《LINUX教程：Linux文本處理三劍客之gawk》要點：
本文介紹了LINUX教程：Linux文本處理三劍客之gawk，希望對您有用。如果有疑問，可以聯系我們。

gawk程序是Unix中原始awk程序的GNU版本.gawk程序讓流編輯器邁上了一個新的臺階,它提供了一種編程語言而不只是編輯器命令.在gawk編程語言中,可以完成下面的事情：
(1)定義變量來保留數據；
(2)使用算數和字符串操作符來處理數據；
(3)使用結構化編程概念(比如if-then語句和循環)來為數據處理增加處理邏輯；
(4)通過提取數據文件中的數據元素,將其重新排列或格式化,生成格式化報表；
gawk程序的報告生成能力通常用來從大文本文件中提取數據元素,并將它們格式化成可讀的報告.其中完美的例子是格式化日志文件.在日志文件中找出錯誤行會很難,gawk程序可以讓你從日志文件中過濾出需要的數據元素,然后你可以將其格式化,使得重要的數據易于閱讀.

1 gawk命令格式

gawk option program file
    選項：     描述
    -F fs           指定行中劃分數據字段的字段分隔符
    -f file         從指定的文件中讀取程序
    -v var=value        定義gawk程序中的一個變量及其默認值
    -mf N           指定要處理的數據文件中的最大字段數
    -mr N           指定數據文件中的最大數據行數
    -W  keyword     指定gawk的兼容模式或警告等級

命令行選項提供了一個簡單的途徑來定制gawk程序中的功能.
gawk的強大之處在于程序腳本,可以寫腳本來讀取文本行的數據,然后處理并顯示數據,創建任何類型的輸出申報.

2 從命令行讀取程序腳本

(1)gawk程序及腳本用一對花括號來定義.你必須將命令放到兩個花括號“{}”中.如果你錯誤的使用了圓括號來包括gawk腳本,就會出錯.
(2)由于gawk命令行假定腳本是單個文本字符串,你還必須將腳本放到單引號中.
例如：

        [root@CentOS7 ~]# gawk '{print "Hello World!"}'

運行這個命令,你可能會有些失望,因為什么都不會發生.原因在于沒有在命令行上指定文件名,所有gawk程序會從STDIN接受數據.在運行這個程序時,它會一直等待從STDIN輸入的文本.
如果你輸入一行文本并按下回車鍵,gawk會對這行文本運行一遍程序腳本.跟sed編纂器一樣,gawk程序會針對數據流中的每一行文本執行程序.由于程序腳本被設為顯示一行固定的文本字符串,因此不管你在數據流中輸入什么文本,都會得到同樣的文本輸出.

[root@centos7 ~]# gawk '{print "Hello World!"}'
Thie is a error test
Hello World!
Hello World!
Hello World!

要終止這個程序,你必需標明數據流已經結束了.bash shell提供了一個組合鍵倆生成EOF(End –of-File)字符.Ctrl + D 組合鍵會字bash中產生一個EOF字符.這個組合鍵能夠終止該gawk程序并返回到命令行界面提示符下.

3 使用數據字段變量

gawk的主要特征之一是其處理文本文件中數據的才能.它會自動給一行的每個數據元素分配一個變量.默認情況下,gawk會將如下變量分配給它在文本中發現的數據字段：

$0  代表整個文本行
$1  代表文本行的第一個數據段
$n  代表文本行的第n個數據段

在文本行中,每個數據段都是通過字段分隔符劃分的.gawk在讀取一行文本時,會用預定義的字段分隔符劃分每個字段.gawk中默認的字段分隔符是任意的空白字符(例如空格或者制表符).
例如,用-F指定字段分隔符.顯示系統暗碼文件的第一個數據字段.由于/etc/passwd用冒號來分隔數據字段,因而可以將冒號指定為字段分隔符.

[root@centos7 ~]# gawk -F : '{print $1}' /etc/passwd
root
bin
daemon
adm
lp
sync
shutdown
halt
mail
operator
[……]

4 在法式腳本中使用多個命令

gawk編程語言允許將多條命令組合成一個正常法式.要在命令行上的法式腳本中使用多條命令,只要在命令之間放個分號即可.
例如

[root@centos7 ~]# echo "My name is centos"|gawk '{$4="hahaha";print $0}'
My name is hahaha

第一條命令會給$4賦值.第二條命令會打印整個數據字段.注意,gawk法式在輸出中已經將原文本中的第四個數據字段替換了新值.

5 從文本中讀取程序

跟sed編纂器一樣,gawk編纂器允許將程序存儲到文件中,然后再在命令行中引用.

[root@centos7 ~]# cat script2.gawk 
{print $1 "'s' home directory is " $6}
[root@centos7 ~]# gawk -F: -f script2.gawk  /etc/passwd
root's' home directory is /root
bin's' home directory is /bin
daemon's' home directory is /sbin
adm's' home directory is /var/adm
lp's' home directory is /var/spool/lpd
sync's' home directory is /sbin
shutdown's' home directory is /sbin
halt's' home directory is /sbin
mail's' home directory is /var/spool/mail
[……]

script2.gawk程序腳本會再次使用print命令打印/etc/passwd文件中的主目錄數據字段(字段變量$6),以及userID數據字段(字段變量$1).
可以在程序文件中指定多條命令.要這么做的話,只有一天命令放一行即可,不必要使用分號.

[root@centos7 ~]# cat script3.gawk 
{
text = "'s home directory is "
print $1 text $6
}

[root@centos7 ~]# gawk -F: -f script3.gawk /etc/passwd
root's home directory is /root
bin's home directory is /bin
daemon's home directory is /sbin
adm's home directory is /var/adm
lp's home directory is /var/spool/lpd
sync's home directory is /sbin
shutdown's home directory is /sbin
[……]

script3.gawk程序腳本定義了一個變量來保留print命令中用到的文本字符串.
注意：gawk程序在引用變量值時并未像shell腳本一樣使用美元符.

6 在處理數據前運行腳本

gawk還允許指定程序腳本何時運行.默認情況下,gawk會從輸入中讀取一行文本,然后針對該行的數據執行程序腳本.有時可能會需要在處理數據前運行腳本,比如申報創建標題.BEGIN關鍵字就是用來做這個的.它會強制gawk在讀取數據前執行BEGIN關鍵字后指定的程序腳本.

[root@centos7 ~]# cat data3.txt 
Line 1
Line 2
Line 3
[root@centos7 ~]# gawk 'BEGIN{print "The data3 File contents:"}{print $0}' data3.txt The data3 File contents:
Line 1
Line 2
Line 3

在gawk執行了BEGIN腳本后,它會用第二段腳原來處理文件數據.這么做是要小心,兩段腳本仍然被認為是gawk命令行中的一個文本字符串.你需要相應的加上單引號.

7 在處理數據后運行腳本

與BEGIN關鍵字類似,END關鍵字允許你指定一個法式腳本,gawk會在讀完數據后執行它.

[root@centos7 ~]# gawk '{print $0} END{print "End of file"}' data3.txt 
Line 1
Line 2
Line 3
End of file

當gawk程序打印完文件內容后,會執行END腳本中的命令.這是在處理完所有正常數據后給報告添加頁腳的最佳辦法.

本文永遠更新鏈接地址：

歡迎參與《LINUX教程：Linux文本處理三劍客之gawk》討論，分享您的想法，維易PHP學院為您提供專業教程。

轉載請注明本頁網址：
http://www.snjht.com/jiaocheng/9326.html