Linux生产环境上，最常用的一套“AWK“技巧

最有用系列：

《Linux生产环境上，最常用的一套“vim“技巧》
《Linux生产环境上，最常用的一套“Sed“技巧》
《”Sed” 高级功能：我这小脑瓜都快绕晕了》

敢用自己的名字做软件名字的，都有非常强大的自信。比如，垠语言什么的。

awk的命名得自于它的三个创始人姓别的首字母，都是80来岁的老爷爷了。当然也有四个人的组合：流行的GoF设计模式。但对于我这游戏爱好者来说，想到的竟然是三位一体，果然是不争气啊。

它长的很像C，为什么这么有名，除了它强大的功能，我们姑且认为a这个字母比较靠前吧。awk比sed简单，它更像一门编程语言。

打印某一列

下面，这几行代码的效果基本是相同的：打印文件中的第一列。

这可能是awk最常用的功能了：打印文件中的某一列。它智能的去切分你的数据，不管是空格，还是TAB，大概率是你想要的。

对于csv这种文件来说，分隔的字符是,。AWK使用-F参数去指定。以下代码打印csv文件中的第1和第2列。

awk -F ","  '{print $1,$2}' file

由此，我们可以看出一个基本的awk命令的组成部分。

网络状态统计

本小节，采用awk统计netstat命令的一些网络状态，来看一下awk语言的基本要素。netstat的输出类似于：

其中，第6列，标明了网络连接所处于的网络状态。我们先给出awk命令，看一下统计结果。

netstat  -ant | 
awk ' \
    BEGIN{print  "State","Count" }  \
    /^tcp/ \
    { rt[$6]++ } \
    END{  for(i in rt){print i,rt[i]}  }'

输出结果为：

State Count
LAST_ACK 1
LISTEN 64
CLOSE_WAIT 43
ESTABLISHED 719
SYN_SENT 5
TIME_WAIT 146

下面这张图会配合以上命令详细说明，希望你能了解awk的精髓。

乍一看，好吓人的命令，但是很简单。awk和我们通常的程序不太一样，它分为四个部分。

1、BEGIN 开头部分，可选的。用来设置一些参数，输出一些表头，定义一些变量等。上面的命令仅打印了一行信息而已。

2、END 结尾部分，可选的。用来计算一些汇总逻辑，或者输出这些内容。上面的命令，使用简单的for循环，输出了数组rt中的内容。

3、Pattern 匹配部分，依然可选。用来匹配一些需要处理的行。上面的命令，只匹配tcp开头的行，其他的不进入处理。

4、Action 模块。主要逻辑体，按行处理，统计打印，都可以。

例子

我们从几个简单的例子，来看下awk的作用。

1、输出Recv-Q不为0的记录

netstat -ant | awk '$2 > 0 {print}'

2、外网连接数，根据ip分组

netstat -ant | awk '/^tcp/{print $4}' | awk -F: '!/^:/{print $1}' | sort | uniq -c

3、打印RSS物理内存占用

top -b -n 1 | awk 'NR>7{rss+=$6}END{print rss}

4、过滤（去掉）空白行

awk 'NF' file

5、打印奇数行

awk 'a=!a' file

6、输出行数

awk 'END{print NR}' file

这些命令，是需要了解awk的一些内部变量的，接下来我们来介绍。

内置变量

FS

下面的两个命令是等价的 。

awk -F ':'  '{print $3}' file
awk 'BEGIN{FS=":"}{print $3}' file

BEGIN块中的FS，就是内部变量，可以直接指定或者输出。如果你的文件既有用,分隔的，也有用:分割的，FS甚至可以指定多个分隔符同时起作用。

FS="[,:|]"

其他

OFS  指定输出内容的分割符，列数非常多的时候，简化操作。相似命令：

awk -F ':' '{print $1,"-",$2,"-",$4}' file
awk 'BEGIN{FS=":";OFS="-"}{print $1,$2,$4}' file

NF 列数。非常有用，比如，过滤一些列数不满足条件的内容。

awk -F, '{if(NF==3){print}}' file

NR 行号，例如，下面两个命令是等价的。

cat -n file
awk '{print NR,$0}' file

RS 记录分隔标志
ORS 指定记录输出的分隔标志

FILENAME 当前处理的文件名称，在一次性处理多个文件时非常有用

编程语言特性

数学运算

从上面的代码可以看出，awk可以做一些简单的运算。它的语言简洁，不需要显示的定义变量的类型。

比如上面的rt[$6]++，就已经默认定义了一个叫做rt的hash(array?)，里面的key是网络状态，而value是可以进行运算的(+-*/%)。

包含一些内置的数学运算（有限)

int
log
sqrt
exp
sin
cos
atan2
rand
srand

字符串操作

类似其他语言，awk也内置了很多字符串操作函数。它本来就是处理字符串的，所以必须强大。

length(str) #获取字符串长度
split(input-string,output-array,separator)
substr(input-string, location, length)

语言特性

awk是个小型的编程语言，看它的基本语法，如果你需要复杂一点的逻辑，请自行深入了解，包括一些时间处理函数：

# logic
if(x=a){}
if(x=a){}else{}
while(x=a){break;continue;}
do{}while(x=a)
for(;;){}

# array
arr[key] = value
for(key in arr){arr[key]}
delete arr[key]

asort(arr) #简单排序

据说，awk可以胜任所有的文本操作。因为它本身就是一门语言啊。

End

曾经使用awk编写过复杂的日志处理和统计程序。虽然比写sed舒畅了很多，但还是备受煎熬。更加上现在有各种nawk,gawk版本之间的区别，所以业务复杂度一增长，就习惯性的转向更加简洁、工具更全的python。

awk处理一些简单的文本还是极其方便的，最常用的还是打印某一列之类的，包括一些格式化输出。对于awk，要简单的滚瓜烂熟，复杂的耳熟能详，毕竟有些大牛，就喜欢写这种脚本呢。