دستور awk یکی از ابزارهای قدرتمند پردازش متن در لینوکس است که با استفاده از الگوها، شرایط و اعمال مشخص، فایلها را فیلتر و دستکاری میکند. این دستور کاربردهای متنوعی دارد و امکان استخراج دادههای خاص از لاگها، فایلهای پیکربندی یا هر فایل متنی دیگر را ساده میکند.
در ادامه چند روش متداول برای فیلتر کردن متن با استفاده از awk معرفی میشود، از جستوجوی عبارات منظم تا انتخاب خطها، فیلتر عددی و بیشتر.
۱. جستوجوی متن با استفاده از عبارات منظم (Regex)
عبارات منظم ابزار قدرتمندی برای جستوجوی الگوهای ساده و پیچیده هستند و با awk میتوان آنها را روی فایلهای متنی در کسری از ثانیه اجرا کرد.
دستور پایه به این شکل است:
awk '/pattern/ {print}' filenameبهعنوان مثال، برای چاپ تمام خطوطی که شامل کلمه error هستند:
awk '/error/ {print}' syslog.log
همچنین میتوان خطوطی را پیدا کرد که با INFO یا WARN شروع میشوند:
awk '/^(INFO|WARN)/ {print}' syslog.logبا استفاده از عملگر ~ نیز میتوان فیلتر دقیقتری روی فیلدها انجام داد، مثلاً جستوجوی کلمه ERROR فقط در فیلد سوم:
awk '$3 ~ /ERROR/ {print}' system.log
در صورت نیاز به جستوجوی بدون حساسیت به حروف بزرگ و کوچک میتوان از تابع tolower() استفاده کرد:
awk 'tolower($0) ~ /error/ {print}' mixed_case.log۲. انتخاب خطوط بر اساس شماره خط، طول، تعداد فیلد یا آخرین فیلد
awk دارای متغیرهای داخلی مانند NR (شماره خط)، NF (تعداد فیلدها)، $NF (آخرین فیلد) و تابع length() است.
نمایش ۱۰ خط اول:
awk 'NR <= 10 {print}' largefile.txtنمایش خطوط زوج:
awk 'NR % 2 == 0 {print}' file.txtنمایش خطوطی با طول بیشتر از ۸۰ کاراکتر:
awk 'length($0) > 80 {print}' code.py
نمایش فقط خطوطی که ۵ فیلد دارند (مثلاً در CSV):
awk 'NF == 5 {print}' customer_data.csvنمایش خطوطی که آخرین فیلد آنها COMPLETED باشد:
awk '$NF == "COMPLETED" {print}' task_list.txt۳. مقایسه و فیلتر مقادیر عددی
awk مقادیر عددی را تشخیص میدهد و امکان مقایسه مستقیم فراهم میشود.
نمایش دانشآموزانی که نمره آنها بالای ۸۰ است:
awk -F, '$2 > 80 {print $1, $2}' scores.csv
حذف علامت درصد از فیلد چهارم و بررسی مقادیر بالای ۷۵:
awk '{gsub(/%/, "", $4); if($4 > 75) print}' performance.txtنمایش رکوردهایی که مقدار ستون سوم آنها بین ۵۰۰ تا ۲۰۰۰ است:
awk -F, '$3 > 500 && $3 < 2000 {print}' sales.csvنمایش حسابهایی که وضعیت آنها ACTIVE یا PENDING است و بالانس بالای ۱۰۰۰ دارند:
awk -F, '($2 == "ACTIVE" || $2 == "PENDING") && $3 > 1000' accounts.csv۴. گرفتن محدودهای از خطوط بین دو الگوی مشخص
awk میتواند خطوط بین دو الگو را چاپ کند:
awk '/start_pattern/,/end_pattern/' filename
برای حذف خطوط حاوی الگوهای شروع و پایان و نمایش فقط محتوای بین آنها:
awk '/BEGIN/{flag=1; next} /END/{flag=0} flag' logfile.txtیا چاپ بلاکهای خطا تا خط خالی بعدی:
awk '/ERROR:/,/^$/ {print}' application.log۵. حذف دادههای ناخواسته یا تکراری
برای حذف خطوطی که شامل DEBUG هستند:
awk '!/DEBUG/' application.logبرای حذف خطوط خالی یا کامنتها (شروعشده با #):
awk '!/^#/ && NF > 0 {print}' config.iniبرای حذف رکوردهای تکراری بر اساس فیلد سوم (ایمیل):
awk '!seen[$3]++ {print}' contact_list.csv۶. بازچینی و قالببندی مجدد متن
برای انتخاب فقط ستون دوم و پنجم در یک CSV:
awk -F, '{print $2, $5}' sales.csvبرای تغییر جداکننده خروجی به |:
awk '{print $1 "|" $3}' data.txtبرای چاپ ایمیل و سپس نام، با حذف ردیف هدر:
awk -F, 'NR > 1 {print $3, "->", $1, $2}' contacts.csvاضافه کردن هدر سفارشی در خروجی:
awk 'BEGIN {print "Name,Email"} {print $1 "," $2}' data.txtدستور awk در پردازش متن ساختاریافته فوقالعاده قدرتمند است. هرچه الگوی دادهها منظمتر باشد، خروجی دقیقتر و کارآمدتر خواهد بود. ترکیب این فیلترها با ابزارهای دیگر لینوکس از طریق pipe میتواند جریانهای پردازش متن بسیار قدرتمند و انعطافپذیری ایجاد کند.
