搞定 Linux Shell 文本處理工具，看完這篇還不夠
作者：佚名
本文將介紹Linux下使用Shell處理文本時最常用的工具：find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk；提供的例子和參數都是最常用和最為實用的。
本文將介紹Linux下使用Shell處理文本時最常用的工具：find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk；提供的例子和參數都是最常用和最為實用的；對shell腳本使用的原則是命令單行書寫，盡量不要超過2行；如果有更為復雜的任務需求，還是考慮python吧.
1、find 文件查找
查找txt和pdf文件
- find . ( -name "*.txt" -o -name "*.pdf" ) -print
正則方式查找.txt和pdf
- find . -regex ".*(.txt|.pdf)$"
- #-iregex：忽略大小寫的正則
否定參數:查找所有非txt文本
- find . ! -name "*.txt" -print
指定搜索深度:打印出當前目錄的文件（深度為1）
- find . -maxdepth 1 -type f
定制搜索
- #按類型搜索：
- find . -type d -print //只列出所有目錄
- #按時間搜索：
- -atime 訪問時間 (單位是天，分鐘單位則是-amin，以下類似）
- -mtime 修改時間 （內容被修改）
- -ctime 變化時間 （元數據或權限變化）
- 最近7天被訪問過的所有文件：
- find . -atime 7 -type f -print
- #按大小搜索：
- 尋找大于2k的文件
- find . -type f -size +2k
- #按權限查找：
- find . -type f -perm 644 -print //找具有可執行權限的所有文件
- #按用戶查找：
- find . -type f -user weber -print// 找用戶weber所擁有的文件
找到后的后續動作刪除：
- #刪除當前目錄下所有的swp文件：
- find . -type f -name "*.swp" -delete
- #執行動作（強大的exec）
- find . -type f -user root -exec chown weber {} ; //將當前目錄下的所有權變更為weber
- 注：{}是一個特殊的字符串，對于每一個匹配的文件，{}會被替換成相應的文件名；
- eg：將找到的文件全都copy到另一個目錄：
- find . -type f -mtime +10 -name "*.txt" -exec cp {} OLD ;
結合多個命令tips: 如果需要后續執行多個命令，可以將多個命令寫成一個腳本。然后 -exec 調用時執行腳本即可；
- -exec ./commands.sh {} ;
- #-print的定界符
- 默認使用' '作為文件的定界符；
- -print0 使用''作為文件的定界符，這樣就可以搜索包含空格的文件；
2、grep 文本搜索
grep match_patten file // 默認訪問匹配行
常用參數:
- -o 只輸出匹配的文本行 VS -v 只輸出沒有匹配的文本行
- -c 統計文件中包含文本的次數
grep -c "text" filename
- n 打印匹配的行號
- i 搜索時忽略大小寫
- l 只打印文件名
在多級目錄中對文本遞歸搜索(程序員搜代碼的最愛）：
- grep "class" . -R -n
匹配多個模式
- grep -e "class" -e "vitural" file
grep輸出以作為結尾符的文件名：（-z）
- grep "test" file* -lZ| xargs -0 rm
xargs 命令行參數轉換
xargs 能夠將輸入數據轉化為特定命令的命令行參數；這樣，可以配合很多命令來組合使用。比如grep，比如find；
將多行輸出轉化為單行輸出
- cat file.txt| xargs
- 是多行文本間的定界符
- 將單行轉化為多行輸
- cat single.txt | xargs -n 3
- #-n：指定每行顯示的字段數
xargs參數說明
- -d 定義定界符 （默認為空格 多行的定界符為 ）
- -n 指定輸出為多行
- -I {} 指定替換字符串，這個字符串在xargs擴展時會被替換掉,用于待執行的命令需要多個參數時
- cat file.txt | xargs -I {} ./command.sh -p {} -1
- #-0：指定為輸入定界符
- #統計程序行數
- find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l
3、sort 排序
字段說明：
- -n 按數字進行排序 VS -d 按字典序進行排序
- -r 逆序排序
- -k N 指定按第N列排序
- sort -nrk 1 data.txt
- sort -bd data // 忽略像空格之類的前導空白字符
4、uniq 消除重復行
消除重復行
- sort unsort.txt | uniq
統計各行在文件中出現的次數
- sort unsort.txt | uniq -c
找出重復行
- sort unsort.txt | uniq -d
可指定每行中需要比較的重復內容：-s 開始位置 -w 比較字符數
5、用 tr 進行轉換
通用用法
- echo 12345| tr '0-9''9876543210' //加解密轉換，替換對應字符
- cat text| tr ' '' ' //制表符轉空格
tr刪除字符
- cat file | tr -d '0-9' // 刪除所有數字
-c 求補集
- cat file | tr -c '0-9' //獲取文件中所有數字
- cat file | tr -d -c '0-9' //刪除非數字數據
tr壓縮字符
- tr -s 壓縮文本中出現的重復字符；最常用于壓縮多余的空格
- cat file | tr -s ' '
字符類：tr中可用各種字符類
- alnum：字母和數字
- alpha：字母
- digit：數字
- space：空白字符
- lower：小寫
- upper：大寫
- cntrl：控制（非可打?。┳址?/li>
- print：可打印字符
- 使用方法：tr [:class:] [:class:]
- eg: tr
- '[:lower:]''[:upper:]'
6、cut 按列切分文本
- #截取文件的第2列和第4列：
- cut -f2,4 filename
- #去文件除第3列的所有列：
- cut -f3 --complement filename
- #-d 指定定界符：
- cat -f2 -d ";" filename
cut 取的范圍
- N- 第N個字段到結尾
- -M 第1個字段為M
- N-M N到M個字段cut 取的單位
- -b 以字節為單位
- -c 以字符為單位
- -f 以字段為單位（使用定界符
- cut -c1-5 file //打印第一到5個字符
- cut -c-2 file //打印前2個字符
7、paste 按列拼接文本
將兩個文本按列拼接到一起
- cat file1
- 1
- 2
- cat file2
- colin
- book
- paste file1 file2
- 1colin
- 2 book
默認的定界符是制表符，可以用-d指明定界符
- paste file1 file2 -d ","
- 1,colin
- 2,book
8、wc 統計行和字符的工具
- wc -l file // 統計行數
- wc -w file // 統計單詞數
- wc -c file // 統計字符數
9、sed 文本替換利器
首處替換
- seg 's/text/replace_text/'file //替換每一行的第一處匹配的text
全局替換
- seg 's/text/replace_text/g' file
默認替換后，輸出替換后的內容，如果需要直接替換原文件,使用-i：
- seg -i 's/text/repalce_text/g' file
移除空白行：
- sed '/^$/d' file
變量轉換
已匹配的字符串通過標記&來引用.
- echo this is en example | seg 's/w+/[&]/g'
- $>[this] [is] [en] [example]
子串匹配標記
第一個匹配的括號內容使用標記 來引用
- sed 's/hello([0-9])//'
雙引號求值
- sed通常用單引號來引用；也可使用雙引號，使用雙引號后，雙引號會對表達式求值：
- sed 's/$var/HLLOE/'當使用雙引號時，我們可以在sed樣式和替換字符串中指定變量；
- p=patten
- r=replaced
- echo "line con a patten"| sed "s/$p/$r/g"
- $>line con a replaced
字符串插入字符：將文本中每行內容（PEKSHA） 轉換為 PEK/SHA
- sed 's/^.{3}/&//g' file
10、awk 數據流處理工具
awk腳本結構
- awk ' BEGIN{ statements } statements2 END{ statements } '
工作方式
- 1.執行begin中語句塊；
- 2.從文件或stdin中讀入一行，然后執行statements2，重復這個過程，直到文件全部被讀取完畢；
- 3.執行end語句塊
print 打印當前行,使用不帶參數的print時，會打印當前行;
- echo -e "line1 line2"| awk 'BEGIN{print "start"} {print } END{ print "End" }'
- #print 以逗號分割時，參數以空格定界;
- echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3";
- print var1, var2 , var3; }'
- $>v1 V2 v3
- #使用-拼接符的方式（""作為拼接符）;
- echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3";
- print var1"-"var2"-"var3; }'
- $>v1-V2-v3
特殊變量：NR NF 01 $2
- NR:表示記錄數量，在執行過程中對應當前行號；
- NF:表示字段數量，在執行過程總對應當前行的字段數；
- $0:這個變量包含執行過程中當前行的文本內容；
- $1:第一個字段的文本內容；
- $2:第二個字段的文本內容
- echo -e "line1 f2 f3 line2 line 3"| awk '{print NR":"$0"-"$1"-"$2}'
- #打印每一行的第二和第三個字段
- awk '{print $2, $3}' file
- #統計文件的行數：
- awk ' END {print NR}' file
- #累加每一行的第一個字段：
- echo -e "1 2 3 4 "| awk 'BEGIN{num = 0 ;print "begin";} {sum += $1;}END {print "=="; print sum }'
- #傳遞外部變量
- var=1000
- echo | awk '{print vara}' vara=$var #輸入來自stdin
- awk '{print vara}' vara=$var file # 輸入來自文件
用樣式對awk處理的行進行過濾
- awk 'NR < 5' #行號小于5
- awk 'NR==1,NR==4 {print}' file #行號等于1和4的打印出來
- awk '/linux/' #包含linux文本的行（可以用正則表達式來指定，超級強大）
- awk '!/linux/' #不包含linux文本的行
設置定界符
使用-F來設置定界符（默認為空格）
- awk -F: '{print $NF}'/etc/passwd
讀取命令輸出
使用getline，將外部shell命令的輸出讀入到變量cmdout中；
- echo | awk '{"grep root /etc/passwd" | getline cmdout; print cmdout }'
在awk中使用循環
- for (i=0;i<10;i++){print $i;}
- for (i in array){print array[i];}
以逆序的形式打印行：(tac命令的實現）
- seq 9|awk '{lifo[NR] = $0; lno=NR}END{ for(;lno>-1;lno--){print lifo[lno];}} '
awk實現head、tail命令
- head:
- awk 'NR<=10{print}' filename
- tail:
- awk '{buffer[NR%10] = $0;} END{for(i=0;i<11;i++){
- print buffer[i %10]} } ' filename
打印指定列
- #awk方式實現：
- ls -lrt | awk
- '{print $6}'
- #cut方式實現
- ls -lrt | cut -f6
打印指定文本區域
- #確定行號
- seq 100| awk 'NR==4,NR==6{print}'
- #確定文本
- 打印處于startpattern 和endpattern之間的文本；
- awk '/start_pattern/, /end_pattern/' filename
- seq 100| awk '/13/,/15/'
- cat /etc/passwd| awk '/mai.*mail/,/news.*news/'
awk常用內建函數
- index(string,search_string):返回search_string在string中出現的位置sub(regex,replacement_str,string):將正則匹配到的第一處內容替換為replacement_str;
- match(regex,string):檢查正則表達式是否能夠匹配字符串；
- length(string)：返回字符串長度
- echo | awk '{"grep root /etc/passwd" | getline cmdout; print length(cmdout) }'
- #printf 類似c語言中的printf，對輸出進行格式化
- seq 10| awk '{printf "->%4s ", $1}' #迭代文件中的行、單詞和字符
1. 迭代文件中的每一行
- while 循環法
- while read line;
- do
- echo $line;
- done < file.txt
改成子shell:
- cat file.txt | (
- while read line;
- do
- echo $line;
- done
- )
awk法：
- cat file.txt| awk '{print}'
2. 迭代一行中的每一個單詞
- for word in $line;
- do
- echo $word;
- done
3. 迭代每一個字符{#word}:返回變量word的長度
- for ((i=0;i<${#word};i++))
- do
- echo ${word:i:1);
- done
責任編輯：龐桂玉
來源：
Linux學習
