~]# awk -F: '$3>10 print x}'

1

[root@svr5 ~]# awk 'BEGIN{x=8;print x+=2}'

10

[root@svr5 ~]# awk 'BEGIN{x=8;x--;print x}'

7

[root@svr5 ~]# awk 'BEGIN{print 2+3}'

5

[root@svr5 ~]# awk 'BEGIN{print 2*3}'

6

[root@svr5 ~]# awk 'BEGIN{print 2*3}'

6

[root@svr5 ~]# awk 'BEGIN{ print 23%8}'

7

[root@svr5 ~]# seq 200 | awk '$1%3==0{i++} END{print i}' //统计3的倍数的数量

66

步骤二：完成任务要求的awk过滤操作

1）列出UID间于1~1000的用户详细信息：

[root@svr5 ~]# awk -F: '$3>=1 a[1]=88;print a[1],a[0]}'

88 11

[root@svr5 ~]# awk 'BEGIN{a++;print a}'

1

[root@svr5 ~]# awk 'BEGIN{a0++;print a0}'

1

[root@svr5 ~]# awk 'BEGIN{a[0]++;print a[0]}'

1

[root@svr5 ~]# awk 'BEGIN{a[0]=00;a[1]=11;a[2]=22; for(i in a){print i,a[i]}}'

0 0

1 11

2 22

注意，awk数组的下标除了可以使用数字，也可以使用字符串，字符串需要使用双引号：

[root@svr5 ~]# awk 'BEGIN{a["hehe"]=11;print a["hehe"]}'

11

5 案例5：awk扩展应用

5.1 问题

本案例要求使用awk工具完成下列两个任务：

• 分析Web日志的访问量排名，要求获得客户机的地址、访问次数，并且按照访问次数排名

5.2 方案

1）awk统计Web访问排名

在分析Web日志文件时，每条访问记录的第一列就是客户机的IP地址，其中会有很多重复的IP地址。因此只用awk提取出这一列是不够的，还需要统计重复记录的数量并且进行排序。

通过awk提取信息时，利用IP地址作为数组下标，每遇到一个重复值就将此数组元素递增1，最终就获得了这个IP地址出现的次数。

针对文本排序输出可以采用sort命令，相关的常见选项为-r、-n、-k。其中-n表示按数字顺序升序排列，而-r表示反序，-k可以指定按第几个字段来排序。

5.3 步骤

实现此案例需要按照如下步骤进行。

步骤一：统计Web访问量排名

分步测试、验证效果如下所述。

1）提取IP地址及访问量

[root@svr5 ~]# awk '{ip[$1]++} \

> END{for(i in ip) {print i,ip[i]}}' /var/log/www.558idc.com/helan.html 复制请保留原URL】