linux shell 处理日语,linux —— shell 编程（文本处理）

导读

本文为博文linux —— shell 编程(整体框架与基础笔记)的第4小点的拓展。(本文所有语句的测试均在 Ubuntu 16.04 LTS 上进行)

1、基本文本处理

sort:用于排序，常用参数 -t 指定一行的分隔符 -k 指定具体排序的规则 -d 按字典序排列  -f 忽略大小写

-u (unique)丢弃相同指定字段的记录

unique：报告或删除文件中重复的行。 -c 在输出行前加上出现的次数    -d  (duplicated)显示重复的行

-u 仅显示不重复的行

wc：  统计文本行数，字数和字符数。    -c 字符数    -w  单词数    -l  行数

pr：将文本转换成适合打印的格式。   -c 显示的列数(截断超出的部分)

fmt: 优化文本的格式。  -w 设置一行显示的最大行宽   -s  只对过长的行进行换行，不要自动回填。

fold：限制文本宽度(强行截断并换行)。 -w 指定宽度  -s 只在空格处换行。

cut：截取行的字段。   -delimiter  设置字段分割符 -f List 设置截取的域

List可以是M，M-，M-N -M；可以用逗号指定多个

join：连接两个文件的数据字段。  join file1 file2  -1 M  -2 N    M、N指定匹配的字段

tr： 文本替换。 tr set set :将str1上字符替换成str2上对于位置的字符； (可以是 tr 'a-z' 'A-Z')

tr {-d|-s} set ：-d 删除set上的每一个字符 ；-s 除去连续出现的set中的字符，至只剩下单个

tr -c (complement 互补)使用set1的外的其他字符 [例子：tr -cs '[:lower:][:upper:]' '[

*]' 单词表]

2、流编辑器sed

0)sed 的作用和工作方式

sed 是一个非交互式的的行编辑器，工作时，从指定的输入读入一行数据存入被称为模式空间(Pattern Space) 的临时缓冲区，然后按照指定的sed编辑命令处理缓冲区里面的内容，将结果输出到标准输出后从模式空间中删除，然后继续读取下一行继续工作。

1) 地址范围

sed-e '1,5d' test.txt

sed -e '/^#/d' test.txt

规则表达式中使用的表达式字符：

字符

描述

^

与行首匹配

$

与行尾匹配

.

与任意一个字符匹配

*

与之前一个字符的零个或多个出现匹配

[]

与[]之间的所有字符匹配

2) 参数

-e     将脚本添加到命令执行，如上面的 '/^#/d'

-n    禁止模式空间的自动打印

替换文本：   sed -e "s/benson/BENSON/g"  将benson 替换成大写

sed -e "1,10s/benson/BENSON/g" 将1-10行的benson变成大写

s/// 的 “/”可以被替换：比如 sed -e "s:/usr/local:/usr:g"

多条命令一起执行：  sed -n -e "=;p"   打印行号；打印行 (等价与 sed -e "=" -e "p" )

多条命令于同一地址范围：sed -n -e '1,5{s/benson/BENSON/g;s/laur/LAUR/g}'

把命令放在文件fsed里：sed -n -f fsed

3、awk模式扫描与处理语言

awk 具有成为一门语言应有的要素：变量，函数等，是强大的处理工具。

例子：

awk -F ":" '{print "USER:" $1 "SHELL: " $7 }' /etc/passwd结果：

USER:root SHELL:/bin/bash

USER:daemon SHELL:/usr/sbin/nologinUSER:sync SHELL: /bin/sync

上面的命令也可以写入文件file.awk中：

awk -f file.awk /etc/passwd

BEGIN{ FS=":"}

{

print"USER:" $1 "SHELL:" $7}

file.awk

3.1 awk的变量和数组

1)用户自定义变量

命名规则：[A-Za-z_][A-Za-z0-9_]*

2) 常用的内建变量

变量

说明

FILENAME

当前输入的文件名称

FNR

当前输入的文件的记录数

FS

字段分隔符(支持正则表达式)，默认空格

NF

当前记录的字段数

NR

在工作(job)中的记录数

OFS

输出字段分隔字符

ORS

输出记录分隔字符(默认为“

”)

RS

输入记录分隔字符

3) awk数组  的字符索引支持数字、字符串

sit[google]="https://google.com"sit[baidu]="http;//baidu.com"数组存储是稀疏的,可直接定义如下两项：

x[1]=1234x[1000]=234234delete x 将删除数组里所有的元素

删除后，可以继续定义如下：

x=567

访问环境变量：ENVIRON["PATH"]

3.2 算数运算

awk的运算符

运算符

描述

例子

=  +=  *=   /=  ^=  **=

赋值

?=

C条件表达式

||   &&

逻辑与或

++--

自增自减

～   ～!

匹配正则表达式和不匹配正则表达式

<   <=  >  >=  !=  ==

关系运算符

空格

连接

+ -

加、减

* /  %

乘除 求余

+  -  !

一元加减，逻辑非

^  ***

求幂

$

字段引用

in

数组成员

awk支持的算数函数：

sin(x) cos(x) atan2(x,2) :x,y 范围内的余切 int(x):没有舍入地取整 exp(x)求幂 log(x):自然对数 sqrt(x)

rand()：产生>=0 <1的随机数 srand(x)：x是rand()的种子

3.3 条件和循环语句

条件语句和循环语句与C类似，支持break，continue(可以不使用；结尾)

例子：将下面记录每组一行输出

abc,123tttt dddd

ddd,324ssss ssdd

sdfsd sdf

dddd

sfdfsdf

待处理数据

BEGIN{

FS=""RS=""　　　　# RS设置为""将可以解析多行记录(以空行分隔)

ORS=""#输出记录分隔符不要换行

}

{

x=1

while(x

{

print $x""x++}

print $NF""}

使用while循环

结果：

abc,123tttt dddd

ddd,324ssss ssdd sdfsd sdf

dddd sfdfsdf

处理结果

3.4 自定义函数

在函数中，指定的参数将被当做局部变量，而所有函数体内未出现在参数列表中的变量会被视为全局性。为此，awk允许声明过多的参数用于局部使用如：

function add(x,y, sum)

{sum = x+y

returnsum}

如果需要使用函数进行引用传递，只能通过传入数组来实现：

引用传递

3.5 字符串处理

格式化输出：

printf("%s have %d jobs","somebody",3)

strout= sprintf("%s have %d jobs","somebody",3)

格式化输出的转义字符：c s d ld (十进制长整数) u lu x lx o lo e(科学计数法表示的浮点数) f g(e或f中比较短的一种)

printf 修饰符：  - 左对齐     #显示八进制时在前面加个0；显示十六进制时在前面加0x

+显示defg 转换的整数时，加上正负号    0  填充空白为0

具体的格式为：%-width.precision fotmat-specifier

awk内置字符串函数：

awk函数

描述

sub(/reg/,newsubstr,str)

替换第一个匹配的字符串

gsub(/reg/,newsubstr,str)

替换所有匹配

index(str,substr)

返回substr在str中的索引

length(str)

长度

match(str,/reg/)

如果在str中找到正则表达式/reg/匹配的串，则返回出现的位置，未找到则返回0

split(str,array,sep)

使用sep分隔到array

substr(str,position[,length])

返回str从position开始的length个字符

tolower(str)

变小写

toupper(str)

变大写

sprintf("fmt",expr)

格式化返回字符串

3.6 多文件处理

10001南京 佛挡杀佛 sdfsdf10002天津 发生地方 双方的发生10003 石家庄 发生地方 发生地方

a.txt

11000,南京11003,天津12000,河北省13000,品上线12344,石家庄

b.txt

BEGIN{

FS="[ ,]"OFS=","}

NR<=FNR{

array[$2]=$1}

NR>FNR{

print $1,$2,array[$2]

}

join.awk

awk -f join.awk a.txt b.txt

11000,南京,10001

11003,天津,10002

12000,河北省,13000,品上线,12344,石家庄,10003

执行结果