在上一期的文章sed：小工具大用处中小编为大家介绍了sed的使用方法，今天继续为大家介绍另一个非常常用的工具awk。祖国70周年生日在即，为了不给祖国拖后腿，抓紧时间最后再努力学习一把！
awk是一个强大的文本分析工具，相对于grep的查找，sed的编辑，awk在其对数据分析并生成报告时，显得尤为强大。简单来说awk就是把文件逐行的读入，以空格或tab为默认分隔符将每行切片，切开的部分再进行各种分析处理。awk可以处理文件数据，或者来自前个命令的标准输入内容，awk的一般使用规则如下：
代码语言：javascript复制awk -Ffv 'BEGIN{} //条件{动作1;动作2} END {}' 文件或标准输入大参数：参数-F指定分隔符，-f调用脚本，-v定义变量；
BEGIN 初始化代码块，在对每一行进行处理之前，初始化代码，主要是引用全局变量，设置FS分隔符
// 匹配代模块，可以是字符串或正则表达式
{} 命令代模块，包含一条或多条命令
； 多条命令使用分号分隔
END 结尾代码块，在对每一行进行处理之后再执行的代码块，主要是进行最终计算或输出结尾摘要信息
01
数据内容选取
我们可以使用匹配模块搭配正则表达式选取行：
其中匹配内容里面可以使用bash变量，但是必须用加单引号，如下所示：
我们也可以根据分隔符选取字段，例如使用last列出最后五行登陆者信息，并使用awk中print命令选取账户名及其IP信息：
其中“t”表示分隔符为tab，注意这里是打印内容的分隔符，而不是划分域的分隔符，可以换成其他符号甚至是任意字符串（包括数据）均可：
最后一行是时间信息，中间隔着一行空行，如要是进一步只选取账户和IP可以使用sed命令：
由以上例子可以看出awk工作流程：读入有'n'换行符分割的一条记录，然后将记录按指定的域分隔符划分域，填充域，0则表示所有域，1表示第一个域，n表示第n个域。默认域分隔符是空格键或[tab]键，所以1表示登录用户，
可以使用-F强制制定其他划分域的分隔符，多个分隔符使用[]括起来：
这里需要注意"/:"和"[/:]"的不同。这个功能在处理物种分类信息的时候非常有用，例如多样性分析中otutable的物种注释信息各个水平堆叠在一起，不利于作图：
我们可以从中选取科水平的注释结果：
提取的结果可以保存到文件：
保存的文件可以安行和原来的otu table进行合并（使用paste命令）。
02
内置变量
awk有许多内置变量用来设置环境信息，这些变量可以被改变，下面给出了最常用的一些变量：
ENVIRON 支持队列中系统环境变量的使用
FILENAME awk浏览的文件名，对于批量处理文件很有用
FNR 浏览文件的次数，一般与NR相同，大于NR处理多个文件
FS 设置输入域分隔符，等价于命令行-F选项
NF 浏览记录的域的个数
NR 已读的记录数，可以指定处理某一行
OFS 输出域分隔符
ORS 输出记录分隔符
RS 控制记录分隔符
下面我们利用内置变量来处理数据信息：
在上面例子中，我们使用内置变量显示了行号以及每一行的字段数目。
03
条件运算符
awk的命令间也可以使用条件运算符设置条件类型，使得命令选择性执行，常见的有大于>、小于<、大于等于>=、小于等于<=、等于==、不等于!=、匹配~、不匹配!~。下面我们以/etc/passwd文件为例，这个文件每一行字段之间以“：”分割，如下所示：
接下来我们选取第三个字段也即UID大于500小于600的数据行，并且列出每行第一字段账号和第三字段UID：
可以发现，条件类型里还可以使用逻辑连接符。awk的这种数据筛选功能也非常有用，例如可以用来筛选高丰度的物种或者基因。
04
AWK编程
awk的条件类型决定着动作命令的执行，其条件语句可以通过变量以及判断语句进行编程实现，还可以搭配正则表达式。
除了awk自定义的变量，用户可以根据需要自定义变量，例如我们可以通过自定义变量计算文件的行数：
在这里count=count 1可以简写为count =1，或者count ，同理每次加2则表示为count =2。上面命令的另一种写法为：
代码语言：javascript复制awk 'BEGIN{count=0} {count=count 1} END{print "user count is ", count}' /etc/passwdawk同样可使用if控制结构，例如前面计算序列总数的命令使用if结构如下：
要注意if() {} else {}是一个完整的结构，要放在一个花括号内。
awk同样可以引入数组以及for结构。awk中的数组下标可以是数字和字母，数组的下标通常被称为关键字(key)。下面通过两个例子比较说明：
代码语言：javascript复制①awk -F ':' 'BEGIN{count=1} {name[count]=$1;count } END{for (i=1; i<=NR; i ) print i, name[i]}' /etc/passwd
②last -n 100 | sed -n '1,100p' | awk '{a[$1] } END{for (i in a) print i,"t", a[i]}'第一个例子中，定义了name[count]数组，for为迭代循环，因为数组的下标是从1开始的整数，通过迭代打印出对应的下标以及数组内容。第二个例子中定义了关联数组a[1]（参照Perl语言中的哈希），其下标是key（既可能是数字也可能是字母，没有规则）不需要定义初值，通过for循环结构打印出结果。a[1] 实质为计算
