linux 文本处理一

linux中的一切都是文件，所以对文本的处理变得很重要，下面介绍几个常见的文本处理命令：

cat 

cat的基本用法如下：

上图中我们创建了catTest.txt文件，文本的开头是一个制表位，第一行位置有一个换行。cat常用选项如下：

• -A 选项显示全部的字符。在使用cat显示catTest.txt时，默认是不显示特殊控制字符。如上图显示了包括前面的制表位^I和第一行末尾的行尾符$
• -n  选线为每行添加行号

在linux中有很多控制符号，如下图所示：

注：上表中的^K都可以使用Ctrl+K按键来实现。

针对^M： DOS（windows系统）使用的换行为^M^J（回车+换行），称为CR与LF，在linux下只有LF（^J/换行）这个换行符号。在使用ssh向服务器传递windows下的文件时，文件中每行的结尾会出现一个^M，这样会在进行文件操作是出现错误，所以需要将^M删除，有两种方法：

• 将windows文件转换为unix文件，即dos2unix  file
• 直接使用文本命令删除^M,tr -d  '\r'  filename

在linux中表示：

• 回车加换行\r\n
• 换行\n

sort

sort程序将命令行后指定的一个文件或多个文件的内容进行排序，然后把排序结果发送到标准输出。

sort的一般选项如下：

选项	描述
-b	一般情况下sort的排序都是以每行的第一个字符开始的， -b选项使sort排序从第一个非空白字符开始排序
-f	不区分大小写
-n	根据字符串的数字值来进行排序
-r	反向选择
-o	指定输出文件
-t	选择字段分隔符，默认情况下字段分隔符为空格或者制表符
-k     filed1[,field2]	对从field1到field2之间的字符排序，不是所有的

sort查看文件系统中最大的磁盘空间使用用户：

按照某个字段排序，sort命令一般是以空格或者制表符为默认的分隔符（每行的两个相同字段之间的空格数不一定相同，行之间的多个字段之间的空格也不用一致）

上图中是用-k 5表示使用第五个字段进行排序，字段的起始位置是1。事实上对一个字段的排序是对当前字段到行尾的所有字符的排序。

上图中按照第五个字段开始到行尾的字符进行排序。 sort还允许对多个字段分别进行排序，所以可以指定多个排序字段。

在第一个key选中的时候我们指定了一个区域，1,1表示开始于第一个字段，结束于第一个字段。在第二个字段中我们指定了2n，意味着字段使用数字排序。可以在字段位置后面添加 选项字母来进行排序，如b（忽略开头的空格），n（数 值排序），r（逆向排序）等等。

我们列表中第三个字段包含的日期格式不利于排序。那么我们怎样能按照时间顺序来排列这个列表呢？sort能提在key中指定偏移量。

通过指定-k 3.1，-k 3.4和-k 3.7来指定月，日，年为排序键值。从图中可以看出相同的排序字段，不同的书写顺序，结果是不一样的，最左边的排序键值的权重高。

在文件中不是所有的文件字段键的分割符都是空格或者制表符，所以我们需要可以自行指定分隔符。

sort使用-t选项指定分隔符。