1. 程序元素
一个awk 程序是一对以模式(pattern) 与大括号框起来的操作(action) 组合而成的，或许，还会加上实现操作细节的函数(function ) 。针对每个匹配于输人数据的模式，操作会被执行，且所有模式都会针对每条输人记录而检查。模式或操作可省略其中一个。如果模式省略，则操作将被应用到每条输人记录; 如果操作省略，则默认操作为打印匹配之记录在标准输出上。以下是传统awk 程序的配置:
pattern {action} 如模式匹配，则执行操作
pattern {action} 如模式匹配，则打印记录
虽然，模式多半是数字或字符串表达式，不过awk 以保留字BEGIN 与END 提供两种特殊模式。
与BEG 工N 关联的操作只会执行一次，在任何命令行文件或一般命令行赋值被处理之前，但是在任何开头的一V 选项指定已经完成之后。
END 操作也是只执行一次，用于所有输入数据已被处理完之后。它多半用于产生摘要报告，或是执行清除操作。
BEGIN 与END 模式可以是任意顺序，可以存在于awk 程序内的任何位置。不过，为了方便，我们通常将BEGIN 模式放在程序的第一个位置，而将END 模式放在最后。
2. 注释与空白
awk 里的注释是从# 开始到该行结束，就像在Shell 里那样。空行等同于空的注释。
3. 字符串与字符串表达式
awk 字符串包含零至多个字符，且在字符串的长度上没有限制，视可用内存而定。
字符串的比较，用的是传统的关系运算符：==( 相等) 、!=( 不等) 、<( 小于) 、<=( 小于等于) 、>( 大于) ，以及>=( 大于等于》。比较后返回l 为真，0 为假。比较不同长度的字符串，且其中一个字符串为另一个的初始子字符串时，较短的会定义为小于较长的那个，因此，“A ”< “AA ”的值为真。
awk 并无特殊的字符串接续运算符。也就是说，两个连续字符串，会自动地连接在一起。以下每一组赋值设置标量变量。为相同的具有四个字符的字符串:
s = “ABCD ”
s = “AB ”“CD ”
s = “A ”“B ”“CD ”
s = “A ”“B ”“C ”“D ”
字符串不需要是常数，如果我们继续上述的赋值:
t= s s s
则t 的值为“ABCDABCDABCD “。.
将数字转换为字符串，通过数字连接空字符串即可
n =123 ，
接着是：
s = ““ n ，把值“123 ”赋给s 。
awk 功能强大的地方大多来自于它对正则表达式的支持。有两个运算符：~( 匹配) 与!~( 不匹配) 让awk 更容易使用正则表达式：”ABC ”~ ”^[A-Z]+$ “，结果为真。
4. 数值与数值表达式
所有awk 里的数字，都以双精确度的浮点值表示。浮点数可以包含一个末端以字母e( 或E) 所表示的10 次方指数以及可选地带正负号的一个整数。举例来说:0.03125, 3.125e-2, 3125e-5 与0.003125E1 ，同样都是表示1/32 。因为awk 里所有算术都是浮点算术。
awk 并没有提供字符串转数字的函数，不过awk 的做法很简单：只要加个零到字符串里，例如：s="123" ，接着是n=0+s ，便将数字123 赋值给n 了。
5. awk 的数值运算符
表9 一：awk 的数值运算符( 优先级由大到小排列)
运算符 说明
++ -- 增加与减少( 前置或后置)
^ ** 指数( 右结合性)
! + - 非、一元(unary) 加号、一元减号
* / % 乘、除、余数
+ - 加、减
< <= == != > >= 比较
&& 逻辑AND( 简写)
|| 逻辑OR( 简写)
?: 三元条件式
= += -= *= /= %= ^= **= 赋值( 右结合性)
6. 标量变量
保存单一值的变量叫做标量变量。
a wk 的变量名称必须以ACSII 字母或下划线开始，然后选择性地接上字母、下划线及字。因此，变量名称要匹配正则表达式[A-Za-z-][A-Za-z_0-9]* 。变量名称在实际上并没有长度的限制。awk 的变量名称是与大小写有关的:foo, Fo 。与FOO 是完全不同的三个名称。一般使用上以及建议用法是: 养成习惯，将局部变量全设为小写、全局变量第一个字母为大写，而内建变量则全是大写。
7. 数组变量
awk 允许在数组名称之后，以方括号将任意数字或字符串表达式 括起来作为索引。例如:
telephone["Alice"]= “555-0134"
telephone["Bob"]= “555-0135"
telephone["Carol”]= “555-0136"
telephone["Don"]= “555-0141"
以任意值为索引的数组，称之为关联数组，因为它们的名称与值是相关联的。重要的是，awk 将其应用于数组中，允许查找( find ) 、插入(insert ) 以及删除( remove) 等操作，在一定的时间内完成，与存储多少项目无关。
一个变量不能同时用作标量变量和数组变量。当你应用delet 。语句删除数组的元素
(element] 的时候，不会删除它的名称。因此。像这样的代码:
x[1]=3
delete x
x=789
会引发awk 发出提示，告诉你不可以给数组名称赋值.
8. 命令行参数
awk 通过内建变量ARGC( 参数计数) 与ARGV( 参数向量，或参数值) ，让命令行参数
可用。下面简短的程序说明其用法;
[root@local~]#cat showargs.awk
BEGIN{
print ”ARGC= ”，ARGC
for (k=0;k<ARGC; k++)
print "ARGV[”k”]=[”ARGV[k] “
}
再来看看将它用在一般awk 命令行上，会产生什么样的结果:
[root@local~]# awk -v One=1 -v Two=2 -f showargs.awk Three=3 file1 Four=4 filet2 file3
ARGC=6
ARGV[0]=[awk]
ARGV[1]=[Three=3]
ARGV[2]=[file1]
ARGV[3]=[Four=4]
ARGV[4]=[file2]
ARGV[5]=[file3]
9. 环境变量
awk 提供访问内建数组ENV 工RON 中所有的环境变量:
[root@local~]#awk 'BEGIN {print ENVIRON["HOME"];print ENVIRON["USER]} ‘
/home/Jones
hones
通常你应将ENVIRON 看成是一个只读数组。
10. 模式
模式由字符串与 / 或数值表达式构建而成。常用的模式如下：
NF==0 选定空记录
NF>3 选定拥有三个字段以上的记录
NR<5 选定第 1 到第 4 条记录
(FNR==3)&&(FILENAME~/[.] [ch]$/) 来源于 C 源文件中选定记录 3
$1~/Jones/ 选定字段 1 里有 . ” jones “的记录
/[Xx][Mm][Ll]/ 选定含有‘ 'XML' 。的记录，并忽略大小写差异
$0~/[Xx][Mm][Ll]/ 同上
11. 操作
以最简单的形式来说，纯print 意指在标准输出上，打印当前的输入记录($0) ，接着是输出记录分隔字符)ORS 的值，默认为单一换行字符。因此，下面这些程序所做的全是相同的操作:
1 模式为真，默认操作为打印
NR>0 {print} 有记录时打印( 恒为真)
1 {print} 模式为真。则打印，这是默认值
{print} 无模式则视为真，明确的打印，这是默认值
{print $0} 相同，但打印明确的值
下面的例子已经是完整的awk 程序。在每一个中，我们都只显示前三个输入字段，并通过省略选定模式，选定所有的记录。awk 程序语句以分号分隔，而且我们会使用些略微不同的操作代码，以修改输出字段分隔字符:
[root@local~]#echo ‘one two three four'| awk ‘{print $1,$2,$3}’
one two three
[root@local~]#echo ‘one two three four'| awk ‘{OFS=”…”;print $1,$2,$3}’
one…two…three
[root@local~]#echo ‘one two three four'| awk ‘{OFS=”\n”;print $1,$2,$3}’
one
two
three
改变输出字段分隔字符而没有指定任何字段，不会改变$0:
[root@local~]#echo ‘one two three four'| awk ‘{OFS=”\n”;print $0}’
one two three four
不过，如果我们更改输出字段分隔字符，并指定至少一个字段( 即使我们未变更其值) ，
强制以新的字段分隔字符重新组合记录，则结果为:
[root@local~]#echo ‘one two three four'| awk ‘{OFS=”\n”;$1=$1;print $0}’
one
two
three
four
12. 在awk 中的单行程序
1.UNIX 单词计数程序wc;
[root@local~]#awk ‘{C+=length($0)+1;w+=NF} END {print NR, W, C}’
2. 撇开NUL 字符问题，awk 其实可以轻松取代cat ，下面这两个例子会产生相同输出:
[root@local~]# cat*.xml
[root@local~]# awk 1*.xml
3. 要将原始数据值及它们的对数打印为单栏的数据文件，可使用:
[root@local~]# awk ‘{print $1, log($1)}’file(s)
4. 在以空白分隔字段的表格中，报告第n 栏的和:
[root@local~]# awk -v COLUMN=n ‘{sum+=$COLUMN} END {print sum} ’file (s)
5. 微调上述报告，产生字段n 的平均值:
[root@local~]# awk -v COLUMN=n ‘{sum+=$COLUMN} END {print sum/NR } ’file (s)
6. 针对花费文件( 其记录包含描述与金额于最后一个字段) ，打印花费总数。可使用内建变量NF 计算总值:
[root@local~]# awk’{sum+=$NF; print $0, sum}’files)
7. 这里是三种查找文件内文本的方式:
[root@local~]#egrep ‘pattern|pattern’ file (s)
[root@local~]#awk ‘/pattern|pattern/’file (s)
[root@local~]#awk ‘/pattern}pattern/ {print FILENAME ”: ”FNR ”: ”$0} ’file(s)
8. 如果你要限制仅查找100 一150 行，可以通过两个工具程序，再搭配管道，不过这么做会漏掉位置信息:
[root@local~]#sed -n -e 100,150p -s file(s) | egrep 'pattern'
使用GNU sed 要搭配-s 选项，才能为每个文件重新开始行编号。另外，你也可以通过awk ，使用比较花哨的模式来做:
[root@local~]#awk ‘(100<=FNR) && (FNR <= 150) && /pattern/\
{print FILENAME ”:” FNR ”:”$0}’file(s)
9. 要在一个四栏表格里，调换第二与第三栏，假设它们是以制表字符分隔，那么可以
使用下面三种方式的其中一种:
[root@local~]#awk -F'\t’-v OFS='\t’{print $1, $3, $2, $4}’old > new
[root@local~]#awk ‘BEGIN{FS=OFS="\t"}{print $1, $3 ，$2 ，$4} ’old>new
[root@local~]#awk –F ‘\t’{print $1"\t" $3"\t" $2"\t" $4}’old>new
10. 要将各栏分隔字符由制表字符( 在此以·显示) 转换成& ，可在以下两种方式择一:
[root@local~]#sed -e 's/ ·/&/g' file(s)
[root@local~]#awk ‘{BEGIN{FS="\t";OFS= “& ”}{$1=$1; print} ’file(s)
11. 下面这两个管道，都为删除已排序流里的重复行
[root@local~]#sort file(s)|uniq
[root@local~]# sort file(s)|awk ‘Last!=$0 { print }{Last=$0}’
12. 将回车字符/ 换行字符的行终结，一致转换为以换行字符作为行终结，可在下列方
式中选择一种:
[root@local~]#sed –e ‘s/\r$//’ file(s)
[root@local~]#sed –e ‘s/^M$//’ file(s)
[root@local~]# mawk ‘BEGIN {RS=“\r\n"} {print}’file(s)
13. 要将单空格的文本行，转换为双空格的行，可在下列方式选择一种
[root@local~]#sed –e ‘/s/$/\n/ ’file(s)
[root@local~]#awk ‘BEGTN{ ORS = "\n\n"){print}’file(s)
[root@local~]#awk ‘BEGIN{ ORS="\n\n" }1 ’ file(s)
[root@local~]#awk {print $0 “\n”} ’ file(s)
[root@local~]#awk ‘{print;print ” ”} ’ file(s)
13. 语句
13.1. 条件语句
if(expressionl)
stateme 刀t1
else if(expression2)
statement2
else if(expression3)
statement3
else if(expressionk)
statementk
else
statementk+l
13.2. 重复执行
awk 提供了 4 种重复执行语句 ( 循环 ):
1. 循环在起始处使用结束测试 :
while(expression)
statement
2. 循环在结尾处使用结束测试 :
do
statement
while (expression)
3. 循环执行可计数的次数 :
for(expr1;expr2; expr3)
statement
4. 循环处理关联数组里的元素 :
for(key in array)
statement
例如：
for （name in telephone)
print name“\t" telephone[name]
13.3 数组成员测试
成员测试key in array 是一个表达式: 如果key 为array 的一个索引元素，则计算为1( 真) 。如果key 不是array 的一个索引元素，则!(key in array) 为1 。
对于具有多下标(subscript) 的数组，在测试时，请使用圆括号，并以逗点分隔下标列表:(i ，j ，…，n)in array
成员测试不可能建立数组元素，然而引用元素时，如果元素不存在，便会建立它。因此你应该这么写:
if("Sally" in telephone)
print "Sally is in the directory"
而非:
if (telephone["Sally"]!= ””)
print "Sally is in the directory"
因为第二种形式会在她(Sally) 不存在时，将其加入到目录里，并拥有一个空电话号码。
重点是: 你必须能够区分寻找索引(index) 与寻找特定值(value) 的差异。索引成员测试需要固定的时间，而值的查找时间是与数组里元素的个数成正比，这点我们在先前已通过break 语句内的for 循环解释过了。如果你需要时常用到这两种运算，那么构建反索引数组会比较实用:
for (name in telephone)
name_by_telephone[telephone[name]]=name
接下来，你就可以使用name_by_telephone ["555-0136"] 在一定时间内找到”Carol" 。当然，这里假定所有的值是唯一的: 如果这两人共享同一个电话，则name_by_telephone 数组只会记录最后一个名称。只要稍做修改就能解决这个问题:
for (name in telephone)
{
if (telephone[name] in name_by_telephone)
name_by_telephone[telephone[name]]=\
name_by_telephone [telephone[name]) “\t”name
e1se
name_by_telephone[telephone[name]]=name
现在，name_by_telephone 即包含了以制表字符分隔的具有相同电话号码的人名列表。
14. 用户控制输入
awk 也可以通过的getline 语句做这件事。getline 会返回一个值，当输入被成功读取时，它的返回值为++I ，而返回值为0 时，则表示在文件结尾，而-1 则表示错误。它的用法很多，见表。
语法 说明
getline 从当前输入文件中，读取下一条记录，存入$0 ，并更新NF, NR 与FNR
getline var 从当前输入文件中，读取下一条记录，存入var ，并更新NR 与FNR
getline<file 从file 文件中，读取下一条记录，存入$0 ，并更新NF, NR 与FNR
getline var<file 从file 文件中，读取下一条记录，存入var ，并更新NF, NR 与FNR
cmd|getline 从外部命令cmd 读取下一条记录，存入$0 ，并更新NF
cmd|getline var 从外部命令cmd 读取下一条记录，存入var
命令管道在awk 里可以发挥强大的功能。管道可以在字符字符串中标明，也可以包含任
意的Shell 命令。这里是与getline 搭配使用，如下:
"date" I getline now
close("date")
print "The current time is".now
接下来说明的是: 如何在循环里使用命令管道:
command="head -n 15 /etc/hosts"
while((command I getline s)>0)
print s
close(command)
15. 执行外部程序
这里是解决电话名录排序问题较短的程序方案，使用临时性文件与systemty ，而非awk 管道:
tmpfile= “/tmp/telephone.tmp^
for (name in telephone>
print name "\t" telephone[name]>tmpfile
close(tmpfilej
system("sort < tmpfile “)
临时性文件必须在调用system() 之前关闭，以确保任何缓冲区输出都正确地记录在文件内。
对于被system() 执行的命令并不需要调用close() ，因为close() 仅针对以I/O 重定向运算符所打开的文件或管道，还有getline, print 或printf 。
传递给system[f 的命令可包含数行
system("cat <<EOFILE\nuno\ndos\ntres\nEOFILE"
它产生的输出和从嵌入文件复制到标准输出一样
Un0
das
tres
16. 用户自定义函数
函数定义如下:
function name(argl, }rg2, …，argn
{
statements
}
指定的参数在函数体中用来当作局部变量，它们会隐藏任何相同名称的全局性变量。函数也可用于程序它处，调用的形式为:
name(exprl, expr2, …，expn) 忽略任何的返回值
result=name(exprl, expr2, …，exprn) 将返回值存储到result 中
在每个调用点上的表达式，都提供初始值给函数参数型变量。以圆括号框起来的参数，必须紧接于函数名称之后，中间没有任何空白。
对标量参数所做的变动，调用者无从得知，不过对数组的变动就可看见了。换句话说，标量为传值(by vaule ) ，而数组则为传引用(by reference): 这对C 语言也是这样。
函数体里的return expression 语句会终止主体的执行，并将expression 的值与控制权传给调用点。如果expression 省略，则返回值由实现期定义。我们测试过的所有系统，返回的不是数字零就是空字符串。
17. 字符串函数
17.1. 子字符串提取
提取子字符串的函数:substr(string, start, 1en) ，会返回一份由string 的start 字符开始，共len 个字符长度的子字符串副本。字符的位置，从1 开始编号:substr("abcde", 2, 3) 将返回。bcd" 。 len 参数可省略，省略时，则默认为length(string)-start+1 ，选出字符串的剩余部分。
17.2. 字符串大小写转换
tolower(string) 会返回将所有字母改为同义的小写的string 副本，而toupper(string) 则返回被改为大写字母的string 副本。所以tolower("aBcDeF123") 返回”abcdef123",toupper("aBcDeF123") 返回"ABCDEF123" 。
17.3. 字符串大小写转换
index(string, find) 查找string 里是否有字符串find ，然后返回string 里find 字符串的起始位置，如果在string 里找不到find ，则返回0 。例如index("abcdef","de") 会返回4 。
17.4. 字符串匹配
match （string, regexp) 将string 与正则表达式regexp 匹配，如果匹配，则返回
匹配string 的索引，不匹配，则返回0 。这种方式提供了比表达式(string~regexp) 还多的信息，后者只能得到计算值1 或0 。另外match ( ) 也具有一个有用的副作用: 它会将全局变量RSTART 设为在string 中要开始匹配的索引值，而将RLENGTH 设为要匹配的长度。而匹配子字符串则以substr(string, RSTART, RLENGTH) 表示。
17.5. 字符串替换
awk 在字符串替换功能上，提供两个函数:sub(regexp, replacement, target) 与gsub(regexp, replacement, target), sub() 将target 与正则表达式regexp 进行匹配，将最左边最长的匹配部分替换为字符串replacement 。gsub() 的运行则有点类似，不过它会替换所有匹配的字符串( 前置g 表示global 全局之意) 。
17.6. 字符串替换
awk 针对当前输人记录$0 自动提供了方便的分割为字1, $}, …、$NF ，也可以函数来做:split(string, array, regexp) 将string 切割为片段，并存储到array 里的连续元素。在数组里，片段放置在匹配正则表达式regexp 的子字符串之间。如果regexp 省略，则使用内建字段分隔字符FS 的当前默认值。函数会返回array 里的元素数量。
17.7. 字符串重建
join() 可确保参数数组不会被引用到，除非索引是在范围之内。否则，一个具有数组长度为0 的调用可能会建立arrayfl3 ，而修改了调用者的数组。插人的字段分隔字符为普通字符串，而非正则表达式，所以针对传递给split() 的一般正则表达式，join() 不会重建精确的原始字符串。
17.8. 字符串格式化
最后一个与字符串相关的函数是在用户控制下格式化数字与字符串:sprintf (format,expression1, expression2, …) ，它会返回已格式化的字符串作为其函数值。printf() 的运行方式也是这样，只不过它会在标准输出或重定向的文件上显示格式化后的字符串，而不是返回其函数值。较新的程序语言以更强大的格式化函数来取代格式控制字符串，但相对而言让代码变得很冗长。按照传统的文本处理应用来说，sprintf 与printf
18. 数值函数
函数 说明
atan2(y, x) y 返回y/x 的反正切，值介于-pai 与+pai 之间。
cos(x) 返回x 的余弦值( 以弧度(radians) 计算) ，该值介于-1 与+1 之间
exp(x) 返回x 的指数，ex,
int(x) 返回x 的整数部分，截去前置的0
log(x) 返回x 的自然对数。
rand() 返回平均分布的虚拟随机r,O<=r<l
sin(x) 返回x 的正弦值( 以弧度(radians] 计算) ，该值介于-1 与+1 之间
sqrt(x) 返回x 的平方
srand(x) 设置虚拟随机产生器的种子为x ，并返回正确的种子。如果省略x ，则使用当前时间( 以秒计) 。如果。rand ( ) 未被调用，则awk 在每次执行时会从相同的默认种子开始;mawk 则不会。
本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/wzhwho/archive/2010/04/21/5513791.aspx