Fork Me
用户手册之awk
03 Feb 2015 - by @ssdr

##AWK 简介 AWK 是一种“样式扫描和处理语言”。它允许您创建简短的程序,这些程序读取输入文件、为数据排序、处理数据、对输入执行计算以及生成报表。它的名称取自于它的创始人 Alfred Aho、 Peter Weinberger 和 Brian Kernighan 姓氏的首个字母。

基本上来说,awk 可以从输入( 标准输入,或一个或多个文件 )中是否存在指定模式的记录( 即文本行 )。每次发现匹配时,就执行相关联的动作( 例如写入到标准输出或外部文件 )。

##AWK 语言基础 AWK 程序可以由一行或多行文本构成,其中核心部分是包含一个模式和动作的组合。

pattern { action }

模式( pattern ) 用于匹配输入中的每行文本。对于匹配上的每行文本,awk 都执行对应的 动作( action )。模式和动作之间使用花括号隔开。awk 顺序扫描每一行文本,并使用 记录分隔符(一般是换行符)将读到的每一行作为 记录,使用 域分隔符( 一般是空格符或制表符 ) 将一行文本分割为多个 域, 每个域分别可以使用 $1, $2, … $n 表示。$1 表示第一个域,$2 表示第二个域,$n 表示第 n 个域。 $0 表示整个记录。模式或动作都可以不指定,缺省模式的情况下,将匹配所有行。缺省动作的情况下,将执行动作 {print},即打印整个记录。

##使用 awk 分解出日志中的信息 以下面的示例日志为例:

202.189.63.115 - - [31/Aug/2012:15:42:31 +0800] "GET / HTTP/1.1" 200 1365 "-" "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:15.0) Gecko/20100101 Firefox/15.0.1"

把域分隔符修改为

 awk -F\" '{print $6}' access.log        # 浏览器

###统计浏览器类型 如果我们想知道那些类型的浏览器访问过网站,并按出现的次数倒序排列,我可以使用下面的命令:

awk -F" ‘{print $6}’ access.log | sort | uniq -c | sort -fr

此命令行首先解析出浏览器域,然后使用管道将输出作为第一个 sort 命令的输入。第一个 sort 命令主要是为了方便 uniq 命令统计出不同浏览器出现的次数。最后一个 sort 命令将把之前的统计结果倒序排列并输出。

###发现系统存在的问题 我们可以使用下面的命令行,统计服务器返回的状态码,发现系统可能存在的问题。

awk ‘{print $9}’ access.log | sort | uniq -c | sort

正常情况下,状态码 200 或 30x 应该是出现次数最多的。40x 一般表示客户端访问问题。50x 一般表示服务器端问题。

###有关状态码的 awk 命令示例 查找并显示所有状态码为 404 的请求

awk ‘($9 ~ /404/)’ access.log

统计所有状态码为 404 的请求

awk ‘($9 ~ /404/)’ access.log | awk ‘{print $9,$7}’ | sort

现在我们假设某个请求 ( 例如 : URI: /path/to/notfound ) 产生了大量的 404 错误,我们可以通过下面的命令找到这个请求是来自于哪一个引用页,和来自于什么浏览器。

awk -F" ‘($2 ~ “^GET /path/to/notfound “){print $4,$6}’ access.log

###追查谁在盗链网站图片 系统管理员有时候会发现其他网站出于某种原因,在他们的网站上使用保存在自己网站上的图片。如果您想知道究竟是谁未经授权使用自己网站上的图片,我们可以使用下面的命令:

awk -F" ‘($2 ~ /.(jpg|gif|png)/ && $4 !~ /^http:\/\/www.example.com/) {print $4}’ access.log | sort | uniq -c | sort

注意:使用前,将 www.example.com 修改为自己网站的域名。 ###与访问 IP 地址相关的命令 统计共有多少个不同的 IP 访问:

awk ‘{print $1}’ access.log |sort|uniq|wc – l

统计每一个 IP 访问了多少个页面:

awk ‘{++S[$1]} END {for (a in S) print a,S[a]}’ log_file

将每个 IP 访问的页面数进行从小到大排序:

awk ‘{++S[$1]} END {for (a in S) print S[a],a}’ log_file | sort -n

查看某一个 IP(例如 202.106.19.100 )访问了哪些页面:

grep ^202.106.19.100 access.log | awk ‘{print $1,$7}’

统计 2012 年 8 月 31 日 14 时内有多少 IP 访问 :

awk '{print $4,$1}' access.log | grep 31/Aug/2012:14 | awk '{print $2}'| sort | uniq | wc -l 统计访问最多的前十个 IP 地址
awk ‘{print $1}’ access.log |sort|uniq -c|sort -nr |head -10

###与响应页面大小的命令 列出传输大小最大的几个文件

cat access.log |awk ‘{print $10 “ “ $1 “ “ $4 “ “ $7}’|sort -nr|head -100

列出输出大于 204800 byte ( 200kb) 的页面以及对应页面发生次数

cat access.log |awk ‘($10 > 200000){print $7}’|sort -n|uniq -c|sort -nr|head -100