Awk实战案例精讲

  • Awk实战案例精讲已关闭评论
  • 116 次浏览
  • A+
所属分类:linux技术
摘要

在”a b c d”的b后面插入3个字段e f g。移除每行的前缀、后缀空白,并将各部分左对齐。


Awk实战案例精讲

插入几个新字段

在"a b c d"的b后面插入3个字段e f g

echo a b c d|awk '{$3="e f g "$3}1' 

格式化空白

移除每行的前缀、后缀空白,并将各部分左对齐。

      aaaa        bbb     ccc                     bbb     aaa ccc ddd       fff             eee gg hh ii jj 
awk 'BEGIN{OFS="t"}{$1=$1;print}' a.txt 

执行结果:

aaaa    bbb     ccc bbb     aaa     ccc ddd     fff     eee     gg      hh      ii      jj 

筛选IPv4地址

从ifconfig命令的结果中筛选出除了lo网卡外的所有IPv4地址。

## 1.法一: ifconfig | awk '/inet / && !($2 ~ /^127/){print $2}'  # 按段落读取 ## 2.法二: ifconfig | awk 'BEGIN{RS=""}!/lo/{print $6}'  ## 3.法三: ifconfig | awk '   BEGIN{RS="";FS="n"}   !/lo/{$0=$2;FS=" ";$0=$0;print $2;FS="n"} '  

读取.ini配置文件中的某段

[base] name=os_repo baseurl=https://xxx/centos/$releasever/os/$basearch gpgcheck=0  enable=1  [mysql] name=mysql_repo baseurl=https://xxx/mysql-repo/yum/mysql-5.7-community/el/$releasever/$basearch  gpgcheck=0 enable=1  [epel] name=epel_repo baseurl=https://xxx/epel/$releasever/$basearch gpgcheck=0 enable=1 [percona] name=percona_repo baseurl = https://xxx/percona/release/$releasever/RPMS/$basearch enabled = 1 gpgcheck = 0 
awk '     BEGIN{RS=""}  # 按段落     /[mysql]/{         print;         while( (getline)>0 ){             if(/[.*]/){                 exit             }             print         } }' a.txt 

根据某字段去重

去掉uid=xxx重复的行。

2019-01-13_12:00_index?uid=123 2019-01-13_13:00_index?uid=123 2019-01-13_14:00_index?uid=333 2019-01-13_15:00_index?uid=9710 2019-01-14_12:00_index?uid=123 2019-01-14_13:00_index?uid=123 2019-01-15_14:00_index?uid=333 2019-01-16_15:00_index?uid=9710 
awk -F"?" '!arr[$2]++{print}' a.txt 

结果:

2019-01-13_12:00_index?uid=123 2019-01-13_14:00_index?uid=333 2019-01-13_15:00_index?uid=9710 

次数统计

portmapper portmapper portmapper portmapper portmapper portmapper status status mountd mountd mountd mountd mountd mountd nfs nfs nfs_acl nfs nfs nfs_acl nlockmgr nlockmgr nlockmgr nlockmgr nlockmgr 
awk '   {arr[$1]++}   END{     OFS="t";     for(idx in arr){printf arr[idx],idx}   } ' a.txt 

统计TCP连接状态数量

$ netstat -tnap Proto Recv-Q Send-Q Local Address   Foreign Address  State       PID/Program name tcp        0      0 0.0.0.0:22      0.0.0.0:*        LISTEN      1139/sshd tcp        0      0 127.0.0.1:25    0.0.0.0:*        LISTEN      2285/master tcp        0     96 192.168.2.17:22 192.168.2.1:2468 ESTABLISHED 87463/sshd: root@pt tcp        0      0 192.168.2017:22 192.168.201:5821 ESTABLISHED 89359/sshd: root@no tcp6       0      0 :::3306         :::*             LISTEN      2289/mysqld tcp6       0      0 :::22           :::*             LISTEN      1139/sshd tcp6       0      0 ::1:25          :::*             LISTEN      2285/master 

统计得到的结果:

5: LISTEN 2: ESTABLISHED 
netstat -tnap | awk '     /^tcp/{         arr[$6]++     }     END{         for(state in arr){             print arr[state] ": " state         }     } ' 

一行式:

netstat -tna | awk '/^tcp/{arr[$6]++}END{for(state in arr){print arr[state] ": " state}}' netstat -tna | /usr/bin/grep 'tcp' | awk '{print $6}' | sort | uniq -c 

统计日志中各IP访问非200状态码的次数

日志示例数据:

111.202.100.141 - - [2019-11-07T03:11:02+08:00] "GET /robots.txt HTTP/1.1" 301 169  

统计非200状态码的IP,并取次数最多的前10个IP。

# 法一 awk '   $8!=200{arr[$1]++}   END{     for(i in arr){print arr[i],i}   } ' access.log | sort -k1nr | head -n 10  # 法二: awk '     $8!=200{arr[$1]++}     END{         PROCINFO["sorted_in"]="@val_num_desc";         for(i in arr){             if(cnt++==10){exit}             print arr[i],i         } }' access.log 

统计独立IP

​ url 访问IP 访问时间 访问人

a.com.cn|202.109.134.23|2015-11-20 20:34:43|guest b.com.cn|202.109.134.23|2015-11-20 20:34:48|guest c.com.cn|202.109.134.24|2015-11-20 20:34:48|guest a.com.cn|202.109.134.23|2015-11-20 20:34:43|guest a.com.cn|202.109.134.24|2015-11-20 20:34:43|guest b.com.cn|202.109.134.25|2015-11-20 20:34:48|guest 

需求:统计每个URL的独立访问IP有多少个(去重),并且要为每个URL保存一个对应的文件,得到的结果类似:

a.com.cn  2 b.com.cn  2 c.com.cn  1 

并且有三个对应的文件:

a.com.cn.txt b.com.cn.txt c.com.cn.txt 

代码:

BEGIN{   FS="|" }  !arr[$1,$2]++{   arr1[$1]++ }  END{   for(i in arr1){     print i,arr1[i] >(i".txt")   } } 

输出第二字段重复的所有整行

如下文本内容

1 zhangsan 2 lisi 3 zhangsan 4 lisii 5 a 6 b 7 c 8 d 9 a 10 b 

问题1:输出第二列重复的所有整行,即输出结果:

1 zhangsan 3 zhangsan 5 a 9 a 6 b 10 b 

代码:

awk '{     arr[$2]++;     if(arr[$2]>1){       if(arr[$2]==2){         print first[$2]       };       print $0     }else{       first[$2]=$0     } }' a.txt 

问题2:输出第二列不重复的所有整行,即输出结果:

2 lisi 4 lisii 7 c 8 d 

代码:

 awk '{    arr[$2]++    first[$2]=$0  }  END{    for(i in arr){      if(arr[i]==1){print first[i]}    }  }' a.txt 

相邻重复行去重,并保留最后一行

根据字段进行比较,去除相邻的重复行,并保留重复行中的最后一行以及那些非重复行。

a.log内容:

TCP 10.33.4.149:19404 wrr -> 10.27.4.197:19404 FullNat 10 2 0 TCP 10.33.4.150:19039 wrr TCP 10.33.4.150:19089 wrr -> 10.27.4.201:19089 FullNat 10 2 0 TCP 10.33.4.150:19094 wrr TCP 10.33.4.150:19102 wrr TCP 10.33.4.150:19107 wrr -> 10.27.100.150:19107 FullNat 10 18 0 TCP 10.33.4.150:19111 wrr TCP 10.33.4.150:19112 wrr TCP 10.33.4.150:19113 wrr TCP 10.33.4.150:19114 wrr TCP 10.33.4.150:19207 wrr -> 10.27.100.150:19207 FullNat 10 18 0 

以第一字段判断重复,去重相邻行,最终输出结果:

TCP 10.33.4.149:19404 wrr -> 10.27.4.197:19404 FullNat 10 2 0 TCP 10.33.4.150:19089 wrr -> 10.27.4.201:19089 FullNat 10 2 0 TCP 10.33.4.150:19107 wrr -> 10.27.100.150:19107 FullNat 10 18 0 TCP 10.33.4.150:19207 wrr -> 10.27.100.150:19207 FullNat 10 18 0 

方案:

# 用第一个字段比较。如果想按其他字段比较,换成$N,N为对应的字段号 awk ' {   if($1!=prev){     a[++n]=$0;   }else{     a[n]=$0   } } {prev=$1} END{   for(i=1;i<=length(a);i++){print a[i]} } ' a.log 

处理字段缺失的数据

ID  name    gender  age  email          phone 1   Bob     male    28   abc@qq.com     18023394012 2   Alice   female  24   def@gmail.com  18084925203 3   Tony    male    21                  17048792503 4   Kevin   male    21   bbb@189.com    17023929033 5   Alex    male    18   ccc@xyz.com    18185904230 6   Andy    female       ddd@139.com    18923902352 7   Jerry   female  25   exdsa@189.com  18785234906 8   Peter   male    20   bax@qq.com     17729348758 9   Steven          23   bc@sohu.com    15947893212 10  Bruce   female  27   bcbd@139.com   13942943905 

当字段缺失时,直接使用FS划分字段来处理会非常棘手。gawk为了解决这种特殊需求,提供了FIELDWIDTHS变量。

FIELDWIDTH可以按照字符数量划分字段。

awk '{print $4}' FIELDWIDTHS="2 2:6 2:6 2:3 2:13 2:11" a.txt 

处理字段中包含了字段分隔符的数据

下面是CSV文件中的一行,该CSV文件以逗号分隔各个字段。

Robbins,Arnold,"1234 A Pretty Street, NE",MyTown,MyState,12345-6789,USA 

需求:取得第三个字段"1234 A Pretty Street, NE"。

当字段中包含了字段分隔符时,直接使用FS划分字段来处理会非常棘手。gawk为了解决这种特殊需求,提供了FPAT变量。

FPAT可以收集正则匹配的结果,并将它们保存在各个字段中。(就像grep匹配成功的部分会加颜色显示,而使用FPAT划分字段,则是将匹配成功的部分保存在字段$1 $2 $3...中)。

echo 'Robbins,Arnold,"1234 A Pretty Street, NE",MyTown,MyState,12345-6789,USA' | awk 'BEGIN{FPAT="[^,]+|".*""}{print $1,$3}' 

取字段中指定字符数量

16  001agdcdafasd 16  002agdcxxxxxx 23  001adfadfahoh 23  001fsdadggggg 

得到:

16  001 16  002 23  001 23  002 
awk '{print $1,substr($2,1,3)}' awk 'BEGIN{FIELDWIDTH="2 2:3"}{print $1,$2}' a.txt 

行列转换

name age alice 21 ryan 30 

转换得到:

name alice ryan age 21 30 
awk '     {       for(i=1;i<=NF;i++){         if(!(i in arr)){           arr[i]=$i         } else {             arr[i]=arr[i]" "$i         }       }     } 	END{         for(i=1;i<=NF;i++){             print arr[i]         } 	} ' a.txt 

行列转换2

文件内容:

74683 1001 74683 1002 74683 1011 74684 1000 74684 1001 74684 1002 74685 1001 74685 1011 74686 1000 .... 100085 1000 100085 1001 

文件就两列,希望处理成

74683 1001 1002 1011 74684 1000 1001 1002 ... 

就是只要第一列数字相同, 就把他们的第二列放一行上,中间空格分开

{   if($1 in arr){     arr[$1] = arr[$1]" "$2   } else {     arr[$1] = $2   }    }  END{   for(i in arr){     printf "%s %sn",i,arr[i]   } } 

筛选给定时间范围内的日志

grep/sed/awk用正则去筛选日志时,如果要精确到小时、分钟、秒,则非常难以实现。

但是awk提供了mktime()函数,它可以将时间转换成epoch时间值。

# 2019-11-10 03:42:40转换成epoch $ awk 'BEGIN{print mktime("2019 11 10 03 42 40")}' 1573328560 

借此,可以取得日志中的时间字符串部分,再将它们的年、月、日、时、分、秒都取出来,然后放入mktime()构建成对应的epoch值。因为epoch值是数值,所以可以比较大小,从而决定时间的大小。

下面strptime1()实现的是将2019-11-10T03:42:40+08:00格式的字符串转换成epoch值,然后和which_time比较大小即可筛选出精确到秒的日志。

BEGIN{   # 要筛选什么时间的日志,将其时间构建成epoch值   which_time = mktime("2019 11 10 03 42 40") }  {   # 取出日志中的日期时间字符串部分   match($0,"^.*\[(.*)\].*",arr)      # 将日期时间字符串转换为epoch值   tmp_time = strptime1(arr[1])      # 通过比较epoch值来比较时间大小   if(tmp_time > which_time){print} }  # 构建的时间字符串格式为:"2019-11-10T03:42:40+08:00" function strptime1(str   ,arr,Y,M,D,H,m,S) {   patsplit(str,arr,"[0-9]{1,4}")   Y=arr[1]   M=arr[2]   D=arr[3]   H=arr[4]   m=arr[5]   S=arr[6]   return mktime(sprintf("%s %s %s %s %s %s",Y,M,D,H,m,S)) } 

下面strptime2()实现的是将10/Nov/2019:23:53:44+08:00格式的字符串转换成epoch值,然后和which_time比较大小即可筛选出精确到秒的日志。

BEGIN{   which_time = mktime("2019 11 10 03 42 40") }  {   match($0,"^.*\[(.*)\].*",arr)      tmp_time = strptime2(arr[1])      if(tmp_time > which_time){     print    } }  # 构建的时间字符串格式为:"10/Nov/2019:23:53:44+08:00" function strptime2(str   ,dt_str,arr,Y,M,D,H,m,S) {   dt_str = gensub("[/:+]"," ","g",str)   # dt_sr = "10 Nov 2019 23 53 44 08 00"   split(dt_str,arr," ")   Y=arr[3]   M=mon_map(arr[2])   D=arr[1]   H=arr[4]   m=arr[5]   S=arr[6]   return mktime(sprintf("%s %s %s %s %s %s",Y,M,D,H,m,S)) }  function mon_map(str   ,mons){   mons["Jan"]=1   mons["Feb"]=2   mons["Mar"]=3   mons["Apr"]=4   mons["May"]=5   mons["Jun"]=6   mons["Jul"]=7   mons["Aug"]=8   mons["Sep"]=9   mons["Oct"]=10   mons["Nov"]=11   mons["Dec"]=12   return mons[str] } 

去掉/**/中间的注释

示例数据:

/*AAAAAAAAAA*/ 1111 222  /*aaaaaaaaa*/ 32323 12341234 12134 /*bbbbbbbbbb*/ 132412  14534122 /*     cccccccccc */ xxxxxx /*ddddddddddd     cccccccccc     eeeeeee */ yyyyyyyy 5642341 
# 注释内的行 //*/{     # 同行有"*/"     if(/*//){         print gensub("(.*)/\*.*\*/(.*)","\1\2","g",$0)     } else {         # 同行没有"*/"          # 1.去掉/*行后的内容         print gensub("(.*)/\*.*","\1","g",$0)          # 2.继续读取,直到出现*/,并去掉中间的所有数据         while( ( getline ) > 0 ){             # 出现了*/行             if(/*//){                 print gensub(".*\*/(.*)","\1","g",$0)             }         }     } } # 非注释内容 !//*/{print} 

前后段落关系判断

从如下类型的文件中,找出false段的前一段为i-order的段,同时输出这两段。

2019-09-12 07:16:27 [-][   'data' => [     'http://192.168.100.20:2800/api/payment/i-order',   ], ] 2019-09-12 07:16:27 [-][   'data' => [     false,   ], ] 2019-09-21 07:16:27 [-][   'data' => [     'http://192.168.100.20:2800/api/payment/i-order',   ], ] 2019-09-21 07:16:27 [-][   'data' => [     'http://192.168.100.20:2800/api/payment/i-user',   ], ] 2019-09-17 18:34:37 [-][   'data' => [     false,   ], ] 
BEGIN{   RS="]n"   ORS=RS } {   if(/false/ && prev ~ /i-order/){     print tmp     print   }   tmp=$0 } 

递归正则搜索:

grep -Pz '(?s)d+((?!2019).)*i-order(?1)+d+(?1)+false(?1)+' 

两个文件的处理

有两个文件file1和file2,这两个文件格式都是一样的。

需求:先把文件2的第五列删除,然后用文件2的第一列减去文件一的第一列,把所得结果对应的贴到原来第五列的位置,请问这个脚本该怎么编写?

file1: 50.481  64.634  40.573  1.00  0.00 51.877  65.004  40.226  1.00  0.00 52.258  64.681  39.113  1.00  0.00 52.418  65.846  40.925  1.00  0.00 49.515  65.641  40.554  1.00  0.00 49.802  66.666  40.358  1.00  0.00 48.176  65.344  40.766  1.00  0.00 47.428  66.127  40.732  1.00  0.00 51.087  62.165  40.940  1.00  0.00 52.289  62.334  40.897  1.00  0.00 file2: 48.420  62.001  41.252  1.00  0.00 45.555  61.598  41.361  1.00  0.00 45.815  61.402  40.325  1.00  0.00 44.873  60.641  42.111  1.00  0.00 44.617  59.688  41.648  1.00  0.00 44.500  60.911  43.433  1.00  0.00 43.691  59.887  44.228  1.00  0.00 43.980  58.629  43.859  1.00  0.00 42.372  60.069  44.032  1.00  0.00 43.914  59.977  45.551  1.00  0.00 
# 方法一:  awk '{   f1 = $1   if( (getline <"file2") >= 0 ){     $5 = $1 - f1     print $0   } }' file1  # 方法二: awk '   NR==FNR{arr[FNR]=$1}   NR!=FNR{$5=$1-arr[FNR];print} ' file1 file2 

统计多项数据

如下内容,第一个字段是IP,第二个字段是每个访问的uri。

1.1.1.1 /index1.html 1.1.1.1 /index1.html 1.1.1.1 /index2.html 1.1.1.1 /index2.html 1.1.1.1 /index2.html 1.1.1.1 /index3.html 1.1.1.2 /index1.html 1.1.1.2 /index2.html 1.1.1.2 /index2.html 1.1.1.3 /index1.html 1.1.1.3 /index1.html 1.1.1.3 /index2.html 1.1.1.3 /index2.html 1.1.1.3 /index2.html 1.1.1.3 /index3.html 1.1.1.3 /index3.html 1.1.1.4 /index2.html 1.1.1.4 /index2.html 

要求统计出每个ip访问的总次数,以及每个ip所访问的uri的次数。

期望的输出结果:

1.1.1.1 6 /index3.html 1 1.1.1.1 6 /index2.html 3 1.1.1.1 6 /index1.html 2 1.1.1.2 3 /index2.html 2 1.1.1.2 3 /index1.html 1 1.1.1.3 7 /index3.html 2 1.1.1.3 7 /index2.html 3 1.1.1.3 7 /index1.html 2 1.1.1.4 2 /index2.html 2 

awk代码:

awk '   {     a[$1][$2]++   }   END{     # 遍历数组,统计每个ip的访问总数     for(ip in a){       for(uri in a[ip]){         b[ip] += a[ip][uri]       }     }          # 再次遍历     for(ip in a){       for(uri in a[ip]){         print ip, b[ip], uri, a[ip][uri]       }     }   } ' a.log 

处理段落

文件内容如下:

{ "ent_id" : MinKey, "_id" : MinKey } -->> {         "ent_id" : NumberLong("aaaaa"),         "_id" : ObjectId("bbbbb") } on : shard04 Timestamp(685, 0) {         "ent_id" : NumberLong("ccccc"),         "_id" : ObjectId("ddddd") } -->> {         "ent_id" : NumberLong("eeeee"),         "_id" : ObjectId("fffff") } on : shard04 Timestamp(331, 1) {         "ent_id" : NumberLong("ggggg"),         "_id" : ObjectId("hhhhh") } -->> {         "ent_id" : NumberLong("iiiii"),         "_id" : ObjectId("jjjjj") } on : shard04 Timestamp(680, 0) 

期望结果:

MinKey,MinKey,NumberLong("aaaaa"),ObjectId("bbbbb"),shard04 NumberLong("ccccc"),ObjectId("ddddd"),NumberLong("eeeee"),ObjectId("fffff"),shard04 NumberLong("ggggg"),ObjectId("hhhhh"),NumberLong("iiiii"),ObjectId("jjjjj"),shard04 

awk代码:

BEGIN{   # 以Timestamp...为输入记录分隔符,一次读取一段   RS=" Timestamp\([0-9]+, [0-9]\)" } {   # 将一段中所有冒号后的内容保存到数组   patsplit($0,arr,": ([0-9a-zA-Z"\(\)])+")   for(i in arr){     # 移除冒号,并使用逗号分隔串联各元素     str = str gensub(": ","","g",arr[i])","   }   # 移除尾部逗号   print(substr(str,1,length(str)-1))   str="" } 

使用Perl或Ruby则更简单:

perl -0nE 'BEGIN{$,=","}say $& =~ /: K[^s,]+/g while /{.*?} on : S+/sg' test.log ruby -ne 'BEGIN{$/=nil};$_.scan(/{.*?} on : S+/m){|s|puts s.scan(/: K[^s,]+/).join(",")}' test.log  # 或者使用通用逻辑: # 读取每一行,将冒号后的字段保存到数组,当遇到能匹配on:的行时输出数组元素 # Ruby实现通用代码 arr = [] File.foreach("/home/longshuai/test.log") do |line|   line.scan(/: K[^s,]+/) do |s|     arr << s   end   if /on : S+/ =~ line     puts arr.join(",")     arr = []   end end