AWK单行脚本快速参考

AWK单行脚本快速参考 2008年4月28日
编辑： Eric Pement eric [at] pement.org 版本 0.26
翻译： 董一粟 yisudong [at] gmail.com
 最新英文版本文件发布在以下地址：
 http://www.pement.org/awk/awk1line.txt
 最新中文翻译版本文件发布在以下地址：
 http://ximix.org/translation/awk1line_zh-CN.txt
 翻译问题欢迎联系我：
 http://hi.baidu.com/ximix/blog/item/e9334cc2204fa330e5dd3bf2.html

用法：

Unix: awk '/pattern/ {print "$1"}' # 标准 Unix shell环境
 DOS/Win: awk '/pattern/ {print "$1"}' # DJGPP 可编译通过
 awk "/pattern/ {print \"$1\"}" # GnuWin32，UnxUtils，Mingw环境

需要特别注意的是，DJGPP编译器可以允许awk脚本使用Unix的引号语法 
'/like/ {"this"}'。但是，用户必须知道在DOS/Windows环境下，使用CMD.EXE或者
COMMAND.COM程序的话，单引号并不能保护重定向符号（<, >）和管道（|）。 
如果使用双引号的话，在DOS/CMD命令解释器下的特殊符号和他们的特殊含义都
会被忽略。如果你的命令提示符是bash、ksh或者其他的Unix终端，单引号和双引号
会沿用Unix标准的用法。

同样，DOS/Win用户必须记住用，百分号（%）用来标记DOS/Win环境变量，
如果想要在awk使用的话，需要使用双百分号（%%）来表示一个百分号%。

如果我能确定一个脚本不需要被指出是使用在Unix, DOS或者CMD环境下，我通常
会省略引号。如果一个例子是GNU awk所特有的，将会用 'gawk'命令来代替。如
果你发现错误或者新的命令想要添加到这个列表里（总长度控制在65个字符一下）
，请通知我。首先我经常会尝试去写一个最短字符的脚本。为了省空间，我通常使用
'1'来代替'{print}'去打印每行，两种写法都能正确运行。

文本间隔：

# 每行后面增加一行空行
 awk '1;{print ""}'
 awk 'BEGIN{ORS="\n\n"};1'

# 每行后面增加一行空行。输出文件不会包含连续的两个或两个以上的空行 
 # 注意：在Unix系统， DOS行包括的 CRLF （\r\n） 通常会被作为非空行对待
 # 因此 'NF' 将会返回TRUE。
 awk 'NF{print $0 "\n"}'

# 每行后面增加两行空行
 awk '1;{print "\n"}'

编号和计算：

# 以文件为单位，在每句行前加上编号 （左对齐）
 # 使用制表符 （\t） 来代替空格可以有效保护页变的空白。
 awk '{print FNR "\t" $0}' files*

# 用制表符 （\t） 给所有文件加上连贯的编号。
 awk '{print NR "\t" $0}' files*

# 以文件为单位，在每句行前加上编号 （编号在左，右对齐）
 # 如果在DOS环境下，需要写两个'%'
 awk '{printf("%5d : %s\n", NR,$0)}'

# 给非空白行的行加上编号
 # 记得Unix对于 \r 的处理的特殊之处。（上面已经提到）
 awk 'NF{$0=++a " :" $0};{print}'
 awk '{print (NF? ++a " :" :"") $0}'

# 计算行数 （模拟 "wc -l"）
 awk 'END{print NR}'

# 计算每行每个区域之和
 awk '{s=0; for (i=1; i<=NF; i++) s=s+$i; print s}'

# 计算所有行所有区域的总和
 awk '{for (i=1; i<=NF; i++) s=s+$i}; END{print s}'

# 打印每行每区域的绝对值
 awk '{for (i=1; i<=NF; i++) if ($i < 0) $i = -$i; print }'
 awk '{for (i=1; i<=NF; i++) $i = ($i < 0) ? -$i : $i; print }'

# 计算所有行所有区域（词）的个数
 awk '{ total = total + NF }; END {print total}' file

# 打印包含 "Beth" 的行数
 awk '/Beth/{n++}; END {print n+0}' file

# 打印第一列最大的行
 # 并且在行前打印出这个最大的数
 awk '$1 > max {max=$1; maxline=$0}; END{ print max, maxline}'

# 打印每行的列数，并在后面跟上此行内容
 awk '{ print NF ":" $0 } '

# 打印每行的最后一列
 awk '{ print $NF }'

# 打印最后一行的最后一列
 awk '{ field = $NF }; END{ print field }'

# 打印列数超过4的行
 awk 'NF > 4'

# 打印最后一列大于4的行
 awk '$NF > 4'

构建字符串：

# 构建一指定长度的字符串（比如，513个空格）
 awk 'BEGIN{while (a++<513) s=s " "; print s}'

# 在某一位置中插入以特定长度的字符串
 # 例子：在每行第6列后插入49个空格
 gawk --re-interval 'BEGIN{while(a++<49)s=s " "};{sub(/^.{6}/,"&" s)};1'

构建数组：

# 以下两个部分并不是一句话脚本，但是这些技巧相当便捷所以也包括进来

# 构建一个叫"month"的数组，以数字为索引，month[1]就是'Jan'，month[2]就是
 # 'Feb'，month[3]就是'Mar'，以此类推。
 split("Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec", month, " ")

# 构建一个叫"mdigit"的数组，以字符串为索引，mdigit["Jan"] 等于 1，
 # mdigit["Feb"] 等于 2，等等。需要有"month"数组。
 for (i=1; i<=12; i++) m_digit[month[i]] = i

文本转换和替代：

# 在Unix环境：转换DOS新行 （CR/LF） 为Unix格式
 awk '{sub(/\r$/,"")};1' # 假设每行都以Ctrl-M结尾

# 在Unix环境：转换Unix新行 （LF） 为DOS格式
 awk '{sub(/$/,"\r")};1'

# 在DOS环境：转换Unix新行 （LF） 为DOS格式
 awk 1

# 在DOS环境：转换DOS新行 （CR/LF） 为Unix格式
 # DOS版本的awk不能运行, 只能用gawk:
 gawk -v BINMODE="w" '1' infile >outfile

# 用 "tr" 替代的方法。
 tr -d \r <infile >outfile # GNU tr 版本为 1.22 或者更高

# 删除每行前的空白（包括空格符和制表符）
 # 使所有文本左对齐
 awk '{sub(/^[ \t]+/, "")};1'

# 删除每行结尾的空白（包括空格符和制表符）
 awk '{sub(/[ \t]+$/, "")};1'

# 删除每行开头和结尾的所有空白（包括空格符和制表符）
 awk '{gsub(/^[ \t]+|[ \t]+$/,"")};1'
 awk '{$1=$1};1' # 每列之间的空白也被删除

# 在每一行开头处插入5个空格 （做整页的左位移）
 awk '{sub(/^/, " ")};1'

# 用79个字符为宽度，将全部文本右对齐
 awk '{printf "%79s\n", $0}' file*

# 用79个字符为宽度，将全部文本居中对齐
 awk '{l=length();s=int((79-l)/2); printf "%"(s+l)"s\n",$0}' file*

# 每行用 "bar" 查找替换 "foo"
 awk '{sub(/foo/,"bar")}; 1' # 仅仅替换第一个找到的"foo"
 gawk '{$0=gensub(/foo/,"bar",4)}; 1' # 仅仅替换第四个找到的"foo"
 awk '{gsub(/foo/,"bar")}; 1' # 全部替换

# 在包含 "baz" 的行里，将 "foo" 替换为 "bar"
 awk '/baz/{gsub(/foo/, "bar")}; 1'

# 在不包含 "baz" 的行里，将 "foo" 替换为 "bar"
 awk '!/baz/{gsub(/foo/, "bar")}; 1'

# 将 "scarlet" 或者 "ruby" 或者 "puce" 替换为 "red"
 awk '{gsub(/scarlet|ruby|puce/, "red")}; 1'

# 倒排文本 （模拟 "tac"）
 awk '{a[i++]=$0} END {for (j=i-1; j>=0;) print a[j--] }' file*

# 如果一行结尾为反斜线符，将下一行接到这行后面
 # （如果有连续多行后面带反斜线符，将会失败）
 awk '/\\$/ {sub(/\\$/,""); getline t; print $0 t; next}; 1' file*

# 排序并打印所有登录用户的姓名
 awk -F ":" '{ print $1 | "sort" }' /etc/passwd

# 以相反的顺序打印出每行的前两列
 awk '{print $2, $1}' file

# 调换前两列的位置
 awk '{temp = $1; $1 = $2; $2 = temp}' file

# 打印每行，并删除第二列
 awk '{ $2 = ""; print }'

# 倒置每行并打印
 awk '{for (i=NF; i>0; i--) printf("%s ",i);printf ("\n")}' file

# 用逗号链接每5行
 awk 'ORS=NR%5?",":"\n"' file 

选择性的打印某些行：

# 打印文件的前十行 （模拟 "head"）
 awk 'NR < 11'

# 打印文件的第一行 （模拟 "head -1"）
 awk 'NR>1{exit};1'

# 打印文件的最后两行 （模拟 "tail -2"）
 awk '{y=x "\n" $0; x=$0};END{print y}'

# 打印文件的最后一行 （模拟 "tail -1"）
 awk 'END{print}'

# 打印匹配正则表达式的行 （模拟 "grep"）
 awk '/regex/'

# 打印不匹配正则表达式的行 （模拟 "grep -v"）
 awk '!/regex/'

# 打印第5列等于"abc123"的行
 awk '$5 == "abc123"'

# 打印第5列不等于"abc123"的行
 # 这个同样可以用于打印少于5列的行
 awk '$5 != "abc123"'
 awk '!($5 == "abc123")'

# 用正则匹配某一列
 awk '$7 ~ /^[a-f]/' # 打印第7列匹配的行
 awk '$7 !~ /^[a-f]/' # 打印第7列不匹配的行

# 打印匹配正则表达式的前一行，但是不打印当前行
 awk '/regex/{print x};{x=$0}'
 awk '/regex/{print (x=="" ? "match on line 1" : x)};{x=$0}'

# 打印匹配正则表达式的后一行，但是不打印当前行
 awk '/regex/{getline;print}'

# 以任何顺序查找包含 AAA、BBB 和 CCC 的行
 awk '/AAA/; /BBB/; /CCC/'

# 以指定顺序查找包含 AAA、BBB 和 CCC 的行
 awk '/AAA.*BBB.*CCC/'

# 打印长度大于64个字节的行
 awk 'length > 64'

# 打印长度小于64个字节的行
 awk 'length < 64'

# 打印从匹配正则起到文件末尾的内容
 awk '/regex/,0'
 awk '/regex/,EOF'

# 打印指定行之间的内容 （8-12行, 包括第8和第12行）
 awk 'NR==8,NR==12'

# 打印第52行
 awk 'NR==52'
 awk 'NR==52 {print;exit}' # 对于大文件更有效率

# 打印两个正则匹配间的内容 （包括正则的内容）
 awk '/Iowa/,/Montana/' # 大小写敏感

选择性的删除某些行：

# 删除所有空白行 （类似于 "grep '.' "）
 awk NF
 awk '/./'

# 删除重复连续的行 （模拟 "uniq"）
 awk 'a !~ $0; {a=$0}'

# 删除重复的、非连续的行
 awk '! a[$0]++' # 最简练
 awk '!($0 in a) {a[$0];print}' # 最有效

致谢：

特别感谢 Peter S. Tillier 帮助我完成了一版的FAQ。同样感谢Daniel Jana、
董一粟和其他提出建议和修正的人。

更多的语法指令，包括用文件脚本来使用awk，可以参考如下：

"sed & awk, 2nd Edition," by Dale Dougherty and Arnold Robbins
 O'Reilly, 1997
"UNIX Text Processing," by Dale Dougherty and Tim O'Reilly
 Hayden Books, 1987
 "GAWK: Effective awk Programming," 3d edition, by Arnold D. Robbins
 (O'Reilly, 2003) 或者网址 http://www.gnu.org/software/gawk/manual/

为了能开发awk的强大功能，开发人员必须知道 "正则表达式"。关于正则
的详细讨论，可以查看 
"Mastering Regular Expressions, 3d edition" by Jeffrey Friedl (O'Reilly,
2006).

在Unix系统下info和帮助手册("man")会非常有帮助（尝试使用"man awk"、
"man nawk"、"man gawk"、"man regexp"或者"man ed"里面的正则表达式章节）。

在awk脚本里面使用 '\t'：为了使文档变得清晰，我们在脚本里使用了表达式'\t'
来显示一个制表符 （0x99）。所有awk的版本，甚至UNIX系统7的版本应该能认出
'\t'这种缩写。

#---文件结尾---