我们知道 Linux 三剑客，它们是 grep、sed、awk。在前边已经讲过 grep 和 sed，没看过的同学可以直接点击阅读，今天要分享的是更为强大的 awk。
sed 可以实现非交互式的字符串替换，grep 能够实现有效的过滤功能。与两者相比，awk 是一款强大的文本分析工具，在对数据分析并生成报告时，显得尤为强悍。
awk 强大的功能，是一般 Linux 命令无法比拟的。在本文中，我不会告诉你 awk 也是一种编程语言，免得会吓到你。我们只需把它当做 Linux 下一款强大的文本分析工具即可。
这篇文章，我仍然秉持着 实用、实践 原则，提供大量的示例，但不会面面俱到。通过本文可以帮助你，快速将 awk 运用起来，这些东西足够应付工作中大多数应用场景。
场景
学习具体使用前，先来看下 awk 能干些什么事情：
1. 能够将给定的文本内容，按照我们期望的格式输出显示，打印成报表。
2. 分析处理系统日志，快速地分析挖掘我们关心的数据，并生成统计信息;
3. 方便地用来统计数据，比如网站的访问量，访问的 IP 量等;
4. 通过各种工具的组合，快速地汇总分析系统的运行信息，让你对系统的运行了如指掌;
5. 强大的脚本语言表达能力，支持循环、条件、数组等语法，助你分析更加复杂的数据;
......
当然 awk 不仅能做这些事情，当你将它的用法融汇贯通时，可以随心所欲的按照你的意愿，来进行高效的数据分析和统计。
不过我们需要知道，awk 不是万能的，它比较擅长处理格式化的文本，比如 日志、csv 格式数据等;
原理
我们先来简单了解 awk 基本工作原理，通过下边的图文讲述，希望你能了解 awk 到底是如何工作的。
awk 基本命令格式
结合下图来详细说明 awk 工作原理
- 首先，执行关键字 BEGIN 标识的 {} 中的命令;
- 完成 BEGIN 大括号中命令的后，开始执行 body 命令;
- 逐行读取数据，默认读到 \n 分割的内容为一条 记录，其实就是行的概念;
- 将记录按照指定的分隔符划分为 字段，其实就是列的概念;
- 循环执行 body 块中的命令，每读取一行，执行一次 body，最终完成 body 执行;
- 最后，执行 END 命令，通常会在 END 中输出最后的结果;
awk 是输入驱动的，有多少输入行，就会执行多少次 body 命令。
我们在下边的示例学习中，要时刻记着：记录 (Record) 就是行，字段 (Field) 就是列，BEGIN 是预处理阶段，body 是 awk 真正工作的阶段，END 是最后处理阶段。
实战 - 入门
从下边内容开始，我们直接进入到实战。为了方便举例，我先把如下信息保存到 file.txt
好了，我们先来一个最简单最常用的 awk 示例，输出第 1、4、8 列：
大括号里边的就是 awk 语句，只能被单引号包含，其中，$1..$N表示第几列，$0 表示整个行内容
再来看下 awk 比较实用的功能 格式化输出。和 C 语言的 printf 格式输出是一毛一样，我个人特别喜欢这种格式化方式，而不是 C++ 中的流的方式。
%s 表示字符串占位符，-4表示列宽度为 4，且左对齐，我们还可以根据需要，列出更复杂的格式来，这里先不详细举例了。
实战 - 进阶
(一)过滤记录
有些数据可能不是你想要的，可以根据需要进行过滤
上边的过滤条件为，第 3 列为 root 且第 6 列为 10 的行，才会被输出。
awk 支持各种比较运算符号 !=、>、<、>=、<=，其中 $0 表示整行的所有内容。
(二)内置变量
awk 内置了一些变量，更方便我们对数据的处理
过滤第 3 列为 root 用户，以及第 2 行内容，且打印时输出行号。NR 表示当前第几行，NF表示当前行有几列。
(三)指定分隔符
我们的数据，不总是以空格为分隔符，我们可以通过 FS 变量指定分隔符。
我们指定分隔符为 2019，这样就将行内容分割为了两部分，将 2019 替换成了 *
上边的命令也可以通过 -F 选项指定分割符
如果你需要指定多个分隔符，可以这样做 -F '[;:]'。相信聪明的你，一定能够理解并融会贯通的。
同样，awk 可以指定输出时的分隔符，通过 OFS 变量来设置
输出时，各字段用 OFS 指定的符号进行了分隔。
实战 - 高级
(一)条件匹配
列出 root 用户的所有文件，以及第一行文件
上边匹配第三列中包含 root 的行，~ 其实就是正则表达式的匹配。
同样，awk 可以像 grep 一样匹配某一行，就像这样
另外，可以这样 /Aug|Dec/ 匹配多个关键词。
模式取反可以使用 ! 符号
(二)拆分文件
我们来做一件有意思的事情，可以将文本信息拆分为多个文件，下边命令按照月份(第5列)将文件信息拆分为多个文件
awk 支持重定向符号 >，直接将每行内容重定向到月份命名的文件了，当然你也可以把指定的列输出到文件
(三)if 语句
复杂的条件判断，可以使用 awk 的 if 语句，awk 的强大正因为它是个脚本解释器，拥有一般脚本语言的编程能力，下边示例通过稍微复杂的条件进行拆分文件
要注意，if 语句是在大括号里边的。
(四)统计
统计当前目录下，所有 *.c、*.h 文件所占用空间大小总和
第 5 列表示文件大小，每读取一行就会将该文件大小计算到 sum 变量中，在最后 END 阶段打印出 sum，也就是所有文件的大小总和。
再来看一个例子，统计每个用户的进程占用了多少内存，注意取值的是 RSS 那一列
这里用到了 数组 和 for 循环，值得一提的是，awk 的数组可以理解为字典或 Map，key 可以是数值和字符串，这种数据类型在平时很常用。
(五)字符串
通过下边简单示例，展示 awk 对字符串操作的支持
awk 内置支持一系列的字符串函数，length 计算字符串长度，toupper 函数转换字符串为大写。
实战 - 技巧
为了从整体上理解 awk 工作机制，我们再来看一个综合的示例，假设有一个学生成绩单：
由于此示例程序稍显复杂，在命令行上不易读，另外呢，也想通过此案例介绍另外一种 awk 的执行方式，我们的 awk 脚本如下：
执行 awk 结果如下
我们可以将复杂的 awk 语句写入脚本文件 cal.awk，然后通过 -f 选项指定从脚本文件执行。
- 在 BEGIN 阶段，我们初始化了相关变量，并打印了表头的格式
- 在 body 阶段，我们读取每一行数据，计算该学科和该同学的总成绩
- 在 END 阶段，我们先打印了表尾的格式，并打印总成绩，以及计算了平均值
这个简单示例，完整的体现了 awk 的工作机制和原理，希望通过此示例能够帮你真正理解 awk 是如何工作的。
总结归纳
通过上述的示例，我们学习到了 awk 的工作原理，下边我们来总结下几个概念和常用的知识点。
(一)内置变量
1. 每一行内容记录，叫做记录，英文名称 Record
2. 每行中通过分隔符隔开的每一列，叫做字段，英文名称 Field
明确这几个概念后，我们来总结几个重要的内置变量：
- NR：表示当前的行数;
- NF：表示当前的列数;
- RS：行分隔符，默认是换行;
- FS：列分隔符，默认是空格和制表符;
- OFS：输出列分隔符，用于打印时分割字段，默认为空格
- ORS：输出行分隔符，用于打印时分割记录，默认为换行符
(二)输出格式
awk 提供 printf 函数进行格式化输出功能，具体的使用方式和 C 语法基本一致。
基本用法
常用的格式化方式：
- %d 十进制有符号整数
- %u 十进制无符号整数
- %f 浮点数
- %s 字符串
- %c 单个字符
- %e 指数形式的浮点数
- %x %X 无符号以十六进制表示的整数
- %0 无符号以八进制表示的整数
- %g 自动选择合适的表示法
- \n 换行符
- \t Tab符
(三)编程语句
awk 不仅是一个 Linux 命令行工具，它其实是一门脚本语言，支持程序设计语言所有的控制结构，它支持：
- 条件语句
- 循环语句
- 数组
- 函数
(四)常用函数
awk 内置了大量的有用函数功能，也支持自定义函数，允许你编写自己的函数来扩展内置函数。
这里只简单罗列一些比较常用的字符串函数：
- index(s, t) 返回子串 t 在 s 中的位置
- length(s) 返回字符串 s 的长度
- split(s, a, sep) 分割字符串，并将分割后的各字段存放在数组 a 中
- substr(s, p, n) 根据参数，返回子串
- tolower(s) 将字符串转换为小写
- toupper(s) 将字符串转换为大写
这里只简单总结一些常用的字符串功能函数，具体使用方法，还需要你参照前边的示例程序，举一反三，运用到实际问题中。
本文转载自微信公众号「编程修养」，可以通过以下二维码关注。转载本文请联系编程修养公众号。
