來源： ChinaUnix博客 　作者： 發布時間:2007-01-02 04:13:00
a w k是一種程式語言，對文件資料的處理具有非常強的功能。awk 名稱是由他三個最初設計
者的姓氏的第一個字母而命名的： Alfred V. Aho、Peter J. We i n b e rg e r、Brian W. Kernighan。
a w k最初在1 9 7 7年完成。1 9 8 5年發表了一個新版本的a w k，他的功能比舊版本增強了不少。a w k 能夠用非常短的程式對文件里的資料做修改、比較、提取、打印等處理。如果使用C 或P a s c a l
等語言編寫程式完成上述的任務會十分不方便而且非常花費時間，所寫的程式也會非常大。a w k不僅僅是個編程語言，他還是L i n u x系統管理員和程式員的一個不可缺少的工具。a w k語言本身十分好學，易于掌控，并且特別的靈活。 gawk 是G N U計劃下所做的a w k，gawk 最初在1 9 8 6年完成，之后不斷地被改進、更新。

gawk 包含awk 的所有功能。
6.1 gawk的主要功能
gawk 的主要功能是針對文件的每一行( l i n e )，也就是每一條記錄，搜尋指定的格式。當某
一行符合指定的格式時，gawk 就會在此行執行被指定的動作。gawk 依此方式自動處理輸入文
件的每一行直到輸入文件檔案結束。
g a w k經常用在如下的幾個方面：
• 根據需求選擇文件的某幾行，幾列或部分字段以供顯示輸出。
• 分析文件中的某一個字出現的頻率、位置等。
• 根據某一個文件的信息準備格式化輸出。
• 以一個功能十分強大的方式過濾輸出文件。
• 根據文件中的數值進行計算。
6.2 怎么執行gawk程式
基本上有兩種方法能執行g a w k程式。
如果gawk 程式非常短，則能將gawk 直接寫在命令行，如下所示：
gawk ’program’ input-file1 input-file2 ...
其中program 包括一些pattern 和a c t i o n。
如果gawk 程式較長，較為方便的做法是將gawk 程式存在一個文件中，
gawk 的格式如下所示：
gawk -f program-file input-file1 input-file2 ...
gawk 程式的文件不止一個時，執行gawk 的格式如下所示：
gawk -f program-file1 -f program-file2 ... input-file1 input-file2 ...
6.3 文件、記錄和字段
一般情況下，g a w k能處理文件中的數值數據，但也能處理字符串信息。如果數據沒有
存儲在文件中，能通過管道命令和其他的重定向方法給g a w k提供輸入。當然， g a w k只能處
理文本文件（A S C I I碼文件）。
電話號碼本就是個g a w k能處理的文件的簡單例子。電話號碼本由非常多條目組成，每一
個條目都有同樣的格式：姓、名、地址、電話號碼。每一個條目都是按字母順序排列。
在g a w k中，每一個這樣的條目叫做一個記錄。他是個完整的數據的集合。例如，電話號
碼本中的Smith John這個條目，包括他的地址和電話號碼，就是一條記錄。
記錄中的每一項叫做一個字段。在g a w k中，字段是最基本的單位。多個記錄的集合組成了
一個文件。
大多數情況下，字段之間由一個特別的字符分開，像空格、TA B、分號等。這些字符叫做
字段分隔符。請看下面這個/ e t c / p a s s w d文件：
t p a r k e r ; t 3 6 s 6 2 h s h ; 5 0 1 ; 1 0 1 ; Tim Parker;/home/tparker;/bin/bash
etreijs;2ys639dj3h;502;101;Ed Tr e i j s ; / h o m e / e t r e i j s ; / b i n / t c s h
y c h o w ; 1 h 2 7 s j ; 5 0 3 ; 1 0 1 ; Yvonne Chow;/home/ychow;/bin/bash
你能看出/ e t c / p a s s w d文件使用分號作為字段分隔符。/ e t c / p a s s w d文件中的每一行都包括
七個字段：用戶名；口令；用戶I D；工作組I D；注釋； h o m e目錄；啟始的外殼。如果你想要
查找第六個字段，只需數過五個分號即可。
但考慮到以下電話號碼本的例子，你就會發現一些問題：
Smith John 13 Wilson St. 555-1283
Smith John 2736 Artside Dr Apt 123 555-2736
Smith John 125 Westmount Cr 555-1726
雖然我們能夠分辨出每個記錄包括四個字段，但g a w k卻無能為力。電話號碼本使用空格作
為分隔符，所以g a w k認為S m i t h是第一個字段， John 是第二個字段，1 3是第三個字段，依次類
推。就g a w k而言，如果用空格作為字段分隔符的話，則第一個記錄有六個字段，而第二個記
錄有八個字段。
所以，我們必須找出一個更好的字段分隔符。例如，像下面相同使用斜杠作為字段分隔
符：
Smith/John/13 Wilson St./555-1283
Smith/John/2736 Artside Dr/Apt/123/555-2736
Smith/John/125 Westmount Cr/555-1726
如果你沒有指定其他的字符作為字段分隔符，那么g a w k將缺省地使用空格或TA B作為字段
分隔符。
6.4 模式和動作
在g a w k語言中每一個命令都由兩部分組成：一個模式（ p a t t e r n）和一個相應的動作
（a c t i o n）。只要模式符合，g a w k就會執行相應的動作。其中模式部分用兩個斜杠括起來，而動
作部分用一對花括號括起來。例如：
/ p a t t e r n 1 / { a c t i o n 1 }
/ p a t t e r n 2 / { a c t i o n 2 }
/ p a t t e r n 3 / { a c t i o n 3 }
所有的g a w k程式都是由這樣的一對對的模式和動作組成的。其中模式或動作都能夠被省
略，不過兩個不能同時被省略。如果模式被省略，則對于作為輸入的文件里面的每一行，動作
都會被執行。如果動作被省略，則缺省的動作被執行，既顯示出所有符合模式的輸入行而不做
所有的改動。
下面是個簡單的例子，因為gawk 程式非常短，所以將gawk 程式直接寫在外殼命令行：
gawk ’/tparker/’ /etc/passwd
此程式在上面提到的/ e t c / p a s s w d文件中尋找符合t p a r k e r模式的記錄并顯示（此例中沒有動
作，所以缺省的動作被執行）。
讓我們再看一個例子：
gawk ’/UNIX/{print $2}’ file2.data
此命令將逐行查找f i l e 2 . d a t a文件中包含U N I X的記錄，并打印這些記錄的第二個字段。
你也能在一個命令中使用多個模式和動作對，例如：
gawk ’/scandal/{print $1} /rumor/{print $2}’ gossip_file
此命令搜索文件g o s s i p _ f i l e中包括s c a n d a l的記錄，并打印第一個字段。然后再從頭搜索
g o s s i p _ f i l e中包括r u m o r的記錄，并打印第二個字段。
6.5 比較運算和數值運算
g a w k有非常多比較運算符，下面列出重要的幾個：
= = 相等
! = 不相等
> 大于
= 大于等于
100’ testfile
將會顯示文件testfile 中那些第四個字段大于1 0 0的記錄。
下表列出了g a w k中基本的數值運算符。
運算符說明示例
+ 加法運算2+6
- 減法運算6-3
* 乘法運算2*5
/ 除法運算8/4
^ 乘方運算3^2 (=9)
% 求余數9%4 (=1)
例如：
{print $3/2}
顯示第三個字段被2除的結果。
在g a w k中，運算符的優先權和一般的數學運算的優先權相同。例如：
{print $1+$2*$3}
顯示第二個字段和第三個字段相乘，然后和第一個字段相加的結果。
你也能用括號改動優先次序。例如：
{print ($1+$2)*$3}
顯示第一個字段和第二個字段相加，然后和第三個字段相乘的結果。
6.6 內部函數
g a w k中有各種的內部函數，目前介紹如下：
6.6.1 隨機數和數學函數
sqrt(x) 求x 的平方根
sin(x) 求x 的正弦函數
cos(x) 求x 的余弦函數
a t a n 2 ( x，y) 求x / y的余切函數
log(x) 求x 的自然對數
exp(x) 求x 的e 次方
int(x) 求x 的整數部分
rand() 求0 和1之間的隨機數
srand(x) 將x 設置為r a n d ( )的種子數
6.6.2 字符串的內部函數
• i n d e x ( i n，find) 在字符串in 中尋找字符串find 第一次出現的地方，返回值是字符串
find 出目前字符串in 里面的位置。如果在字符串in 里面未找到字符串f i n d，則返回值為
0。
例如：
print index("peanut"，" a n " )
顯示結果3。
• length(string) 求出string 有幾個字符。
例如：
l e n g t h ( " a b c d e " )
顯示結果5。
• m a t c h ( s t r i n g，r e g e x p ) 在字符串string 中尋找符合regexp 的最長、最靠左邊的子字
符串。返回值是regexp 在string 的開始位置，即i n d e x值。match 函數將會設置系統變量
R S TA RT 等于i n d e x的值，系統變量RLENGTH 等于符合的字符個數。如果不符合，則會
設置R S TA RT 為0、RLENGTH 為- 1。
• s p r i n t f ( f o r m a t，e x p r e s s i o n 1，. . . ) 和printf 類似，不過sprintf 并不顯示，而是返回字符
串。
例如：
sprintf("pi = %.2f (approx.)"，2 2 / 7 )
返回的字符串為pi = 3.14 (approx.)
• s u b ( r e g e x p，r e p l a c e m e n t，t a rg e t ) 在字符串t a rget 中尋找符合regexp 的最長、最靠左的
地方，以字串replacement 代替最左邊的r e g e x p。
例如：
str = "water，w a t e r，e v e r y w h e r e "
s u b ( / a t /， " i t h "，s t r )
結果字符串s t r會變成
w i t h e r，w a t e r，e v e r y w h e r e
• g s u b ( r e g e x p，r e p l a c e m e n t，t a rget) 和前面的s u b類似。在字符串t a rget 中尋找符合
r e g e x p的所有地方，以字符串replacement 代替所有的r e g e x p。
例如：
s t r = " w a t e r，w a t e r，e v e r y w h e r e "g s u b ( / a t /， " i t h "，s t r )
結果字符串s t r會變成
w i t h e r，w i t h e r，e v e r y w h e r e
• s u b s t r ( s t r i n g，s t a r t，length) 返回字符串string 的子字符串，這個子字符串的長度為
l e n g t h，從第start 個位置開始。
例如：
s u b s t r ( " w a s h i n g t o n "，5，3 )
返回值為i n g
如果沒有length ，則返回的子字符串是從第start 個位置開始至結束。
例如：
s u b s t r ( " w a s h i n g t o n "，5 )
返回值為i n g t o n。
• tolower(string) 將字符串s t r i n g的大寫字母改為小寫字母。
例如：
tolower("MiXeD cAsE 123")
返回值為mixed case 123。
• toupper(string) 將字符串s t r i n g的小寫字母改為大寫字母。
例如：
toupper("MiXeD cAsE 123")
返回值為MIXED CASE 123。
6.6.3 輸入輸出的內部函數
• close(filename) 將輸入或輸出的文件filename 關閉。
• system(command) 此函數允許用戶執行操作系統的指令，執行完畢后將回到g a w k程
序。
例如：
BEGIN {system("ls")}
6.7 字符串和數字
字符串就是一連串的字符，他能被g a w k逐字地翻譯。字符串用雙引號括起來。數字不能
用雙引號括起來，并且g a w k將他當作一個數值。例如：
gawk ’$1 != "Tim" {print}’ testfile
此命令將顯示第一個字段和Ti m不相同的所有記錄。如果命令中Ti m兩邊不用雙引號，
g a w k將不能正確執行。
再如：
gawk ’$1 == "50" {print}’ testfile
此命令將顯示所有第一個字段和5 0這個字符串相同的記錄。g a w k不管第一字段中的數值
的大小，而只是逐字地比較。這時，字符串5 0和數值5 0并不相等。
6.8 格式化輸出
我們能讓動作顯示一些比較復雜的結果。例如：
gawk ’$1 != "Tim" {print $1，$ 5，$ 6，$2}’ testfile
將顯示t e s t f i l e文件中所有第一個字段和Ti m不相同的記錄的第一、第五、第六和第二個字
段。
進一步，你能在p r i n t動作中加入字符串，例如：
gawk ’$1 != "Tim" {print "The entry for "，$ 1，"is not Tim. "，$2}’ testfile
p r i n t動作的每一部分用逗號隔開。
借用C語言的格式化輸出指令，能讓g a w k的輸出形式更為多樣。這時，應該用p r i n t f而不
是p r i n t。例如：
{printf "%5s likes this language＼n"，$ 2 }
p r i n t f中的%5s 部分告訴gawk 怎么格式化輸出字符串，也就是輸出5個字符長。他的值由
printf 的最后部分指出，在此是第二個字段。＼ n是回車換行符。如果第二個字段中存儲的是人
名，則輸出結果大致如下：
Tim likes this language
G e o ff likes this language
Mike likes this language
Joe likes this language
gawk 語言支持的其他格式控制符號如下：
• c 如果是字符串，則顯示第一個字符；如果是整數，則將數字以ASCII 字符的形式顯示。
例如：
printf “% c”，6 5
結果將顯示字母A。
• d 顯示十進制的整數。
• i 顯示十進制的整數。
• e 將浮點數以科學記數法的形式顯示。
例如：
print “$ 4 . 3 e”，1 9 5 0
結果將顯示1 . 9 5 0 e + 0 3。
• f 將數字以浮點的形式顯示。
• g 將數字以科學記數法的形式或浮點的形式顯示。數字的絕對值如果大于等于0 . 0 0 0 1則
以浮點的形式顯示，否則以科學記數法的形式顯示。
• o 顯示無符號的八進制整數。
• s 顯示一個字符串。
• x 顯示無符號的十六進制整數。1 0至1 5以a至f表示。
• X 顯示無符號的十六進制整數。1 0至1 5以A至F表示。
• % 他并不是真正的格式控制字符，% %將顯示%。
當你使用這些格式控制字符時，你能在控制字符前給出數字，以表示你將用的幾位或幾
個字符。例如，6 d表示一個整數有6位。再請看下面的例子：
{printf "%5s works for %5s and earns %2d an hour"，$ 1，$ 2，$ 3 }
將會產生類似如下的輸出：
Joe works for Mike and earns 12 an hour
當處理數據時，你能指定數據的精確位數
{printf "%5s earns $%.2f an hour"，$ 3，$ 6 }
其輸出將類似于：
Joe earns $12.17 an hour
你也能使用一些換碼控制符格式化整行的輸出。之所以叫做換碼控制符，是因為g a w k對
這些符號有特別的解釋。下面列出常用的換碼控制符：
＼a 警告或響鈴字符。
＼b 后退一格。
＼f 換頁。
＼n 換行。
＼r 回車。
＼t Ta b。
＼v 垂直的t a b。
6.9 改動字段分隔符
在g a w k中，缺省的字段分隔符一般是空格符或TA B。但你能在命令行使用- F選項改動字
符分隔符，只需在- F后面跟著你想用的分隔符即可。
gawk -F" ;"’/tparker/{print}’ /etc/passwd
在此例中，你將字符分隔符設置成分號。注意： - F必須是大寫的，而且必須在第一個引號
之前。
6.10 元字符
g a w k語言在格式匹配時有其特別的規則。例如， c a t能夠和記錄中所有位置有這三個字符
的字段匹配。但有時你需要一些更為特別的匹配。如果你想讓c a t只和c o n c a t e n a t e匹配，則需要
在格式兩端加上空格：
/ cat / {print}
再例如，你希望既和c a t又和C AT匹配，則能使用或（|）：
/ cat | CAT / {print}
在g a w k中，有幾個字符有特別意義。下面列出能用在g a w k格式中的這些字符：
• ^ 表示字段的開始。
例如：
$3 ~ /^b/
如果第三個字段以字符b開始，則匹配。
• $ 表示字段的結束。
例如：
$3 ~ /b$/
如果第三個字段以字符b結束，則匹配。
• . 表示和所有單字符m匹配。
例如：
$3 ~ /i.m/
如果第三個字段有字符i，則匹配。
• | 表示“或”。
例如：
/ c a t | C AT/
和cat 或C AT字符匹配。
• * 表示字符的零到多次重復。
例如：
/UNI*X/
和U N X、U N I X、U N I I X、U N I I I X等匹配。
• + 表示字符的一次到多次重復。
例如：
/UNI+X/
和U N I X、U N I I X等匹配。
• ＼{a，b＼} 表示字符a次到b次之間的重復。
例如：
/ U N I ＼ { 1，3 ＼ } X
和U N I X、U N I I X和U N I I I X匹配。
• ? 表示字符零次和一次的重復。
例如：
/UNI?X/
和UNX 和U N I X匹配。
• [] 表示字符的范圍。
例如：
/I[BDG]M/
和I B M、I D M和I G M匹配
• [^] 表示不在[ ]中的字符。
例如：
/I[^DE]M/
和所有的以I開始、M結束的包括三個字符的字符串匹配，除了I D M和I E M之外。
6.11 調用gawk程式
當需要非常多對模式和動作時，你能編寫一個g a w k程式（也叫做g a w k腳本）。在g a w k程式
中，你能省略模式和動作兩邊的引號，因為在g a w k程式中，模式和動作從哪開始和從哪結
束時是非常顯然的。
你能使用如下命令調用g a w k程式：
gawk -f script filename
此命令使g a w k對文件f i l e n a m e執行名為s c r i p t的g a w k程式。
如果你不希望使用缺省的字段分隔符，你能在f選項后面跟著F選項指定新的字段分隔符
（當然你也能在g a w k程式中指定），例如，使用分號作為字段分隔符：
gawk -f script -F";" filename
如果希望gawk 程式處理多個文件，則把各個文件名羅列其后：
gawk -f script filename1 filename2 filename3 ...
缺省情況下， g a w k的輸出將送往屏幕。但你能使用L i n u x的重定向命令使g a w k的輸出送
往一個文件：
gawk -f script filename > save_file
6.12 BEGIN和END
有兩個特別的模式在g a w k中非常有用。B E G I N模式用來指明g a w k開始處理一個文件之前執行一些動作。B E G I N經常用來初始化數值，設置參數等。E N D模式用來在文件處理完成后
執行一些指令，一般用作總結或注釋。
BEGIN 和E N D中所有要執行的指令都應該用花括號括起來。BEGIN 和E N D必須使用大寫。
請看下面的例子：
BEGIN { print "Starting the process the file" }
$1 == "UNIX" {print}
$2 > 10 {printf "This line has a value of %d"，$ 2 }
END { print "Finished processing the file. Bye!"}
此程式中，先顯示一條信息： Starting the process the file，然后將所有第一個字段等于
U N I X的整條記錄顯示出來，然后再顯示第二個字段大于10 的記錄，最后顯示信息： F i n i s h e d
processing the file. Bye!。
6.13 變量
在g a w k中，能用等號( = )給一個變量賦值：
var1 = 10
在g a w k中，你不必事先聲明變量類型。
請看下面的例子：
$1 == "Plastic" { count = count + 1 }
如果第一個字段是P l a s t i c，則c o u n t的值加1。在此之前，我們應當給c o u n t賦予過初值，一
般是在B E G I N部分。
下面是比較完整的例子：
BEGIN { count = 0 }
$5 == "UNIX" { count = count + 1 }
END { printf "%d occurrences of UNIX were found"，count }
變量能和字段和數值一起使用，所以，下面的表達式均為合法：
count = count + $6
count = $5 - 8
count = $5 + var1
變量也能是格式的一部分，例如：
$2 > max_value {print "Max value exceeded by "，$2 - max_value}
$4 - var1  $2){
print "The first column is larger"
}
else {
print "The second column is larger"
} )
6.15.2 while 循環
while 循環的語法如下：
while (expression){
c o m m a n d s
}
例如：
# interest calculation computes compound interest
# inputs from a file are the amount，interest_rateand years
{var = 1
while (var  0){
print line[var]
v a r - -
}
}
此段程式讀取一個文件的每一行，并用相反的順序顯示出來。我們使用N R作為數組的下
標來存儲文件的每一條記錄，然后在從最后一條記錄開始，將文件逐條地顯示出來。
6.17 用戶自定義函數
復雜的gawk 程式常常能使用自己定義的函數來簡化。調用用戶自定義函數和調用內部
函數的方法相同。函數的定義能放在gawk 程式的所有地方。
用戶自定義函數的格式如下：
function name (parameter-list) {
b o d y - o f - f u n c t i o n
}
name 是所定義的函數的名稱。一個正確的函數名稱可包括一序列的字母、數字、下標線
( u n d e r s c o r e s )，不過不可用數字做開頭。p a r a m e t e r-list 是函數的全部參數的列表，各個參數之
間以逗點隔開。body-of-function 包含gawk 的表達式，他是函數定義里最重要的部分，他決定
函數實際要做的事情。
下面這個例子，會將每個記錄的第一個字段的值的平方和第二個字段的值的平方加起來。
{print "sum ="，S q u a r e S u m ( $ 1，$ 2 ) }
function SquareSum(x，y) {
s u m = x * x + y * y
return sum
}
到此，我們已知道了g a w k的基本用法。g a w k語言十分易學好用，例如，你能用g a w k
編寫一段小程式來計算一個目錄中所有文件的個數和容量。如果用其他的語言，如C語言，則
會十分的麻煩，相反，g a w k只需要幾行就能完成此工作。
6.18 幾個實例
最后，再舉幾個g a w k的例子：
gawk ’{if (NF > max) max = NF}
END {print max}’
此程式會顯示所有輸入行之中字段的最大個數。
gawk ’length($0) > 80’
此程式會顯示出超過80 個字符的每一行。此處只有模式被列出，動作是采用缺省值顯示
整個記錄。
gawk ’NF > 0’
顯示擁有至少一個字段的所有行。這是個簡單的方法，將一個文件里的所有空白行刪除。
gawk ’BEGIN {for (i = 1; i  max) max = NF}
END {print max}’
此程式會顯示所有輸入行之中字段的最大個數。
gawk ’length($0) > 80’
此程式會顯示出超過80 個字符的每一行。此處只有模式被列出，動作是采用缺省值顯示
整個記錄。
gawk ’NF > 0’
顯示擁有至少一個字段的所有行。這是個簡單的方法，將一個文件里的所有空白行刪除。
gawk ’BEGIN {for (i = 1; i