文本分析（课题研究常用方法）
awk是流式编辑器，针对文档中的行来操作，一行一行地执行。awk可以非常方便、高效地操作文档以及字符，从而实现我们想要的格式。它的功能非常强大，我在 shell 脚本中经常使用它来处理字符串。下面介绍几个在工作中使用awk较频繁的用法。
1. 截取文档中的某个段
示例命令如下：
# head -n2 test.txt |awk -F ':' '{print $1}'root
bin
本例中，-F选项的作用是指定分隔符。如果不加-F选项，则以空格或者tab为分隔符。print为打印的动作，用来打印某个字段。$1为第 1 个字段，$2为第 2 个字段，以此类推。但$0比较特殊，它表示整行：
# head -n2 test.txt |awk -F':' '{print $0}'root:x:0:0:root:/root:/bin/bashbin:x:1:1:bin:/bin:/sbin/nologin
注意 awk的格式，-F后面紧跟单引号，单引号里面为分隔符。print的动作要用{}括起来，否则会报错。print还可以打印自定义的内容，但是自定义的内容要用双引号括起来，如下所示：
# head -n2 test.txt |awk -F ':' '{print $1"#"$2"#"$3"#"$4}'root#x#0#0bin#x#1#1
2. 匹配字符或者字符串
在文档中过滤出包含指定字符串的行，示例命令如下：
# awk '/oo/' test.txtroot:x:0:0:root:/root:/bin/bashlp:x:4:7:lp:/var/spool/lpd:/sbin/nologinmail:x:8:12:mail:/var/spool/mail:/sbin/nologinoperator:x:11:0perator:/root:/sbin/nologin postfix:x:89:89::/var/spool/postfix:/sbin/nologin setroubleshoot:x:992:990::/var/lib/setroubleshoot:/sbin/nologin
这跟 sed的用法类似，能实现grep的功能，但没有颜色显示，肯定没有grep用起来方便。不过awk还有比sed更强大的匹配，如下所示：
# awk -F ':' '$1 ~/oo/' test.txtroot:x:0:0:root:/root:/bin/bashsetroubleshoot:x:992:990::/var/lib/setroubleshoot:/sbin/nologin
它可以让某个段去匹配，这里的~就是匹配的意思。
此外，awk还可以多次匹配，如下所示：
# awk -F ':' '/root/ {print $1,$3} /test/ {print $1,$3}' test.txtroot 0operator 11test 1006
本例中，awk匹配完root，再匹配test，并且只打印所匹配的段。
3. 条件操作符
有时候，在匹配字符的同时要给出限定条件，比如第 3 段为 0。示例命令如下：
# awk -F ':' '$3=="0"' /etc/passwdroot:x:0:0:root:/root:/bin/bash
在 awk中，我们可以用逻辑符号进行判断，比如==就是等于，也可以理解为精确匹配。另外，还有>、>=、、、!=等。值得注意的是，在和数字比较时，若把要比较的数字用双引号引起来，那么 awk 不会将其认为是数字，而会认为是字符，不加双引号就会认为是数字。示例命令如下：
# awk -F ':' '$3>="500"' /etc/passwd |head -n 5shutdown:x:6:0:shutdown:/sbin:/sbin/shutdownhalt:x:7:0:halt:/sbin:/sbin/haltmail:x:8:12:mail:/var/spool/mail:/sbin/nologinnobody:x:65534:65534:Kernel Overflow User:/:/sbin/nologindbus:x:81:81:System message bus:/:/sbin/nologin
本例中，阿铭本想把 uid 大于等于 500 的行打印出来，但是结果并不理想。这是因为 awk把所有的数字都当作字符了，就跟上一章中提到的sort排序原理一样。但是，如果不加双引号，就得到了想要的结果：
# awk -F ':' '$3>=500' /etc/passwd|head -n 5nobody:x:65534:65534:Kernel Overflow User:/:/sbin/nologinsystemd-coredump:x:999:997:systemd Core Dumper:/:/sbin/nologinpolkitd:x:998:996:User for polkitd:/:/sbin/nologingeoclue:x:997:995:User for geoclue:/var/lib/geoclue:/sbin/nologinunbound:x:996:991:Unbound DNS resolver:/etc/unbound:/sbin/nologin
# awk -F ':' '$7!="/sbin/nologin"' /etc/passwdroot:x:0:0:root:/root:/bin/bashsync:x:5:0:sync:/sbin:/bin/syncshutdown:x:6:0:shutdown:/sbin:/sbin/shutdownhalt:x:7:0:halt:/sbin:/sbin/haltaminglinux:x:1000:1000:aminglinux:/home/aminglinux:/bin/bash
上例中，!=表示不匹配，它除了针对某一个段的字符进行逻辑比较外，还可以在两个段之间进行逻辑比较。如下所示：
# awk -F ':' '$3
另外，还可以使用 &&和||，它们分别表示“并且”和“或者”。&&的用法如下：
# awk -F ':' '$3>"5" && $3
||的用法如下：
# awk -F ':' '$3>1000 || $7=="/bin/bash"' /etc/passwdroot:x:0:0:root:/root:/bin/bashnobody:x:65534:65534:Kernel Overflow User:/:/sbin/nologinaminglinux:x:1000:1000:aminglinux:/home/aminglinux:/bin/bash
4. awk 的内置变量
awk常用的变量有OFS、NF和NR。OFS和-F选项有类似的功能，也是用来定义分隔符的，但是它是在输出的时候定义的。NF表示用分隔符分隔后一共有多少段。NR表示行号。
OFS的用法示例如下：
# head -5 /etc/passwd |awk -F ':' '{OFS="#"} {print $1,$3,$4}'root#0#0bin#1#1daemon#2#2adm#3#4lp#4#7
还有更高级一些的用法：
# awk -F ':' '{OFS="#"} {if ($3>=1000) {print $1,$2,$3,$4}}' /etc/passwdnobody#x#65534#65534aminglinux#x#1000#1000
变量 NF的具体用法如下：
# head -n3 /etc/passwd | awk -F ':' '{print NF}'777
# head -n3 /etc/passwd | awk -F ':' '{print $NF}'/bin/bash
/sbin/nologin
/sbin/nologin
这里 NF是多少段，$NF是最后一段的值。变量NR的具体用法如下：
# head -n3 /etc/passwd | awk -F ':' '{print NR}'123
我们还可以使用 NR作为判断条件，如下所示：
# awk 'NR>40' /etc/passwdinsights:x:978:976:Red Hat Insights:/var/lib/insights:/sbin/nologinsshd:x:74:74rivilege-separated SSH:/var/empty/sshd:/sbin/nologin avahi:x:70:70:Avahi mDNS/DNS-SD Stack:/var/run/avahi-daemon:/sbin/nologin tcpdump:x:72:72::/:/sbin/nologin aminglinux:x:1000:1000:aminglinux:/home/aminglinux:/bin/bash
NR也可以配合段匹配一起使用，如下所示：
# awk -F ':' 'NR
5. awk 中的数学运算
awk可以更改段值，示例命令如下：
# head -n 3 /etc/passwd |awk -F ':' '$1="root"'root x 0 0 root /root /bin/bashroot x 1 1 bin /bin /sbin/nologinroot x 2 2 daemon /sbin /sbin/nologin
awk也可以对各个段的值进行数学运算，示例命令如下：
# head -n2 /etc/passwdroot:x:0:0:root:/root:/bin/bashbin:x:1:1:bin:/bin:/sbin/nologin
# head -n2 /etc/passwd |awk -F ':' '{$7=$3+$4}'
# head -n2 /etc/passwd |awk -F ':' '{$7=$3+$4; print $0}'root x 0 0 root /root 0bin x 1 1 bin /bin 2
awk还可以计算某个段的总和，示例命令如下：
# awk -F ':' '{(tot=tot+$3)}; END {print tot}' /etc/passwd84699
这里的 END是awk特有的语法，表示所有的行都已经执行。如下所示：
# awk -F ':' '{if ($1=="root") {print $0}}' /etc/passwdroot:x:0:0:root:/root:/bin/bash
其实 awk可以写成一个脚本文件，而且有它特有的语法。在awk中使用if判断、for循环都可以，只是在日常管理工作中，使用那么复杂的语句并不常见。
最后，我们再附上常见正则字符的解释。
-
.表示任意一个字符，比如空格、特殊符号等。 -
*表示*前面的字符有 0 个或多个，比如a*那就是 0 个a或者多个a。 -
.*表示任意个任意字符，就是贪婪匹配了。 -
+就是+前面的字符有 1 个或者多个，如a+就是a、aa、aaa…… -
?就是?前面的字符有 1 个或者 0 个。 -
{ }里面是一个范围，如{1,5}就是{ }前面的字符有 1~5 个。 -
|表示或者，如a|b就是a或者b。 -
表示这里面的任意一个字符，如
[abc]就是a或者b或者c。此外，也可以用范围[0-9]表示任意一个数字，用[a-z]表示任意一个小写字母。