Linux Shell文本處理工具
本文將介紹Linux下使用Shell處理文本時最常用的工具：find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk;提供的例子和參數都是最常用和最為實用的;我對shell腳本使用的原則是命令單行書寫，盡量不要超過2行;如果有更為復雜的任務需求，還是考慮python吧，一起來學習一下!
find 文件查找
查找txt和pdf文件
find . \( -name "*.txt" -o -name "*.pdf" \) -print
正則方式查找.txt和pdf
find . -regex ".*\(\.txt|\.pdf\)$"
-iregex： 忽略大小寫的正則
否定參數
查找所有非txt文本
find . ! -name "*.txt" -print
指定搜索深度
打印出當前目錄的文件(深度為1)
find . -maxdepth 1 -type f
定制搜索
按類型搜索：
find . -type d -print //只列出所有目錄
-type f 文件 / l 符號鏈接
按時間搜索：
-atime 訪問時間 (單位是天，分鐘單位則是-amin，以下類似)
-mtime 修改時間 (內容被修改)
-ctime 變化時間 (元數據或權限變化)
最近7天被訪問過的所有文件：
find . -atime 7 -type f -print
按大小搜索：
w字 k M G
尋找大于2k的文件
find . -type f -size +2k
按權限查找：
find . -type f -perm 644 -print //找具有可執行權限的所有文件
按用戶查找：
find . -type f -user weber -print// 找用戶weber所擁有的文件
找到后的后續動作
刪除：
刪除當前目錄下所有的swp文件：
find . -type f -name "*.swp" -delete
執行動作(強大的exec)
find . -type f -user root -exec chown weber {} \; //將當前目錄下的所有權變更為weber
注：{}是一個特殊的字符串，對于每一個匹配的文件，{}會被替換成相應的文件名;
eg：將找到的文件全都copy到另一個目錄：
find . -type f -mtime +10 -name "*.txt" -exec cp {} OLD \;
結合多個命令
tips: 如果需要后續執行多個命令，可以將多個命令寫成一個腳本。然后 -exec 調用時執行腳本即可;
-exec ./commands.sh {} \;
-print的定界符
默認使用'\n'作為文件的定界符;
-print0 使用'\0'作為文件的定界符，這樣就可以搜索包含空格的文件;
grep 文本搜索
grep match_patten file // 默認訪問匹配行
常用參數
-o 只輸出匹配的文本行 VS -v 只輸出沒有匹配的文本行
-c 統計文件中包含文本的次數
grep -c "text" filename
-n 打印匹配的行號
-i 搜索時忽略大小寫
-l 只打印文件名
在多級目錄中對文本遞歸搜索(程序員搜代碼的最愛)：
grep "class" . -R -n
匹配多個模式
grep -e "class" -e "vitural" file
grep輸出以\0作為結尾符的文件名：(-z)
grep "test" file* -lZ| xargs -0 rm
xargs 命令行參數轉換
xargs 能夠將輸入數據轉化為特定命令的命令行參數;這樣，可以配合很多命令來組合使用。比如grep，比如find;
將多行輸出轉化為單行輸出
cat file.txt| xargs
\n 是多行文本間的定界符
將單行轉化為多行輸出
cat single.txt | xargs -n 3
-n：指定每行顯示的字段數
xargs參數說明
-d 定義定界符 (默認為空格 多行的定界符為 \n)
-n 指定輸出為多行
-I {} 指定替換字符串，這個字符串在xargs擴展時會被替換掉,用于待執行的命令需要多個參數時
eg：
cat file.txt | xargs -I {} ./command.sh -p {} -1
-0：指定\0為輸入定界符
eg：統計程序行數
find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l
sort 排序
字段說明：
-n 按數字進行排序 VS -d 按字典序進行排序
-r 逆序排序
-k N 指定按第N列排序
eg：
sort -nrk 1 data.txt
sort -bd data // 忽略像空格之類的前導空白字符
uniq 消除重復行
消除重復行
sort unsort.txt | uniq
統計各行在文件中出現的次數
sort unsort.txt | uniq -c
找出重復行
sort unsort.txt | uniq -d
可指定每行中需要比較的重復內容：-s 開始位置 -w 比較字符數
用tr進行轉換
通用用法
echo 12345 | tr '0-9' '9876543210' //加解密轉換，替換對應字符
cat text| tr '\t' ' ' //制表符轉空格
tr刪除字符
cat file | tr -d '0-9' // 刪除所有數字
-c 求補集
cat file | tr -c '0-9' //獲取文件中所有數字
cat file | tr -d -c '0-9 \n' //刪除非數字數據
tr壓縮字符
tr -s 壓縮文本中出現的重復字符;最常用于壓縮多余的空格
cat file | tr -s ' '
字符類
tr中可用各種字符類：
alnum：字母和數字
alpha：字母
digit：數字
space：空白字符
lower：小寫
upper：大寫
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:]'
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 取的范圍
N- 第N個字段到結尾
-M 第1個字段為M
N-M N到M個字段
cut 取的單位
-b 以字節為單位
-c 以字符為單位
-f 以字段為單位(使用定界符)
eg:
cut -c1-5 file //打印第一到5個字符
cut -c-2 file //打印前2個字符
paste 按列拼接文本
將兩個文本按列拼接到一起;
cat file1
1
2
cat file2
colin
book
paste file1 file2
1 colin
2 book
默認的定界符是制表符，可以用-d指明定界符
paste file1 file2 -d ","
1,colin
2,book
wc 統計行和字符的工具
wc -l file // 統計行數
wc -w file // 統計單詞數
wc -c file // 統計字符數
sed 文本替換利器
首處替換
seg 's/text/replace_text/' file //替換每一行的第一處匹配的text
全局替換
seg 's/text/replace_text/g' file
默認替換后，輸出替換后的內容，如果需要直接替換原文件,使用-i：
seg -i 's/text/repalce_text/g' file
移除空白行：
sed '/^$/d' file
變量轉換
已匹配的字符串通過標記&來引用.
echo this is en example | seg 's/\w+/[&]/g'
$>[this] [is] [en] [example]
子串匹配標記
第一個匹配的括號內容使用標記 \1 來引用
sed 's/hello\([0-9]\)/\1/'
雙引號求值
sed通常用單引號來引用;也可使用雙引號，使用雙引號后，雙引號會對表達式求值：
sed 's/$var/HLLOE/'
當使用雙引號時，我們可以在sed樣式和替換字符串中指定變量;
eg:
p=patten
r=replaced
echo "line con a patten" | sed "s/$p/$r/g"
$>line con a replaced
其它示例
字符串插入字符：將文本中每行內容(PEKSHA) 轉換為 PEK/SHA
sed 's/^.\{3\}/&\//g' file
awk 數據流處理工具
awk腳本結構
awk ' BEGIN{ statements } statements2 END{ statements } '
工作方式
1.執行begin中語句塊;
2.從文件或stdin中讀入一行，然后執行statements2，重復這個過程，直到文件全部被讀取完畢;
3.執行end語句塊;
print 打印當前行
使用不帶參數的print時，會打印當前行;
echo -e "line1\nline2" | awk 'BEGIN{print "start"} {print } END{ print "End" }'
print 以逗號分割時，參數以空格定界;
echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; \
print var1, var2 , var3; }'
$>v1 V2 v3
使用-拼接符的方式(""作為拼接符);
echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; \
print var1"-"var2"-"var3; }'
$>v1-V2-v3
特殊變量： NR NF $0 $1 $2
NR:表示記錄數量，在執行過程中對應當前行號;
NF:表示字段數量，在執行過程總對應當前行的字段數;
$0:這個變量包含執行過程中當前行的文本內容;
$1:第一個字段的文本內容;
$2:第二個字段的文本內容;
echo -e "line1 f2 f3\n line2 \n line 3" | awk '{print NR":"$0"-"$1"-"$2}'
打印每一行的第二和第三個字段：
awk '{print $2, $3}' file
統計文件的行數：
awk ' END {print NR}' file
累加每一行的第一個字段：
echo -e "1\n 2\n 3\n 4\n" | awk 'BEGIN{num = 0 ;
print "begin";} {sum += $1;} END {print "=="; print sum }'
傳遞外部變量
var=1000
echo | awk '{print vara}' vara=$var # 輸入來自stdin
awk '{print vara}' vara=$var file # 輸入來自文件
用樣式對awk處理的行進行過濾
awk 'NR < 5' #行號小于5
awk 'NR==1,NR==4 {print}' file #行號等于1和4的打印出來
awk '/linux/' #包含linux文本的行(可以用正則表達式來指定，超級強大)
awk '!/linux/' #不包含linux文本的行
設置定界符
使用-F來設置定界符(默認為空格)
awk -F: '{print $NF}' /etc/passwd
讀取命令輸出
使用getline，將外部shell命令的輸出讀入到變量cmdout中;
echo | awk '{"grep root /etc/passwd" | getline cmdout; print cmdout }'
在awk中使用循環
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命令的實現)
seq 9| \
awk '{lifo[NR] = $0; lno=NR} \
END{ for(;lno>-1;lno--){print lifo[lno];}
} '
awk實現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方式實現：
ls -lrt | awk '{print $6}'
cut方式實現
ls -lrt | cut -f6
打印指定文本區域
確定行號
seq 100| awk 'NR==4,NR==6{print}'
確定文本
打印處于start_pattern 和end_pattern之間的文本;
awk '/start_pattern/, /end_pattern/' filename
eg:
seq 100 | awk '/13/,/15/'
cat /etc/passwd| awk '/mai.*mail/,/news.*news/'
awk常用內建函數
index(string,search_string):返回search_string在string中出現的位置
sub(regex,replacement_str,string):將正則匹配到的第一處內容替換為replacement_str;
match(regex,string):檢查正則表達式是否能夠匹配字符串;
length(string)：返回字符串長度
echo | awk '{"grep root /etc/passwd" | getline cmdout; print length(cmdout) }'
printf 類似c語言中的printf，對輸出進行格式化
eg：
seq 10 | awk '{printf "->%4s\n", $1}'
迭代文件中的行、單詞和字符
1. 迭代文件中的每一行
while 循環法
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}'
2.迭代一行中的每一個單詞
for word in $line;
do
echo $word;
done
3. 迭代每一個字符
${string:start_pos:num_of_chars}：從字符串中提取一個字符;(bash文本切片)
${#word}:返回變量word的長度
for((i=0;i<${#word};i++))
do
echo ${word:i:1);
done