awk 是一种处理文本文件的语言，是一个强大的文本分析工具。它可以根据分隔符将每行内容进行切片，切开的部分再进行分析处理。

之所以叫 awk 是因为其取了三位创始人 Alfred Aho，Peter Weinberger, 和 Brian Kernighan 的 Family Name 的首字符。

awk 的功能十分强大，本文只会介绍awk日常大多数的常见的应用场景，不求面面俱到，但求实用。

1、awk语法

语法：

awk [-F 分隔符] 'commands' input-file(s)

参数：

-F	指定输入时用到的字段分隔符
-v	自定义变量
-f	从脚本中读取awk命令
-m	对val值设置内在限制

[-F 分隔符]是可选的，因为awk默认使用空格 制表符作为缺省的字段分隔符。

最简单的用法：（默认使用空格分隔）

echo "I am HelloCoder's HaC" | awk '{ print $1 }'
# 输出：
I

echo "I am HelloCoder's HaC" | awk '{ print $3,$4 }'
# 输出：
HelloCoder's HaC

# 打印整行 和 print $0 效果一样 print 
echo "I am HelloCoder's HaC" | awk '{ print $0 }'
I am HelloCoder's HaC

竖线| 左右被理解为简单命令，即前一个（左边）简单命令的标准输出指向后一个（右边）标准命令的标准输入

print $1 表示打印第1列

print $3,$4 表示打印第3列，第4列，用,隔开，默认是空格隔开。

print $0 其中 $0 表示输出整条语句

2、使用场景

1、只显示/etc/passwd的账户

先来看看/etc/passwd 内容有什么：

[root@VM-8-8-centos ~]# cat /etc/passwd
root:x:0:0:root:/root:/bin/bash
bin:x:1:1:bin:/bin:/sbin/nologin
daemon:x:2:2:daemon:/sbin:/sbin/nologin
adm:x:3:4:adm:/var/adm:/sbin/nologin

第一列表示账户名，我们可以利用awk -F 指定分隔符打印出来：

[root@VM-8-8-centos ~]# awk -F : '{ print $1 }' /etc/passwd
root
bin
daemon
adm

2、正则，过滤账户名称

简单的运算符：

运算符	描述
= += -= *= /= %= ^= **=	赋值
?:	C条件表达式
||	逻辑或
&&	逻辑与
~ 和 !~	匹配正则表达式和不匹配正则表达式
< <= > >= != ==	关系运算符
空格	连接
+ -	加，减
* / %	乘，除与求余
+ - !	一元加，减和逻辑非
^ ***	求幂
++ --	增加或减少，作为前缀或后缀
$	字段引用
in	数组成员

1、~ 包含

'$1~"r" 即第一列含有r的就打印整行：

# 第一列包含 r 的
[root@localhost nginx]#  awk -F : '$1~"r" {print $1}' /etc/passwd
root
operator
systemd-bus-proxy
systemd-network
chrony

也支持结尾、开头、中间任意字符的正则表达：

开头：

# r 开头的
[root@VM-8-8-centos ~]# awk -F : '$1~"^r"{print $1}' /etc/passwd
root
rpc

结尾：

# r 结尾的
[root@VM-8-8-centos ~]# awk -F : '$1~"r$"{print $1}' /etc/passwd
operator

包含：

含有字母 r 或者 t 的 ，

[root@localhost nginx]# awk -F : '$1~"r|t"{print $1}' /etc/passwd
root
shutdown
halt
operator
ftp
systemd-bus-proxy
systemd-network
polkitd
tss
postfix
chrony
ntp
tcpdump

还可以写成：awk -F : '$1~"r*t"{print $1}' /etc/passwd

2、== 等于

[root@VM-8-8-centos ~]# awk -F : '$1=="root"{print $1}' /etc/passwd
root

>=、<= 可用于比较数字，同理。

3、拼接

1、自定义列名

BEGIN 表示开头要显示的内容， END 命令表示在结束需要显示的内容

{print $1} 你可以理解为body ，意思为中间部分，每读取一行，执行一次 body。

[root@VM-8-8-centos ~]# awk -F ':' 'BEGIN {print "开始"} $1~"root|mysql"{print $1} END {print "结束"}' /etc/passwd
开始
root
结束

2、行号和列还有格式

还可以使用 NR、NF 显示行号、列号：

NR 表示当前第几行，NF表示当前行有几列。

[root@VM-8-8-centos ~]#   awk -F ':' 'BEGIN {printf "%-10s  %-10s  %-10s\n", "行","列","第一列"} {printf "%-10s %-10s  %-10s\n", NR, NF,$1} END {print "结束"}' /etc/passwd
行         列         第一列
1         7         root
2         7         bin
3         7         daemon
4         7         adm
结束

printf "%-10s %-10s %-10s\n" 类似于c语言的格式化输出，这里表示左对齐占位10个字符的字符串。

3、指定输出分隔符

可以使用OFS参数指定输出分隔符

[root@VM-8-8-centos ~]# awk -F ':' '{print $1,$1 }' OFS="--" /etc/passwd
root--root
bin--bin
daemon--daemon
adm--adm

4、匹配某一行

awk 可以像 grep 一样匹配某一行，以下三种做法都可以：

[root@VM-8-8-centos ~]# awk -F ':'  '$0~"root"{print $0}' /etc/passwd
root:x:0:0:root:/root:/bin/bash
operator:x:11:0:operator:/root:/sbin/nologin
dockerroot:x:995:992:Docker User:/var/lib/docker:/sbin/nologin

[root@VM-8-8-centos ~]# awk '$0~"root"' /etc/passwd
root:x:0:0:root:/root:/bin/bash
operator:x:11:0:operator:/root:/sbin/nologin
dockerroot:x:995:992:Docker User:/var/lib/docker:/sbin/nologin

[root@VM-8-8-centos ~]# awk '/root/' /etc/passwd
root:x:0:0:root:/root:/bin/bash
operator:x:11:0:operator:/root:/sbin/nologin
dockerroot:x:995:992:Docker User:/var/lib/docker:/sbin/nologin

/root|HaC/ 表示或，可以匹配多个字符串

grep做法：

[root@VM-8-8-centos ~]# grep 'root' /etc/passwd
root:x:0:0:root:/root:/bin/bash
operator:x:11:0:operator:/root:/sbin/nologin
dockerroot:x:995:992:Docker User:/var/lib/docker:/sbin/nologin

当然，匹配行还是使用grep方便，输出会显示颜色：

5、支持控制流程语句

因为akw是一门语言，所以if while do/while for break continue 都支持：

输出第一个字段的第一个字符大于r的行：

[root@VM-8-8-centos ~]# awk -F ':' '{ if ($1 > "r") { print $1 } else { print "--" } }' /etc/passwd
root
--
--
--
--
sync

可以把流程控制语句放到一个.awk脚本文件中，然后调用执行，如test.sh的内容如下

{   
    if ($1 > "r") {  
        print $1   
    } else {  
        print "--"   
    }   
}

用如下方式执行，效果一样，注意要使用-f ，表示调用脚本文件

awk -F ':' -f test.sh /etc/passwd

3、实战

1、统计每一个Linux用户的进程占用内存的大小

先用ps aux 命令看一下输出的格式：

[root@VM-8-8-centos logs]# ps -aux
USER       PID %CPU %MEM    VSZ   RSS TTY      STAT START   TIME COMMAND
root         1  0.0  0.0  51620  3860 ?        Ss   Mar24   0:30 /usr
root         2  0.0  0.2      0     0 ?        S    Mar24   0:00 [kthreadd]
root         4  0.0  0.1      0     0 ?        S<   Mar24   0:00 [kworker/0:0H]
mysql     1787  0.0 12.5 1772728 486156 ?      Sl   Mar24   3:53 mysqld

可以看到第1列表示用户名称，第4列 %MEM 表示内存占用情况比例。

我们可以这样写：

ps aux | awk 'BEGIN {printf "%-5s %-5s\n","用户名","内存占用比例"} NR!=1 {men[$1]+=$4} END {for(i in men) printf"%-10s %-0.2f\n",i , men[i]}'

NR!=1 表示去除第一行

men[$1]+=$4 表示使用第4列进行累加，akw的数组不需要声明，索引可以是字符串或者数字。

awk数组语法：

array_name[index]=value

• array_name：数组的名称
• index：数组索引
• value：数组中元素所赋予的值

有点像Java的HashMap。

结果：

[root@VM-8-8-centos logs]#  ps aux | awk 'BEGIN {printf "%-5s %-5s\n","用户名","内存占用比例"} NR!=1 {men[$1]+=$4} END {for(i in men) printf"%-10s %-0.2f\n",i , men[i]}'
用户名   内存占用比例
polkitd    0.30
dbus       0.00
nobody     0.10
libstor+   0.00
mysql      12.50
postfix    0.20
ntp        0.00
root       37.40

2、统计Nginx的独立IP访问次数

先找到Nginx的访问日志路径：

[root@VM-8-8-centos ~]# find / -name 'access.log'
/usr/local/nginx/logs/access.log
[root@VM-8-8-centos ~]# cd /usr/local/nginx/logs/
[root@VM-8-8-centos logs]#

查看格式，日志较大，可以只看第一行：

[root@VM-8-8-centos logs]# cat access.log | head -1
120.239.196.104 - - [16/Jan/2021:12:50:25 +0800] "GET / HTTP/1.1" 200 612 "-" "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36"

可以看到，第一列就是访问的IP。

我们可以这样写：

cat access.log | awk '{ip[$1]++} END {for(i in ip) printf"%-10s %-10d\n",i , ip[i]} '  |sort -k2nr | head -5 

sort -k2nr ： k2 表示第二列，n 表示数字，r 表示降序

head -5 ： 只打印前5行

[root@VM-8-8-centos logs]# cat access.log | awk '{ip[$1]++} END {for(i in ip) printf"%-10s %-10d\n",i , ip[i]} '  |sort -k2nr | head -5
112.91.84.72 44097
183.27.153.54 32215
120.239.196.5 28490
183.27.154.185 25162
183.27.152.2 24786

还可以使用uniq命令进行统计：

cat access.log |awk '{print $1}'|sort|uniq -c |sort -nr |head -5

uniq -c ：每列旁边显示该行重复出现的次数。

[root@VM-8-8-centos logs]# cat access.log |awk '{print $1}'|sort|uniq -c |sort -nr |head -5
  44097 12.91.84.72
  32215 2.27.153.54
  28490 3.239.196.5
  25162 4.27.154.185
  24786 183.27.152.2

总结

akw 适合对列进行操作，而且配合其他的命令一起操作会更高效。

可以看到以上的文本中，akw对文本的格式有要求，以特定的分隔符隔开的文本，akw处理起来会很方便，选用grep、akw、sed 可以根据以下进行区分：

• grep 更适合单纯的查找或匹配文本
• sed 更适合编辑匹配到的文本
• awk 更适合格式化文本，对文本进行较复杂格式处理