来自:大 CC
链接:www.cnblogs.com/me15/p/3427319.html
本文将介绍 Linux 下使用 Shell 处理文本时最常用的工具:
find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk;
提供的例子和参数都是最常用和最为实用的;
对 shell 脚本使用的原则是命令单行书写,尽量不要超过 2 行;
如果有更为复杂的任务需求,还是考虑 python 吧;
01 find 文件查找
1 查找 txt 和 pdf 文件
find
.
(
-
name
"*.txt"
-
o
-
name
"*.pdf"
)
-
print
2 正则方式查找. txt 和 pdf
find
.
-
regex
".*(.txt|.pdf)$"
-iregex: 忽略大小写的正则
3 否定参数
查找所有非 txt 文本
find
.
!
-
name
"*.txt"
-
print
4 指定搜索深度
打印出当前目录的文件(深度为 1)
find
.
-
maxdepth
1
-
type f
5 定制搜索
按类型搜索:
find . -type d -print //只列出所有目录
-type f 文件 / l 符号链接
按时间搜索:
-atime 访问时间 (单位是天,分钟单位则是-amin,以下类似)
-mtime 修改时间 (内容被修改)
-ctime 变化时间 (元数据或权限变化)
最近 7 天被访问过的所有文件:
find
.
-
atime
7
-
type f
-
print
按大小搜索:
w 字 k M G
寻找大于 2k 的文件
find
.
-
type f
-
size
+
2k
按权限查找:
find
.
-
type f
-
perm
644
-
print
//找具有可执行权限的所有文件
按用户查找:
find
.
-
type f
-
user weber
-
print
//
找用户
weber
所拥有的文件
6 找到后的后续动作
删除:
删除当前目录下所有的 swp 文件:
find
.
-
type f
-
name
"*.swp"
-
delete
执行动作(强大的 exec)
find
.
-
type f
-
user root
-
exec chown weber
{}
;
//将当前目录下的所有权变更为
weber
注:{} 是一个特殊的字符串,对于每一个匹配的文件,{} 会被替换成相应的文件名;
eg:将找到的文件全都 copy 到另一个目录:
find
.
-
type f
-
mtime
+
10
-
name
"*.txt"
-
exec cp
{}
OLD
;
7 结合多个命令
tips: 如果需要后续执行多个命令,可以将多个命令写成一个脚本。然后 -exec 调用时执行脚本即可;
-
exec
./
commands
.
sh
{}
;
-print 的定界符
默认使用’ '作为文件的定界符;
-print0 使用’'作为文件的定界符,这样就可以搜索包含空格的文件;
02 grep 文本搜索
grep match_patten file
//
默认访问匹配行
常用参数:
-
-o 只输出匹配的文本行 VS -v 只输出没有匹配的文本行
-
-c 统计文件中包含文本的次数
grep
-
c
"text"
filename
-
-n 打印匹配的行号
-
-i 搜索时忽略大小写
-
-l 只打印文件名
1 在多级目录中对文本递归搜索 (程序员搜代码的最爱):
grep
"class"
.
-
R
-
n
2 匹配多个模式
grep
-
e
"class"
-
e
"vitural"
file
3 grep 输出以作为结尾符的文件名:(-z)
grep
"test"
file
*
-
lZ
|
xargs
-
0
rm
4 xargs 命令行参数转换
xargs 能够将输入数据转化为特定命令的命令行参数;这样,可以配合很多命令来组合使用。比如 grep,比如 find;
将多行输出转化为单行输出
cat file
.
txt
|
xargs
是多行文本间的定界符
将单行转化为多行输出
cat single
.
txt
|
xargs
-
n
3
-n:指定每行显示的字段数
xargs 参数说明
-
-d 定义定界符 (默认为空格 多行的定界符为 )
-
-n 指定输出为多行
-
-I {} 指定替换字符串,这个字符串在 xargs 扩展时会被替换掉, 用于待执行的命令需要多个参数时
eg:
cat file
.
txt
|
xargs
-
I
{}
./
command
.
sh
-
p
{}
-
1
-0:指定为输入定界符
eg:统计程序行数
find source_dir
/
-
type f
-
name
"*.cpp"
-
print0
|
xargs
-
0
wc
-
l
03 sort 排序
字段说明:
-
-n 按数字进行排序 VS -d 按字典序进行排序
-
-r 逆序排序
-
-k N 指定按第 N 列排序
eg:
sort -nrk 1 data.txt
sort -bd data // 忽略像空格之类的前导空白字符
04 uniq 消除重复行
消除重复行
sort unsort
.
txt
|
uniq
统计各行在文件中出现的次数
sort unsort
.
txt
|
uniq
-
c
找出重复行
sort unsort
.
txt
|
uniq
-
d
可指定每行中需要比较的重复内容:-s 开始位置 -w 比较字符数
05 用 tr 进行转换
通用用法
echo 12345 | tr '0-9' '9876543210' //加解密转换,替换对应字符
cat text| tr ' ' ' ' //制表符转空格
tr 删除字符
cat file
|
tr
-
d
'0-9'
//
删除所有数字
-c 求补集
cat file | tr -c '0-9' //获取文件中所有数字
cat file | tr -d -c '0-9 ' //删除非数字数据
tr 压缩字符
tr -s 压缩文本中出现的重复字符;最常用于压缩多余的空格
cat file
|
tr
-
s
' '
字符类
tr 中可用各种字符类:
-
alnum:字母和数字
-
alpha:字母
-
digit:数字
-
space:空白字符
-
lower:小写
-
upper:大写
-
cntrl:控制(非可打印)字符
print:可打印字符
使用方法:tr [:class:] [:class:]
eg
:
tr
'[:lower:]'
'[:upper:]'
06 cut 按列切分文本
截取文件的第 2 列和第 4 列:
cut
-
f2
,
4
filename
去文件除第 3 列的所有列:
cut
-
f3
--
complement filename
-d 指定定界符:
cat
-
f2
-
d
";"
filename
cut 取的范围
-
N- 第 N 个字段到结尾
-
-M 第 1 个字段为 M
-
N-M N 到 M 个字段
cut 取的单位
-
-b 以字节为单位
-
-c 以字符为单位
-
-f 以字段为单位(使用定界符)
eg:
cut -c1-5 file //打印第一到5个字符
cut -c-2 file //打印前2个字符
07 paste 按列拼接文本
将两个文本按列拼接到一起;
cat file1
1
2
cat file2
colin
book
paste file1 file2
1 colin
2 book
默认的定界符是制表符,可以用 - d 指明定界符
paste file1 file2 -d ","
1,colin
2,book
08 wc 统计行和字符的工具
wc -l file // 统计行数
wc -w file // 统计单词数
wc -c file // 统计字符数
09 sed 文本替换利器
首处替换
seg
's/text/replace_text/'
file
//替换每一行的第一处匹配的
text
全局替换
seg
's/text/replace_text/g'
file
默认替换后,输出替换后的内容,如果需要直接替换原文件, 使用 - i:
seg
-
i
's/text/repalce_text/g'
file
移除空白行:
sed
'/^$/d'
file
变量转换
已匹配的字符串通过标记 & 来引用.
echo this is en example | seg 's/w+/[&]/g'
$>[this] [is] [en] [example]
子串匹配标记
第一个匹配的括号内容使用标记 来引用
sed
's/hello([0-9])//'
双引号求值
sed 通常用单引号来引用;也可使用双引号,使用双引号后,双引号会对表达式求值:
sed
's/$var/HLLOE/'
当使用双引号时,我们可以在 sed 样式和替换字符串中指定变量;
eg:
p=patten
r=replaced
echo "line con a patten" | sed "s/$p/$r/g"
$>line con a replaced
其它示例
字符串插入字符:将文本中每行内容(PEKSHA) 转换为 PEK/SHA
sed
's/^.{3}/&//g'
file
10 awk 数据流处理工具
awk 脚本结构
awk
' BEGIN{ statements } statements2 END{ statements } '
工作方式
-
执行 begin 中语句块;
-
从文件或 stdin 中读入一行,然后执行 statements2,重复这个过程,直到文件全部被读取完毕;
-
执行 end 语句块;
print 打印当前行
使用不带参数的 print 时,会打印当前行;
echo
-
e
"line1 line2"
|
awk
'BEGIN{print "start"} {print } END{ print "End" }'
print 以逗号分割时,参数以空格定界;
echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3";
print var1, var2 , var3; }'
$>v1 V2 v3
使用 - 拼接符的方式(“” 作为拼接符);
echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3";
print var1"-"var2"-"var3; }'
$>v1-V2-v3
特殊变量: NR NF $0 $1 $2
-
NR: 表示记录数量,在执行过程中对应当前行号;
-
NF: 表示字段数量,在执行过程总对应当前行的字段数;
-
$0: 这个变量包含执行过程中当前行的文本内容;
-
$1: 第一个字段的文本内容;
-
$2: 第二个字段的文本内容;
echo
-
e
"line1 f2 f3 line2 line 3"
|
awk
'{print NR":"$0"-"$1"-"$2}'
打印每一行的第二和第三个字段:
awk
'{print $2, $3}'
file
统计文件的行数:
awk
' END {print NR}'
file
累加每一行的第一个字段:
echo -e "1 2 3 4 " | awk 'BEGIN{num = 0 ;
print "begin";} {sum += $1;} END {print "=="; print sum }'
传递外部变量
var=1000
echo | awk '{print vara}' vara=$var # 输入来自stdin
awk '{print vara}' vara=$var file # 输入来自文件
用样式对 awk 处理的行进行过滤
awk 'NR < 5' #行号小于5
awk 'NR==1,NR==4 {print}' file #行号等于1和4的打印出来
awk '/linux/' #包含linux文本的行(可以用正则表达式来指定,超级强大)
awk '!/linux/' #不包含linux文本的行
设置定界符
使用 - F 来设置定界符(默认为空格)
awk
-
F
:
'{print $NF}'
/
etc
/
passwd
读取命令输出
使用 getline,将外部 shell 命令的输出读入到变量 cmdout 中;
echo
|
awk
'{"grep root /etc/passwd" | getline cmdout; print cmdout }'
在 awk 中使用循环
for(i=0;i<10;i++){print $i;}
for(i in array){print array[i];}
eg:
以逆序的形式打印行:(tac 命令的实现)
seq 9|
awk '{lifo[NR] = $0; lno=NR}
END{ for(;lno>-1;lno--){print lifo[lno];}
} '
awk 实现 head、tail 命令
head:
awk 'NR<=10{print}' filename
tail:
awk '{buffer[NR%10] = $0;} END{for(i=0;i<11;i++){
print buffer[i %10]} } ' filename
打印指定列
awk 方式实现:
ls
-
lrt
|
awk
'{print $6}'
cut 方式实现
ls
-
lrt
|
cut
-
f6
打印指定文本区域
确定行号
seq
100
|
awk
'NR==4,NR==6{print}'
确定文本
打印处于 startpattern 和 endpattern 之间的文本;
awk
'/start_pattern/, /end_pattern/'
filename
eg:
seq 100 | awk '/13/,/15/'
cat /etc/passwd| awk '/mai.*mail/,/news.*news/'
awk 常用内建函数
index(string,search_string):返回search_string在string中出现的位置
sub(regex,replacement_str,string):将正则匹配到的第一处内容替换为replacement_str;
match(regex,string):检查正则表达式是否能够匹配字符串;
length(string):返回字符串长度
echo
|
awk
'{"grep root /etc/passwd" | getline cmdout; print length(cmdout) }'
printf 类似 c 语言中的 printf,对输出进行格式化
eg:
seq
10
|
awk
'{printf "->%4s ", $1}'
迭代文件中的行、单词和字符
- 迭代文件中的每一行
while 循环法
while read line;
do
echo $line;
done < file.txt
改成子 shell:
cat file
.
txt
|
(
while
read line
;
do
echo $line
;
done
)
awk 法:
cat file
.
txt
|
awk
'{print}'
- 迭代一行中的每一个单词
for word in $line;
do
echo $word;
done
- 迭代每一个字符
${string:startpos:numof_chars}:从字符串中提取一个字符;(bash 文本切片) ${#word}: 返回变量 word 的长度
for((i=0;i<${#word};i++))
do
echo ${word:i:1);
done