linux shell——md5sum,sha1sum,sort,uniq

1.文件校验
1. md5sum
eg:
md5sum filename
注：生成一个128位的二进制位，即32位的十六进制字符串

1.验证文件的正确性：
md5sum  file1 file2 > file_sum.md5
下一次想看一下文件是否被改动
md5sum -c file_sum.md5
file1:ok
file2:ok
验证成功
2.验证一个目录dir下的所有文件的正确性
find dir/ -type f -print -exec md5sum {} >file_sum.md5 \;
or
find dir/ -type f -print0 | xargs -0 md5sum >> file_sum.md5
注：用print0是因为如果文件名中有空格的，不计算在内

这会生成一个文件:file_sum.md5
md5sum -c file_sum.md5
若全部ok，则正确
3.校验网上下载的文件是否正确
将下载的文件和MD5文件放在目录dir下(如果是md5字符串，可以新建一个文件为file_sum.md5)
cd dir 
md5sum -c file_sum.md5
若输出ok,则验证正确

2. sha1sum
sha1算法和md5差不多，但他生成了160位二进制数，即
40位16进制数
用法同md5sum
eg sha1sum file1 file2 > file.sha1
检验：

sha1sum -c file.sha1

2.对文件中的数据进行排序，并查找唯一值
sort和uniq


sort可以对文件的没行按关键值进行排序，如月份-M,字典顺序-d等
注意：sort和uniq对文件内容本身不改变，所以，应该重定向到别的文件中


1.对多个文件中的内容进行排序
eg：

$ cat > file1
3
4
5
e

$ cat > file2
ge
re
e
$ sort file1 file2 > sorted.txt
$ cat sorted.txt
3
4
5
e
e
ge
re

2.对文件按列排序
$ cat > data.txt
1 mac 2000
2 winxp 4000
3 bsd 1000
4 linux 1000

1.对数据按第一组逆序
$ sort -nrk 1 data.txt
注：n是数字排序，r是逆序，k是第几列关键字key 1表示第一列

$ sort -k 2 data.txt
3 bsd 1000
4 linux 4000
1 mac 2000
2 winxp 4000

3.在文件中删除重复行
$ cat > data.txt
ll
ll
ss
ss
$ uniq data.txt > uniq.txt
$ cat uniq.txt
ll
ss
4.使用uniq计算字符串中重复的次数
$ echo 'shebhaaa' | sed 's/[^\n]/&\n/g' | sed sort | uniq -c | tr -d ' \n'
3a1b1e2h

3.分割文件
1.生成指定大小的文件
$ dd if=/dev/zero bs=100k count=1 of=data.file
注：将会生成由全零的100k文件data.file
2.分割文件
$ split -b 20k data.file
xaa xab xac xad xae

$ split -b 20k data.file -d -a 4
x0000 x0001 x0002 x0003 x0004

使用-d表示用数字，-a指定为4个长度

$ split -b 20k data.file -d -a 4 hello
hello0000 hello0001 hello0002 hello0003 hello0004
3.用csplit来根据关键字分割文件
$ cat > server.log
SERVER-1
[connection] 192.168.0.1 success
[connection] 192.168.0.2 failed
[disconnect] 192.168.0.3 pending
[connection] 192.168.0.4 success
SERVER-2
[connection] 192.168.0.1 failed
[connection] 192.168.0.2 failed
[disconnect] 192.168.0.3 success
[connection] 192.168.0.4 failed
SERVER-3
[connection] 192.168.0.1 pending
[connection] 192.168.0.2 pending
[disconnect] 192.168.0.3 pending
[connection] 192.168.0.4 failed


$ csplit server.log /SERVER/ -n 2 -s {*} -f server \
-b "%02d.log" ; rm server00.log
$ ls
server01.log server02.log server03.log server.log 
解释：
首先，csplit可以根据关键字来分割文件
/[regex]/是一个模式匹配，匹配文件中的关键字，匹配成功后，
把上一次匹配或文件的开头到匹配位置之前的内容提取出来，作
为一个分割文件
-n 指定生成为两个数字，如01,02,03
-s 指定匹配多少行，{num}可指定匹配行数，*为到文件尾
-f 指定生成文件的前缀
-b 为指定后缀格式，%02d为两位数字
  实现了：filename = 前缀+后缀
后面执行删除是因为第一行就出现了关键字，所以是个空文件