使用 awk 過濾文字或檔案中的字串

當我們在 Unix/Linux 下使用特定的命令從字串或檔案中讀取或編輯文字時，我們經常需要過濾輸出以得到感興趣的部分。這時正規表示式就派上用場了。

正規表示式可以定義為代表若干個字元序列的字串。它最重要的功能之一就是它允許你過濾一條命令或一個檔案的輸出、編輯文字或組態檔的一部分等等。

• 普通字元，例如空格、下劃線、A-Z、a-z、0-9。
• 可以擴充套件為普通字元的元字元，它們包括：
  • (.) 它匹配除了換行符外的任何單個字元。
  • (*) 它匹配零個或多個在其之前緊挨著的字元。
  • [ character(s) ] 它匹配任何由其中的字元/字元集指定的字元，你可以使用連字元(-)代表字元區間，例如 [a-f]、[1-5]等。
  • ^ 它匹配檔案中一行的開頭。
  • $ 它匹配檔案中一行的結尾。
  • / 這是一個跳脫字元。

你必須使用類似 awk 這樣的文字過濾工具來過濾文字。你還可以把 awk 自身當作一個程式語言。但由於這個指南的適用範圍是關於使用 awk 的，我會按照一個簡單的命令列過濾工具來介紹它。

# awk 'script' filename

此處 'script' 是一個由 awk 可以理解並應用於 filename 的命令集合。

它通過讀取檔案中的給定行，複製該行的內容並在該行上執行指令碼的方式工作。這個過程會在該檔案中的所有行上重複。

該指令碼 'script' 中內容的格式是 '/pattern/ action'，其中 pattern 是一個正規表示式，而 action 是當 awk 在該行中找到此模式時應當執行的動作。

在下面的例子中，我們將聚焦於之前討論過的元字元。

下面的例子列印檔案 /etc/hosts 中的所有行，因為沒有指定任何的模式。

# awk '//{print}' /etc/hosts

awk 列印檔案中的所有行

在下面的範例中，指定了模式 localhost，因此 awk 將匹配檔案 /etc/hosts 中有 localhost 的那些行。

# awk '/localhost/{print}' /etc/hosts 

awk 列印檔案中匹配模式的行

在下面的例子中，符號 (.) 將匹配包含 loc、localhost、localnet 的字串。

這裡的正規表示式的意思是匹配 l一個字元c。

# awk '/l.c/{print}' /etc/hosts

使用 awk 列印檔案中匹配模式的字串

在下面的例子中，將匹配包含 localhost、localnet、lines, capable 的字串。

# awk '/l*c/{print}' /etc/localhost

使用 awk 匹配檔案中的字串

你可能也意識到 (*) 將會嘗試匹配它可能檢測到的最長的匹配。

讓我們看一看可以證明這一點的例子，正規表示式 t*t 的意思是在下面的行中匹配以 t 開始和 t 結束的字串：

this is tecmint, where you get the best good tutorials, how to's, guides, tecmint. 

當你使用模式 /t*t/ 時，會得到如下可能的結果：

this is t
this is tecmint
this is tecmint, where you get t
this is tecmint, where you get the best good t
this is tecmint, where you get the best good tutorials, how t
this is tecmint, where you get the best good tutorials, how tos, guides, t
this is tecmint, where you get the best good tutorials, how tos, guides, tecmint

在 /t*t/ 中的萬用字元 (*) 將使得 awk 選擇匹配的最後一項：

this is tecmint, where you get the best good tutorials, how to's, guides, tecmint

以集合 [al1] 為例，awk 將匹配檔案 /etc/hosts 中所有包含字元 a 或 l 或 1 的字串。

# awk '/[al1]/{print}' /etc/hosts

使用 awk 列印檔案中匹配的字元

下一個例子匹配以 K 或 k 開始頭，後面跟著一個 T 的字串：

# awk '/[Kk]T/{print}' /etc/hosts 

使用 awk 列印檔案中匹配的字元

awk 所能理解的字元：

• [0-9] 代表一個單獨的數位
• [a-z] 代表一個單獨的小寫字母
• [A-Z] 代表一個單獨的大寫字母
• [a-zA-Z] 代表一個單獨的字母
• [a-zA-Z 0-9] 代表一個單獨的字母或數位

讓我們看看下面的例子：

# awk '/[0-9]/{print}' /etc/hosts 

使用 awk 列印檔案中匹配的數位

在上面的例子中，檔案 /etc/hosts 中的所有行都至少包含一個單獨的數位 [0-9]。

在下面的例子中，它匹配所有以給定模式開頭的行：

# awk '/^fe/{print}' /etc/hosts
# awk '/^ff/{print}' /etc/hosts

使用 awk 列印與模式匹配的行

它將匹配所有以給定模式結尾的行：

# awk '/ab$/{print}' /etc/hosts
# awk '/ost$/{print}' /etc/hosts
# awk '/rs$/{print}' /etc/hosts

使用 awk 列印與模式匹配的字串

它允許你將該跳脫字元後面的字元作為文字，即理解為其字面的意思。

在下面的例子中，第一個命令列印出檔案中的所有行，第二個命令中我想匹配具有 $25.00 的一行，但我並未使用跳脫字元，因而沒有列印出任何內容。

第三個命令是正確的，因為一個這裡使用了一個跳脫字元以跳脫 $，以將其識別為 '$'（而非元字元）。

# awk '//{print}' deals.txt
# awk '/$25.00/{print}' deals.txt
# awk '//$25.00/{print}' deals.txt

結合跳脫字元使用 awk

以上內容並不是 awk 命令用做過濾工具的全部，上述的範例均是 awk 的基礎操作。在下面的章節中，我將進一步介紹如何使用 awk 的高階功能。

Linux系統之文字格式化工具awk http://www.linuxidc.com/Linux/2016-02/128150.htm

AWK簡介及使用範例 http://www.linuxidc.com/Linux/2013-12/93519.htm

Linux awk文字分析工具 http://www.linuxidc.com/Linux/2015-12/126217.htm

Linux文字處理工具之awk  http://www.linuxidc.com/Linux/2015-01/111437.htm

如何在Linux中使用awk命令 http://www.linuxidc.com/Linux/2014-10/107542.htm

文字分析工具-awk  http://www.linuxidc.com/Linux/2014-12/110939.htm

使用awk格式化輸出文字 http://www.linuxidc.com/Linux/2016-04/130193.htm

本文永久更新連結地址：http://www.linuxidc.com/Linux/2016-07/133505.htm