文本处理工具

最新推荐文章于 2024-09-03 15:17:12 发布

changlong7554

最新推荐文章于 2024-09-03 15:17:12 发布

阅读量111

点赞数

原文链接：http://blog.51cto.com/14451057/2424199

版权

文本处理工具

各种文本工具、分析、统计文本
grep
正则表达式
扩展正则表达式

抽取文本的工具

文本内容：less和cat   
文件截取：head和tail   
按列抽取：cat   
按关键字抽取：grep

文件内容查看

文件查看命令：
- cat nl tac rev

cat [OPTION]...[FILE]...
    -E:显示行结束 $
    -n:显示出每一行进行编号
    -A:显示所有控制符
    -b:非空行编号
    -s:压缩连续的空行成一行

nl  加行号
tac 将行倒序
rev 将同一行倒序显示

- 查看非文本命令(二进制)：
- hexdump od xxd

hexdump   -C 
od
xxd

- 分页查看文件内容：
- more less

more:分页查看文件
    more[OPTION...]FILE
        -d:显示翻页及退出提示
less:一页一页地查看文件或STDIN输出
查看时有用的命令包括：
    /文件搜索  文本
    n/N  跳到下一个 或者上一个匹配
less 命令是man命令使用的分页器

显示文本前或后行内容：
- head tail tailf

head [OPTION...]FILE
    -cN 指定获取前N字节
    -nN 指定获取前N行
    -N 指定行数

例：cat /dev/urandom |tr -dc '[:alnum:]' |head -c12
    生成随机字符串

- tail [OPTION]...[FILE]...
    -cN 指定获取后N字节
    -nN 指定获取前N行
    -N  指定行数
    -f  跟踪显示文件呢fd(文件描述符)新追加的内容，常用于日志监控
        相当于 --follow=name--retry
    -F  跟踪文件名，相当于--follow=name--retry

tailf 类似于tail -f，当文件不增长时并不访问文件

按列抽取文本cut和合并文件paste

cut [OPTION]...[FILE]...
    -d delimiter:指明分隔符，默认tab
    -f fileds:
        N:第N个字段
        N,N[,N]:离散的多个字段，例如1,3,6
        N-N:连续的多个字段，例如1-6
        混合使用：1-3,7
    -c 按字符切割
    --output-delimiter=STRING指定输出分隔符

例：cut -d: -f1,3 /etc/passwd
    取出/etc/passwd的用户名和UID

    df|cut -c45-47
    取出磁盘空间利用率

    ifconfig ens33 | head -2 | tail -l|tr -s ' '|cut -d' ' -f3 
    取ifconfig的ip地址

cut和paste

显示文件或STDIN数据的指定列
    cut -d:-f1 /etc/passwd
    cat /etc/passwd|cut -d: -f7
    cut -c2-5 /usr/share/dict/words

paste合并两个文件同行号的列到一行
paste [OPTION]...[FILE]...
    -d 分隔符：指定分隔符，默认用TAB
    -s: 所有行合成一行显示
例：
    paste f1 f2
    paste -s f1 f2

2分析文本的工具

文本数据统计：wc
整理文本：sort
比较文件：diff和patch

2.1收集文本统计数据wc

计数单词总数、行总数、字节总数和字符总数
可以对文件或STDIN中的数据运行
wc story.txt
39    237   1901  story.txt
行数 字数  字节数

常用选项：
    -l 只计数行数
    -w 只计数单词总数
    -c 只计数字节数
    -m 只计数字节总数
    -L 显示文件中最长行的长度

2.2文本排序sort

把整理过的文本显示在STDOUT，不改变原始文件
    sort [options]file(s)
常用选项：
    -r  执行反方向(由上至下)整理
    -R  随机排序
    -n  执行按数字大小整理
    -f  选项忽略(fold)字符串中的字符大小写
    -u  选项(独特，unique)删除输出中的重复行
    -t c 选项使用c作为字段界定符
    -k X 选项按照使用c字符分割的X列来整理能够使用多次

例： seq 10 |sort -R|head -1

2.3 唯一 uniq

uniq命令:从输入中删除前后相接的重复的行
uniq[OPTION]...[FILE]...
    -c：显示每行重复出现的次数
    -d: 仅显示重复的行
    -u: 仅显示不曾重复的行
    注:连续且完全相同方为重复

常和sort命令一起配合使用：
    sort userlist.txt | uniq -c 

lastb -f file|tr -s " "|cut -d" " -f3|sort|uniq -c|sort -nr|head
检索服务器访问量

2.4 比较文件 diff

比较两个文件之间的区别
diff foo.conf foo2.conf 
5c5
< use_widgets = no 
---
> use_widgets = yes
注明第5行有区别（改变）

复制对文件改变patch
diff  命令的输出被保留在一种叫做"补丁"的文件中
      使用 -u 选项来输出"统一的(unified)"diff格式文件,最适用于补丁文件

patch 复制在其他文件中进行的改变(要谨慎使用)
      适用 -b 选项来自动备份改变了的文件

例：  diff -u foo.conf foo2.conf > foo.patch 
      patch -b foo.conf foo.patch

面试题：取出两个不同目录中相同的文件列表：

方法一：
[root@centos7 ~]#ls /root > /tmp/root.log
[root@centos7 ~]#ls /data > /tmp/data.log
[root@centos7 data]#grep -vf /tmp/data.log /tmp/root.log

方法二：
[root@centos7 ~]#sort /tmp/data.log /tmp/root.log | uniq -u

方法三：
[root@centos7 ~]#( ls /root ;ls /data ) | sort |uniq -u