shell脚本之sort，uniq，tr，cut，sphit，paste，ecal与正则表达式

sort命令

uniq命令

tr命令

cut命令

sphit命令

paste命令

ecal命令

正则表达式

sort命令

sort命令---以行为单位对文件内容进行排序，也可以根据不同的数据类型来排序
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。

语法格式：
sort [选项] 参数

先是对首字母进行排序，如果首字母相同则对第二个字母进行计较，以此类推。

加上-n的选项，实现数值大小的排序

加上-r的选项实现反向排序，可以和-n一起使用

加上-u的选项实现去重，重复出现的数值不再出现。

使用sort -t指定分隔符，-k指定字段为3 -n按照数值排序 指定文件，实现用户的uid号排序

cat file | sort 选项

常用选项：
-n：按照数字进行排序
-r：反向排序
-u：等同于uniq，表示相同的数据仅显示一行
-t：指定字段分隔符，默认使用[Tab]键分隔
-k：指定排序字段
-o <输出文件>：将排序后的结果转存至指定文件
-f：忽略大小写，会将小写字母都转换为大写字母来进行比较
-b：忽略每行前面的空格

sort -n testfile2

sort -t ':' -k 3 -n /etc/passwd

du -a | sort -nr -o du.txt

uniq命令

uniq命令---用于报告或者忽略文件中连续的重复行，常与 sort 命令结合使用

语法格式：
uniq [选项] 参数
cat file | uniq 选项

先使用sort进行排序，接管道符号uniq进行去重

对重复出现的数字进行统计

加上-d和-u分别输出连续重复的行内容和不连续的行内容。

常用选项：
-c：进行计数，并删除文件中重复出现的行
-d：仅显示连续的重复行
-u：仅显示出现一次的行

uniq testfile3

sort -n testfile3 | uniq -c

tr 命令

tr命令---常用来对来自标准输入的字符进行替换、压缩和删除

语法格式：
tr [选项] [参数]

常用选项：
-c：保留字符集1的字符，其他的字符（包括换行符\n）用字符集2替换
-d：删除所有属于字符集1的字符
-s：将重复出现的字符串压缩为一个字符；用字符集2 替换 字符集1
-t：字符集2 替换 字符集1，不加选项同结果。    

echo "abcefg" | tr 'a-z' 'A-Z'

实现英文字母大小写的互换

设置第一个字符a-d，后面的字符为0，则输出的结果就会除了a-d后面的字符包括换行符都回变成0

当我们加上反斜杠，换行符也就不会被替代掉了。

参数：
字符集1：指定要转换或删除的原字符集。当执行转换操作时，必须使用参数“字符集2”指定转换的目标字符集。但执行删除操作时，不需要参数“字符集2”；
字符集2：指定要转换成的目标字符集。

echo -e "abc\ncabcdab" | tr -c "ab\n" "0"

echo -e "abc\ncabcdab" | tr -c "ab" "0"

echo 'hello world' | tr -d 'od'

删除指定的内容

echo "thissss is a test linnnnnnne." | tr -s 'sn'

删除空行 
echo -e "aa\n\n\n\n\nbb" | tr -s "\n"
cat testfile5 | tr -s "\n"

把路径变量中的冒号":"，替换成换行符"\n"
echo $PATH | tr -s ":" "\n"
echo -e "aa\n\n\n\n\nbb" | tr -s "\n" ":"

删除Windows文件“造成”的'^M'字符：
cat abc.txt | tr -s "\r" "\n" > new_file
或
cat abc.txt | tr -d "\r" > new_file
Linux中遇到换行符("\n")会进行回车+换行的操作，回车符反而只会作为控制字符("^M")显示，不发生回车的操作。而windows中要回车符+换行符("\r\n")才会回车+换行，缺少一个控制符或者顺序不对都不能正确的另起一行。
cat -A abc.txt

cat -v abc.txt

dos2unix abc.txt

数组排序

echo ${array[*]} | tr ' ' '\n' | sort -n > file

a=0
for i in $(cat file)
do
array[$a]=$i
let a++
#array+=($i)
done

cut 命令

cut命令---显示行中的指定部分，删除文件中指定字段
语法格式：
cut  参数
cat file | cut 选项

常用选项：
-f ：通过指定哪一个字段进行提取。cut命令使用“TAB”作为默认的字段分隔符。
-d ：“TAB”是默认的分隔符，使用此选项可以更改为其他的分隔符。
--complement ：此选项用于排除所指定的字段。

--output-delimiter ：更改输出内容的分隔符。

cut -d ':' -f 1 /etc/passwd
grep '/bin/bash' /etc/passwd | cut -d ':' -f 1-4,6,7            #以-分隔的开始字段和结束字段指定字段的范围

grep '/bin/bash' /etc/passwd | cut -d ':' --complement -f 2        #排除第二个字段
cut -d ':' -f1,7 --output-delimiter=' ' /etc/passwd                #输出分隔符使用空格分隔

i=123456789
echo $i | cut -b 1-3        #起始位置从1开始
123

echo ${i:0:3}                #起始位置从0开始
expr substr $i 1 3            #起始位置从1开始

split 命令

split命令---linux下将一个大的文件拆分成若干小文件
语法格式：
split 选项 参数 原始文件 拆分后文件名前缀

常用选项：
–l ：以行数拆分
–b ：以大小拆分

split -l 50 /etc/passwd passwd        

#以50行对文件进行拆分，最后一个文件的行数没有50行以实际行数进行分配
 

如何将一个10G文件分割为10个1G的文件        split -b 1G -d 原文件  目标文件名前缀
如何将一个100行文件分割为10个10行的文件    split -l 10 -d 原文件  目标文件名前缀

paste命令

paste命令---用于合并文件的列

paste [-s][-d <间隔字符>] 文件...

常用选项：
-d<间隔字符> ：用指定的间隔字符取代制表符
-s ：把多行内容合并为一行进行显示

文件替换。

eval命令

命令字前加上eval时，shell会在执行命令之前扫描它两次。eval命令将首先会先扫描命令行进行所有的置换，然后再执行该命令。该命令适用于那些一次扫描无法实现其功能的变量。该命令对变量进行两次扫描。
示例1：
echo "hello world" > file
myfile="cat file"
echo $myfile
eval $myfile

示例2：
vim test.sh
#!/bin/bash
eval echo \$$#

./test.sh 1 2 3 4

得4

示例3：
a=100
b=a
eval echo \$$b

100
eval $b=50
echo $a

50

正则表达式

正则表达式---通常用于判断语句中，用来检查某一字符串是否满足某一格式

正则表达式是由普通字符与元字符组成
普通字符包括大小写字母、数字、标点符号及一些其他符号
元字符是指在正则表达式中具有特殊意义的专用字符，可以用来规定其前导字符（即位于元字符前面的字符或表达式）在目标对象中的出现模式

基础正则表达式常见元字符：（支持的工具：grep、egrep、sed、awk）
\ ：转义字符，用于取消特殊符号的含义，例：\!、\n、\$等
^ ：匹配字符串开始的位置，例：^a、^the、^#、^[a-z] 
$ ：匹配字符串结束的位置，例：word$、^$匹配空行
. ：匹配除\n之外的任意的一个字符，例：go.d、g..d
* ：匹配前面子表达式0次或者多次，例：goo*d、go.*d
[list] ：匹配list列表中的一个字符，例：go[ola]d，[abc]、[a-z]、[a-z0-9]、[0-9]匹配任意一位数字
[^list] ：匹配任意非list列表中的一个字符，例：[^0-9]、[^A-Z0-9]、[^a-z]匹配任意一位非小写字母
\{n\} ：匹配前面的子表达式n次，例：go\{2\}d、'[0-9]\{2\}'匹配两位数字
\{n,\} ：匹配前面的子表达式不少于n次，例：go\{2,\}d、'[0-9]\{2,\}'匹配两位及两位以上数字
\{n,m\} ：匹配前面的子表达式n到m次，例：go\{2,3\}d、'[0-9]\{2,3\}'匹配两位到三位数字
注：egrep、awk使用{n}、{n,}、{n,m}匹配时“{}”前不用加“\”
\w ：匹配包括下划线的任何单词字符。\W ：匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
\d ：匹配一个数字字符。\D ：匹配一个非数字字符。等价于 [^0-9]。        grep -P
\s ：空白符。\S ：非空白符

扩展正则表达式元字符：（支持的工具：egrep、awk）grep -E   sed -r
+ ：匹配前面子表达式1次以上，例：go+d，将匹配至少一个o，如god、good、goood等
? ：匹配前面子表达式0次或者1次，例：go?d，将匹配gd或god
() ：将括号中的字符串作为一个整体，例：g(oo)+d，将匹配oo整体1次以上，如good、gooood等
| ：以或的方式匹配字符串，例：g(oo|la)d，将匹配good或者glad

正则表达式匹配E-mail地址
用户名@ ：^([a-zA-Z0-9_\-\.\+]+)@
子域名 ：([a-zA-Z0-9_\-\.]+)
.顶级域名(字符串长度一般在2到5) ：\.([a-zA-Z]{2,5})$

egrep '^([a-zA-Z0-9_\-\.\+]+)@([a-zA-Z0-9_\-\.]+)\.([a-zA-Z]{2,5})$' email.txt
awk '/^([a-zA-Z0-9_\-\.\+]+)@([a-zA-Z0-9_\-\.]+)\.([a-zA-Z]{2,5})$/{print $0}' email.txt