实用LinuxShell编程：awk文本处理

与sed一样，awk并不是Bash的一部分，但事实上几乎所有的Linux系统都安装了sed与awk，并且，常常见到Bash脚本里面有调用sed与awk的命令。awk是Unix/Linux下一种优秀的用于处理文本的编程语言工具。与其他大多数Linux命令不同的是，仅从名字上看，猜不出awk的功能。awk的名称来自它的三个创始人Alfred Aho、Peter Weinberger和Brian Kernighan的姓氏的首字母。

awk最基本的命令格式为：

awk对文件进行逐行扫描并处理。假设有一个文件team.txt，一共4列，内容分别为名字、工号、生日、工资，用awk可以显示这个文件的内容：

其中，$0代表awk读入的文件的每一整行内容，这里的print是awk中的命令，不是Linux命令。命令awk'{print$0}'team.txt与命令cat team.txt的效果相同，awk依次读取文件team.txt的每一行并且打印出来。

下面的命令只显示名字和工资，并加上序号：

其中，$1表示文件的第1列，即名字；$4表示第4列，即工资；NR（Number of the current Record）为awk的内置变量，表示当前记录（即当前行）的序号。

下面的例子，awk依次读取文件team.txt的每一行并输出Good morning，因为team.txt一共有四行，所以输出了四次Good morning：

通过上面的例子，可以进一步理解awk的“逐行扫描”。多数情况下，awk是文本输入驱动的。如果要输出Good morning，运行awk'{print"Good morning"}'这个没有文本输入的命令是不行的：

这个命令将没有任何输出，因为awk在等待文本输入（命令中不含有文件名，靠文本输入驱动的awk在等待键盘输入），键盘输入任何字符串，就会输出Good morning：

难道让awk做点事情必须要有文本输入驱动吗？其实也不是这样的，后面要讲到的awk的BEGIN模块可以解决这个问题。

awk支持正则表达式，基本的命令格式为：

例如，想知道工号为3578的人的信息，用如下命令，其中$2～3578表示第二列匹配3578：

想知道1971年出生的人的名字，用如下命令：

awk自身有重定向输出功能。下例中，awk取出了team.txt的第1列和第4列，另存为wage.txt文件：

前面提到了两种awk的基本命令格式，还有一种较常用的格式为：

-F后面带域分隔符，默认的域分隔符是空格。前面的几个例子中，数据的域分隔符是空格，所以awk命令都省略了选项-F。

显然，文件/etc/passwd的域分隔符是：，要查看Linux账号和对应的默认shell，用下面的命令：

实际上-F后面跟的域分隔符指的是输入域分隔符（/etc/passwd是awk命令的输入文件），输入域分隔符也可以由awk的内置变量FS指定；相应地，输出域分隔符由awk的内置变量OFS指定，它们的默认值都是空格。例如，查看Linux账号和对应的默认shell，输出的两列用#分隔：

与Perl语言一样，awk有BEGIN和END模块。简单地说，BEGIN模块总是最先执行，END模块总是最后执行。例如，可以使用BEGIN模块给team.txt加文件头：

下面使用END模块计算并打印平均工资，由结果可知，这几个人的平均工资为2975元：(www.xing528.com)

不管位置的先后，BEGIN模块最先执行，END模块最后执行。如下例所示，awk先执行BEGIN模块，打印Morning，然后读文件team.txt，该文件一共四行，所以打印了四次Mary，最后执行END模块，打印Bye：

前面讲过，在多数情况下，awk需要文本输入来驱动。在没有文本输入的情况下要想输出Good morning，可以用BEGIN模块：

awk具有与C语言十分类似的流程控制功能，如if和if/else条件控制，while、do-while和for循环，用于跳转或者退出的命令break、continue、next和exit等。例如，打印工资高于3000元的人的信息：

可知，一共有两个人的工资高于3000元。下面的例子，打印出第一个工资高于3000元的人的信息后，马上执行exit，程序退出了，所以只打印了一个人的信息：

awk有内置的数学函数，这些函数是Bash所没有的，见表8-6。

表8-6 awk的数学函数

例如，int（15.68）输出整数部分15，sqrt（3）输出3的平方根1.73205：

因为team.txt有四行，所以下面的命令打印出四个0到1之间的随机数：

awk提供了字符串处理函数，例如，index（"Mississippi"，"is"）返回子字符串is在字符串Mississippi中首次出现的位置；substr（"707-555-1111"，1，3）返回字符串707-555-1111从第1个到第3个字符组成的子字符串；length（"abcdefghij"）返回字符串abcdefghij的长度。具体执行结果如下：

awk还有其他字符串处理函数，这里就不一一列举了。

与Perl语言一样，awk提供了系统调用函数system。例如，awk调用Linux命令date，查看日期和时间：

awk还可以应用system函数调用其他shell或者Perl脚本，这为混合编程提供了方便。

前面的例子，给人一种感觉，似乎awk只有命令行形式。其实，awk也可以像Bash^一样写成脚本，格式为：

下面脚本factorial_1.awk的功能是计算并打印出6到10的阶乘：

脚本factorial_1.awk中使用了格式化打印命令printf，awk的printf与C语言的printf在基本语法上几乎完全一致。

执行awk-f命令，可打印出6到10的阶乘：

如果将awk-f加入到脚本的第一行，得到脚本factorial_2.awk：

那么，直接运行factorial_2.awk脚本，即可打印出6到10的阶乘：

awk有两个与C语言类似的内置变量ARGC和ARGV，用于读取命令参数。awk还有内置数组变量ENVIRON，可用来读取当前系统的环境信息等。awk是一门脚本编程语言，内容很多，这里不展开讲解。