awk、cut、sort和uniq

一、awk

     sed以行为单位处理文件，awk不仅能以行为单位还能以列为单位处理文件。

     awk缺省的行分隔符是换行符，缺省的列分隔符是连续的空格和tab，而且行分隔符和列分隔符都可以重定义，比如/ect/passwd文件的每一行有若干字段以：分隔，则重新定义awk的分隔符为：并可以以列处理这个文件。

     awk可以像C语言一样支持分支和循环结构，基本语法和sed类似。

• awk命令基本基本形式为：

          awk option 'script'  file1 file2

          awk option -f scriptfile file1 file 2

• 编辑命令的格式为：

          /pattern/{action}          其中pattern为正则表达式，action为一系列操作。

     awk程序一行一行读出待处理文件，若某行与pattern匹配，或满足condition条件，则执行相应的action，若一条awk命令只有action部分，则action作用于待处理文件的每一行。

2.从栗子中学习

栗1

 

• 自动变量$0、$1、$2分别表示当前行、第一列、第二列
• printf是一条命令
• 读到的一行数据称一条记录，每一条记录被列分隔符分成多个域

栗2

• 支持脚本的动作判断

栗3  统计空行数与以E结尾的产品数

• 对于每个待处理的文件，BEGIN后面的action在处理整个文件之间执行一次，后面的END后面的action在文件处理完成后执行一次
• awk可以像C语言一样使用变量，不过不需要定义
• BEGIN和END可写可不写，但是位置一定在最开头和最结尾，且只执行一次

栗4  awk搜索

• NF即匹配最后一列，$（NF-1）表示最后一列的前一行

3、awk调用方式

     ①命令行模式

     awk [-F field-separator] 'commands' input-file

     其中，commands是真正的awk命令，[-F域分隔符可选]，input-file是待处理文件

     ②shell脚本模式

     将所有的awk命令写入文件，并使awk程序可执行，然后awk命令解释器作为脚本的首行。

     #!/bin/awk -f    相当于shell脚本的#!/bin/sh

     解释时和shell脚本的步骤一样，先加权限，再运行。

4、awk调用正则表达式方法

• awk语句
• • awk ‘/REG/{action}’ action为正则表达式

     例：awk '/^a.*n$/{print $0;}' file  在file里匹配以a开头、以n结尾的任意字符序列

• awk正则运算语句
• • awk '{if ($0 ~ /^a.*n$/){print $0;}}' file   同上，不过里面加上了语句
• awk内置使用正则表达式函数
• • gsub(Ere,Repl,[in])
  • sub(Ere,Repl,[In])
  • match(String,Ere)
  • split(String,A,[Ere])

     例：awk ‘{if (match($0,  "^a.*n$")){print $0;}}' file 

5.awk中的printf和print

     awk中同时提供print和printf两种打印输出语句。

     其中print函数的参数可以是变量、数值或者字符串。字符必须用双引号引用，参数用逗号分隔，若没有逗号，参数就串联在一起无法区分。这里，逗号的作用和文件的分隔符是一样的。

     printf函数，语法和c中的printf相似，可以格式化字符串，输出复杂时，printf更加好用，代码更易懂。

6、awk中的语句

• 循环语句
• • while
  • do/while
  • for
  • break
• 条件判断
• • if
  • if/else if

     基本和c中风格类似

二、cut

     cut负责在文件中剪切数据，cut以行为处理对象

1、cut命令的三个定位方法

• 字节  -b

 一般汉字的byte大小不确定

• 字符  -c

 其中中文字符和空格都算一个字符

• 域  -f

     -d指定域风格符，-f指定要剪出哪几个域

     

三、sort

     sort将文件的每一行作为一个单位，相互比较，比较的原则是从首字符向后，依次按ASKII码直接进行比较，再肾虚输出

• sort -u  在输出行中去除重复行
• sort -r  sort默认升序，加r表示降序
• sort -o  将排序好的写回源文件
• sort -n  以数值来排序而不是以字符来排序
• -t -k选项   后面可以设置间隔符，-k后面指定列数，以某一列来排序
• 其他

四、uniq

     读取输入文件，并比较相邻的行，若相邻的行有重复则删去。一般都是先排好序，将相同的放到一起在进行删去重复。

     此外，该命令将加工后的结果写到输出文件中，输入的文件和输出的文件必须不同，否则将会丢失数据 。