Linux awk 正则表达式

Awk是一种通用脚本语言，用于高级文本处理的。它主要用作报告和分析工具。与大多数其他程序性编程语言不同。

Awk是数据驱动的，这意味着您必须定义一组针对输入文本要执行的操作。它获取输入数据，对其进行转换，然后将结果发送到标准输出。

awk有几种不同的实现。我们将使用Awk的GNU实现，称为gawk。在大多数Linux发行版可用，awk命令只gawk的符号链接。

在本教程的所有示例中，我们将使用teams.txt文件作为awk的输入，teams.txt文件内容如下所示。

Bucks Milwaukee    60 22 0.732 
Raptors Toronto    58 24 0.707 
76ers Philadelphia 51 31 0.622
Celtics Boston     49 33 0.598
Pacers Indiana     48 34 0.585

记录和字段

Awk可以处理文本数据和流。将输入的数据分为记录和字段。Awk一次对一条记录进行操作，直到达到输入结束为止。

记录由记录分隔符分隔。默认的记录分隔符是换行符，这意味着文本数据中的每一行都是一条记录。可以使用RS变量来设置记录分的隔符。

记录由多个字段组成，并且使用字段分隔符分隔。默认情况下，字段之间用空格分隔，可以是一个或多个制表符，空格等，你可以使用awk命令的-F选项指定字段的分隔符。

每条记录中的字段都可以使用美元符号$后跟字段编号表示，从1开始。第一个字段由$1表示，第二个字段由$2表示。

依此类推，最后一个字段也可以用特殊变量$NF表示。 整个记录可以用$0表示。

下面可以直观展示记录和字段的关系，也是awk处理文本数据默认使用的记录分隔符，即换行符。字段分隔符是空格符。

tmpfs      788M  1.8M  786M   1% /run/lock 
/dev/sda1  234G  191G   31G  87% /
|-------|  |--|  |--|   |--| |-| |--------| 
   $1       $2    $3     $4   $5  $6 ($NF) --> 字段 $1,$2...字段
|-----------------------------------------| 
                    $0                     --> 记录由多个字段组成的单行记录

正则表达式模式

正则表达式是与一组字符串匹配的模式。Awk正则表达式模式包含在斜杠//中。这是正则表达式模式语法形式/regex pattern/ { action }。

模式可以是任何类型的扩展正则表达式，换句话说，你在其它语言使用的正则表达式都可以用于awk。

例如命令awk '/0.5/ { print $1 }' teams.txt仅打印包含0.5记录的第一个字段。

命令awk '/^[0-9][0-9]/ { print $1 }' teams.txt将会搜索以两个或多个数字开头的记录，并打印第一个字段。

awk '/0.5/ { print $1 }' teams.txt

Celtics
Pacers

awk '/^[0-9][0-9]/ { print $1 }' teams.txt

76ers

关系表达模式

关系表达式模式通常用于匹配指定字段或变量的内容。默认情况下，正则表达式模式与记录进行匹配。

要将正则表达式与字段进行匹配，请指定字段并针对模式使用包含比较运算符约等于号~。要匹配不包含指定模式的字段，请使用不约等于运算符!~。

除了约等于和不約等于符号之外，您可以比较字符串或数字之间的关系，例如大于>，小于<，等于=符号。

例如命令awk '$2 ~ /ia/ { print $1 }' teams.txt将会搜索第二个字段包含ia的记录并打印第一个字段。

awk '$2 ~ /ia/ { print $1 }' teams.txt

76ers
Pacers

例如命令awk '$2 !~ /ia/ { print $1 }' teams.txt将会搜索第二个字段不包含ia的记录并打印第一个字段。

awk '$2 !~ /ia/ { print $1 }' teams.txt

Bucks
Raptors
Celtics

例如命令awk '$3 > 50 { print $1 }' teams.txt将会搜索三字段大于50的所有记录，并打印第一字段。

awk '$3 > 50 { print $1 }' teams.txt

Bucks
Raptors
76ers

范围模式

范围模式由用逗号分隔的两个模式组成，从匹配第一个模式的记录开始，直到匹配第二个模式的记录停止匹配。

也就是说匹配两个模式之间的记录都会被执行相关的操作。即使中间记录没有匹配模式也将会被执行相关操作。

但有一点值得注意的是范围模式不能与某些模式表达式组合使用。但范围模式可以与关系表达式组合使用。

例如命令awk '/Raptors/,/Celtics/ { print $1 }' teams.txt将会搜索从包含Raptors的记录开始到包含Celtics记录结束的所有记录。

然后打印两个模式之间所有记录的第一个字段{ print $1 }。

awk '/Raptors/,/Celtics/ { print $1 }' teams.txt

Raptors
76ers //这个记录没有匹配到两个模式中任意一个，但它在两个模式之间，所以也会打印
Celtics

例如命令awk '$4 == 31, $4 == 33 { print $0 }' teams.txt组合范围模式和关系表达式。

将会搜索第四个字段等于31记录开始，直到第四个字段等于33的所有记录。然后打印整个记录$0。

awk '$4 == 31, $4 == 33 { print $0 }' teams.txt

76ers Philadelphia 51 31 0.622
Celtics Boston     49 33 0.598

特殊表达模式

Awk可以使用的特殊模式是。BEGIN用于在处理记录之前执行的操作。END用于在处理记录后执行操作。

BEGIN模式通常用于声明变量，END模式通常用于处理记录中的数据，例如统计指定字段的总数。

如果程序只有BEGIN模式，则执行操作，并且不处理输入数据。如果程序只有END模式，则在执行操作之前先处理输入。

awk的Gnu版本还包含另外两个特殊模式BEGINFILE和ENDFILE，它们允许您在处理文件时执行操作。

在下面的示例中将打印Start Processing.，然后打印每个记录的第三个字段，最后打印End Processing.。这是一个简单的示例，你也可以用于打印字段的名称。

awk 'BEGIN { print "Start Processing." }; { print $3 }; END { print "End Processing." }' teams.txt

Start Processing
60
58
51
49
48
End Processing.

组合模式

Awk允许您使用逻辑AND运算符&&和逻辑或运算符||组合两个或多个模式。

例如命令awk '$3 > 50 && $4 < 30 { print $1 }' teams.txt使用&&运算符搜索第三字段大于50而第四字段小于30的记录，然后打印已匹配记录的第一个字段。

awk '$3 > 50 && $4 < 30 { print $1 }' teams.txt

Bucks
Raptors