linux 命令: awk, uniq, sort, head, wc
awk
简单使用：
awk ：对于文件中一行行的读出来执行操作 。
awk -F ：'{print $1,$4}' :使用‘：’来分割这一行，把这一行的第一第四个域打印出来 。
统计出apache的access.log中访问量最多的5个IP
cat access_log_2011_06_26.log |awk '{print $1}'| sort | uniq -c|sort -rn ｜head -n 5
wc 列出行数，单词数，字符数， 要注意字符数包含换行符， 单词以空格分割
wc -l wc -w wc -c
不带参数则列出行数，单词数，字符数
The following is the content stored in my file
This is my Input
So, using wc -c command we can get the number of characters stored in the file.
My expected output for above file that edited by using VIM in Ubuntu is 16. But, wc -c command returns 17.
Why is the output like this? There isn't even a carriage return at end of line. So, what is the 17th character?
alex@alex-VirtualBox:~/code/mysite$ cat test_wc2.txt
are you joking?
alex@alex-VirtualBox:~/code/mysite$ wc test_wc2.txt
1 3 16 test_wc2.txt
alex@alex-VirtualBox:~/code/mysite$ hexdump -c test_wc2.txt
0000000 a r e y o u j o k i n g ? \n
0000010
alex@alex-VirtualBox:~/code/mysite$
alex@alex-VirtualBox:~/code/mysite$ hexdump -C test_wc2.txt
00000000 61 72 65 20 79 6f 75 20 6a 6f 6b 69 6e 67 3f 0a |are you joking?.|
00000010
sort
sort命令是在Linux里非常有用，它将文件进行排序，并将排序结果标准输出。sort命令既可以从特定的文件，也可以从stdin中获取输入。
语法
sort(选项)(参数)
选项
-b：忽略每行前面开始出的空格字符； -c：检查文件是否已经按照顺序排序； -d：排序时，处理英文字母、数字及空格字符外，忽略其他的字符； -f：排序时，将小写字母视为大写字母； -i：排序时，除了040至176之间的ASCII字符外，忽略其他的字符； -m：将几个排序号的文件进行合并； -M：将前面3个字母依照月份的缩写进行排序； -n：依照数值的大小排序； -o<输出文件>：将排序后的结果存入制定的文件； -r：以相反的顺序来排序； -t<分隔字符>：指定排序时所用的栏位分隔字符； +<起始栏位>-<结束栏位>：以指定的栏位来排序，范围由起始栏位到结束栏位的前一栏位。
参数
文件：指定待排序的文件列表。
uniq
uniq命令用于报告或忽略文件中的重复行，一般与sort命令结合使用。
语法
uniq(选项)(参数)
选项
-c或——count：在每列旁边显示该行重复出现的次数；
-d或--repeated：仅显示重复出现的行列；
-f<栏位>或--skip-fields=<栏位>：忽略比较指定的栏位；
-s<字符位置>或--skip-chars=<字符位置>：忽略比较指定的字符；
-u或——unique：仅显示出一次的行列；
-w<字符位置>或--check-chars=<字符位置>：指定要比较的字符。
参数
- 输入文件：指定要去除的重复行文件。如果不指定此项，则从标准读取数据；
- 输出文件：指定要去除重复行后的内容要写入的输出文件。如果不指定此选项，则将内容显示到标准输出设备（显示终端）。
实例
删除重复行：
uniq file.txt
sort file.txt | uniq
sort -u file.txt
只显示单一行：
uniq -u file.txt sort file.txt | uniq -u
统计各行在文件中出现的次数：
sort file.txt | uniq -c
在文件中找出重复的行：
sort file.txt | uniq -d
head
head命令用于显示文件的开头的内容。在默认情况下，head命令显示文件的头10行内容。
语法
head(选项)(参数)
选项
-n<数字>：指定显示头部内容的行数； -c<字符数>：指定显示头部内容的字符数； -v：总是显示文件名的头信息； -q：不显示文件名的头信息。
参数
文件列表：指定显示头部内容的文件列表。
实例
sort将文件/文本的每一行作为一个单位，相互比较，比较原则是从首字符向后，依次按ASCII码值进行比较，最后将他们按升序输出。
[root@mail text]# cat sort.txt
aaa:10:1.1
ccc:30:3.3
ddd:40:4.4
bbb:20:2.2
eee:50:5.5
eee:50:5.5
[root@mail text]# sort sort.txt
aaa:10:1.1
bbb:20:2.2
ccc:30:3.3
ddd:40:4.4
eee:50:5.5
eee:50:5.5
忽略相同行使用-u选项或者uniq：
[root@mail text]# cat sort.txt
aaa:10:1.1
ccc:30:3.3
ddd:40:4.4
bbb:20:2.2
eee:50:5.5
eee:50:5.5
[root@mail text]# sort -u sort.txt
aaa:10:1.1
bbb:20:2.2
ccc:30:3.3
ddd:40:4.4
eee:50:5.5
或者
[root@mail text]# uniq sort.txt
aaa:10:1.1
ccc:30:3.3
ddd:40:4.4
bbb:20:2.2
eee:50:5.5
sort的-n、-r、-k、-t选项的使用：
[root@mail text]# cat sort.txt
AAA:BB:CC
aaa:30:1.6
ccc:50:3.3
ddd:20:4.2
bbb:10:2.5
eee:40:5.4
eee:60:5.1
#将BB列按照数字从小到大顺序排列：
[root@mail text]# sort -nk 2 -t: sort.txt
AAA:BB:CC
bbb:10:2.5
ddd:20:4.2
aaa:30:1.6
eee:40:5.4
ccc:50:3.3
eee:60:5.1
#将CC列数字从大到小顺序排列：
[root@mail text]# sort -nrk 3 -t: sort.txt
eee:40:5.4
eee:60:5.1
ddd:20:4.2
ccc:50:3.3
bbb:10:2.5
aaa:30:1.6
AAA:BB:CC
# -n是按照数字大小排序，-r是以相反顺序，-k是指定需要爱排序的栏位，-t指定栏位分隔符为冒号
-k选项的具体语法格式：
-k选项的语法格式：
FStart.CStart Modifie,FEnd.CEnd Modifier -------Start--------,-------End-------- FStart.CStart 选项 , FEnd.CEnd 选项
这个语法格式可以被其中的逗号,分为两大部分，Start部分和End部分。Start部分也由三部分组成，其中的Modifier部分就是我们之前说过的类似n和r的选项部分。我们重点说说Start部分的FStart和C.Start。C.Start也是可以省略的，省略的话就表示从本域的开头部分开始。FStart.CStart，其中FStart就是表示使用的域，而CStart则表示在FStart域中从第几个字符开始算“排序首字符”。同理，在End部分中，你可以设定FEnd.CEnd，如果你省略.CEnd，则表示结尾到“域尾”，即本域的最后一个字符。或者，如果你将CEnd设定为0(零)，也是表示结尾到“域尾”。
从公司英文名称的第二个字母开始进行排序：
$ sort -t ' ' -k 1.2 facebook.txt
baidu 100 5000
sohu 100 4500
google 110 5000
guge 50 3000
使用了-k 1.2，表示对第一个域的第二个字符开始到本域的最后一个字符为止的字符串进行排序。你会发现baidu因为第二个字母是a而名列榜首。sohu和 google第二个字符都是o，但sohu的h在google的o前面，所以两者分别排在第二和第三。guge只能屈居第四了。
只针对公司英文名称的第二个字母进行排序，如果相同的按照员工工资进行降序排序：
$ sort -t ' ' -k 1.2,1.2 -nrk 3,3 facebook.txt baidu 100 5000 google 110 5000 sohu 100 4500 guge 50 3000
由于只对第二个字母进行排序，所以我们使用了-k 1.2,1.2的表示方式，表示我们“只”对第二个字母进行排序。（如果你问“我使用-k 1.2怎么不行？”，当然不行，因为你省略了End部分，这就意味着你将对从第二个字母起到本域最后一个字符为止的字符串进行排序）。对于员工工资进行排 序，我们也使用了-k 3,3，这是最准确的表述，表示我们“只”对本域进行排序，因为如果你省略了后面的3，就变成了我们“对第3个域开始到最后一个域位置的内容进行排序” 了。
详细介绍：
AWK命令介绍
awk语言的最基本功能是在文件或字符串中基于指定规则浏览和抽取信息，awk抽取信息后，才能进行其他文本操作，完整的awk脚本通常用来格式化文本文件中的信息
1. 调用awk:
第一种命令行方式，如:
awk [-Field-separator] 'commands' input-file(s)
这里commands是真正的awk命令，[-F域分隔符]是可选的，awk默认使用空格分隔，因此如果要浏览域间有空格的文本，不必指定这个选项，但如果浏览如passwd文件，此文件各域使用冒号作为分隔符，则必须使用-F选项: awk -F : 'commands' input-file
第二种，将所有awk命令插入一个文件，并使awk程序可执行，然后用awk命令解释器作为脚本的首行，以便通过键入脚本名称来调用它
第三种，将所有awk命令插入一个单独文件，然后调用，如:
awk -f awk-script-file input-file
-f选项指明在文件awk-script-file的awk脚本，input-file是使用awk进行浏览的文件名
2. awk脚本:
awk脚本由各种操作和模式组成，根据分隔符(-F选项)，默认为空格，读取的内容依次放置到对应的域中，一行一行记录读取，直到文件尾
2.1. 模式和动作
任何awk语句都是由模式和动作组成，在一个awk脚本中可能有许多语句。模式部分决定动作语句何时触发及触发事件。动作即对数据进行的操作，如果省去模式部分，动作将时刻保持执行状态
模式可以是任何条件语句或复合语句或正则表达式，模式包含两个特殊字段BEGIN和END，使用BEGIN语句设置计数和打印头，BEGIN语句使用在任何文本浏览动作之前，之后文本浏览动作依据输入文件开始执行;END语句用来在awk完成文本浏览动作后打印输出文本总数和结尾状态标志，有动作必须使用{}括起来
实际动作在大括号{}内指明，常用来做打印动作，但是还有更长的代码如if和循环looping语句及循环退出等，如果不指明采取什么动作，awk默认打印出所有浏览出的记录
2.2. 域和记录:
awk执行时，其浏览标记为$1，$2...$n，这种方法称为域标记。使用$1，$3表示参照第1和第3域，注意这里使用逗号分隔域，使用$0表示使用所有域。例如:
awk '{print $0}' temp.txt > sav.txt
表示打印所有域并把结果重定向到sav.txt中
awk '{print $0}' temp.txt|tee sav.txt
和上例相似，不同的是将在屏幕上显示出来
awk '{print $1,$4}' temp.txt
只打印出第1和第4域
awk 'BEGIN {print "NAME GRADE\n----"} {print $1"\t"$4}' temp.txt
表示打信息头，即输入的内容的第一行前加上"NAME GRADE\n-------------"，同时内容以tab分开
awk 'BEGIN {print "being"} {print $1} END {print "end"}' temp
同时打印信息头和信息尾
2.3. 条件操作符:
<、<=、==、!=、>=、~匹配正则表达式、!~不匹配正则表达式
匹配:awk '{if ($4~/ASIMA/) print $0}' temp 表示如果第四个域包含ASIMA，就打印整条
精确匹配:awk '$3=="48" {print $0}' temp 只打印第3域等于"48"的记录
不匹配: awk '$0 !~ /ASIMA/' temp 打印整条不包含ASIMA的记录
不等于: awk '$1 != "asima"' temp
小于: awk '{if ($1<$2) print $1 "is smaller"}' temp
设置大小写: awk '/[Gg]reen/' temp 打印整条包含Green，或者green的记录
任意字符: awk '$1 ~/^...a/' temp 打印第1域中第四个字符是a的记录，符号’^’代表行首，符合’.’代表任意字符
或关系匹配: awk '$0~/(abc)|(efg)/' temp 使用|时，语句需要括起来
AND与关系: awk '{if ( $1=="a" && $2=="b" ) print $0}' temp
OR或关系: awk '{if ($1=="a" || $1=="b") print $0}' temp
2.4. awk内置变量:
|
ARGC |
命令行参数个数 |
NF |
浏览记录的域个数 |
|
AGRV |
命令行参数排列 |
NR |
已读的记录数 |
|
ENVIRON |
支持队列中系统环境变量的使用 |
OFS |
输出域分隔符 |
|
FILENAME |
awk浏览的文件名 |
ORS |
输出记录分隔符 |
|
FNR |
浏览文件的记录数 |
RS |
控制记录分隔符 |
|
FS |
设置输入域分隔符，同- F选项 |
NF |
浏览记录的域个数 |
例: awk 'END {print NR}' temp 在最后打印已读记录条数
awk '{print NF，NR，$0} END {print FILENAME}' temp
awk '{if (NR>0 && $4~/Brown/) print $0}' temp 至少存在一条记录且包含Brown
NF的另一用法: echo $PWD | awk -F/ '{print $NF}' 显示当前目录名
2.5. awk操作符:
在awk中使用操作符，基本表达式可以划分成数字型、字符串型、变量型、域及数组元素
设置输入域到变量名:
awk '{name=$1;six=$3; if (six=="man") print name " is " six}' temp
域值比较操作:
awk 'BEGIN {BASE="27"} {if ($4<BASE) print $0}' temp
修改数值域取值:(原输入文件不会被改变)
awk '{if ($1=="asima") $6=$6-1;print $1，$6，$7}' temp
修改文本域:
awk '{if ($1=="asima) ($1=="desc");print $1}' temp
只显示修改记录:(只显示所需要的，区别上一条命令，注意{})
awk '{if ($1=="asima) {$1=="desc";print$1}}' temp
创建新的输出域:
awk '{$4=$3-$2; print $4}' temp
统计列值:
awk '(tot+=$3);END {print tot}' temp 会显示每列的内容
awk '{(tot+=$3)};END {print tot}' temp 只显示最后的结果
文件长度相加:
ls -l|awk '/^[^d]/ {print $9"\t"$5} {tot+=$5} END{print "totKB:" tot}'
只列出文件名:
ls -l|awk '{print $9}' 常规情况文件名是第9域
2.6. awk内置字符串函数:
gsub(r，s) 在整个$0中用s替代r
awk 'gsub(/name/，"xingming") {print $0}' temp
gsub(r，s，t) 在整个t中用s替代r
index(s，t) 返回s中字符串t的第一位置
awk 'BEGIN {print index("Sunny"，"ny")}' temp 返回4
length(s) 返回s的长度
match(s，r) 测试s是否包含匹配r的字符串
awk '$1=="J.Lulu" {print match($1，"u")}' temp 返回4
split(s，a，fs) 在fs上将s分成序列a
awk 'BEGIN {print split("12#345#6789"，myarray，"#")"'
返回3，同时myarray[1]="12"， myarray[2]="345"， myarray[3]="6789"
sprint(fmt，exp) 返回经fmt格式化后的exp
sub(r，s) 从$0中最左边最长的子串中用s代替r(只更换第一遇到的匹配字符串)
substr(s，p) 返回字符串s中从p开始的后缀部分
substr(s，p，n) 返回字符串s中从p开始长度为n的后缀部分
2.7. printf函数的使用:
字符转换: echo "65" |awk '{printf "%c\n"，$0}' 输出A
awk 'BEGIN {printf "%f\n"，999}' 输出999.000000
格式化输出:awk '{printf "%-15s %s\n"，$1，$3}' temp 将第一个域全部左对齐显示
2.8. 其他awk用法:
向一行awk命令传值:
awk '{if ($5<AGE) print $0}' AGE=10 temp
who | awk '{if ($1==user) print $1 " are in " $2 ' user=$LOGNAME 使用环境变量
awk脚本命令:
开头使用 !/bin/awk -f ，如果没有这句话自含脚本将不能执行，例子:
!/bin/awk -f
# all comment lines must start with a hash '#'
# name: student_tot.awk
# to call: student_tot.awk grade.txt
# prints total and average of club student points
# print a header first
BEGIN
{
print "Student Date Member No. Grade Age Points Max"
print "Name Joined Gained Point Available"
print"========================================================="
}
# let's add the scores of points gained
(tot+=$6);
# finished processing now let's print the total and average point
END
{
print "Club student total points :" tot
print "Average Club Student points :" tot/N
}
2.9. awk数组:
awk的循环基本结构
For (element in array) print array[element]
awk 'BEGIN {record="123#456#789";split(record，myarray，"#")}
END { for (i in myarray) {print myarray[i]} }
3.0 awk中自定义语句
一.条件判断语句(if)
if(表达式) #if ( Variable in Array )
语句1
else
语句2
格式中"语句1"可以是多个语句，如果你为了方便Unix awk判断也方便你自已阅读，你最好将多个语句用{}括起来。Unix awk分枝结构允许嵌套，其格式为：
if(表达式)
{语句1}
else if(表达式)
{语句2}
else
{语句3}
[chengmo@localhost nginx]# awk 'BEGIN{
test=100;
if(test>90)
{
print "very good";
}
else if(test>60)
{
print "good";
}
else
{
print "no pass";
}
}'
very good
每条命令语句后面可以用“；”号结尾。
二.循环语句(while,for,do)
1.while语句
格式：
while(表达式)
{语句}
例子：
[chengmo@localhost nginx]# awk 'BEGIN{
test=100;
total=0;
while(i<=test)
{
total+=i;
i++;
}
print total;
}'
5050
2.for 循环
for循环有两种格式：
格式1：
for(变量 in 数组)
{语句}
例子：
[chengmo@localhost nginx]# awk 'BEGIN{
for(k in ENVIRON)
{
print k"="ENVIRON[k];
}
}'AWKPATH=.:/usr/share/awk
OLDPWD=/home/web97
SSH_ASKPASS=/usr/libexec/openssh/gnome-ssh-askpass
SELINUX_LEVEL_REQUESTED=
SELINUX_ROLE_REQUESTED=
LANG=zh_CN.GB2312。。。。。。
说明：ENVIRON 是awk常量，是子典型数组。
格式2：
for(变量;条件;表达式)
{语句}
例子：
[chengmo@localhost nginx]# awk 'BEGIN{
total=0;
for(i=0;i<=100;i++)
{
total+=i;
}
print total;
}'5050
3.do循环
格式：
do
{语句}while(条件)
例子：
[chengmo@localhost nginx]# awk 'BEGIN{
total=0;
i=0;
do
{
total+=i;
i++;
}while(i<=100)
print total;
}'
5050
以上为awk流程控制语句，从语法上面大家可以看到，与c语言是一样的。有了这些语句，其实很多shell程序都可以交给awk，而且性能是非常快的。
以上关于awk的控制判断转自博客：http://www.cnblogs.com/chengmo/archive/2010/10/04/1842073.html
其他使用巧妙
shell计算中使用除法，基本默认上都是整除。
比如：
num1=2
num2=3
num3=`expr $num1 / $num2`
这个时候num3=0 ,是因为是因为expr不支持浮点除法
解决的方法：
num3=`echo "scale=2; $num1/$num2" | bc`
使用bc工具，sclae控制小数点后保留几位
还有一种方法
awk 'BEGIN{printf "%.2f\n",’$num1‘/’$num2‘}'
如果用百分比表示
awk 'BEGIN{printf "%.2f%\n",(‘$num1’/‘$num2’)*100}'
