Linux Shell 文本处理工具集锦

Nov 24, 2016 阅读(131)

标签: Shell

    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。

    find 文件查找

    • 查找txt和pdf文件

      find . \( -name "*.txt" -o -name "*.pdf" \) -print
    • 正则方式查找.txt和pdf

      find . -regex  ".*\(\.txt|\.pdf\)$"

      -iregex: 忽略大小写的正则

    • 否定参数
      查找所有非txt文本

      find . ! -name "*.txt" -print
    • 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

    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

    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 \;
    • 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'\n'作为文件的定界符;
    -print0 使用'\0'作为文件的定界符,这样就可以搜索包含空格的文件;

    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

    • 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
    • 匹配多个模式

      grep -e "class" -e "vitural" file
    • grep输出以\0作为结尾符的文件名:(-z)

      grep "test" file* -lZ| xargs -0 rm

    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
      \n 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)
    -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,例:

    cat file.txt | xargs -I {} ./command.sh -p {} -1

    -0:指定\0为输入定界符
    例:统计程序行数

    find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l

    sort 排序

    字段说明:
        -n     按数字进行排序 

        -d     按字典序进行排序
        -r      逆序排序
        -k     N 指定按第N列排序

        -b    忽略前面空白的字符

    sort -nrk 1 data.txt  //data.txt 文件内容第1列按数字顺序逆序排序
    sort -bd data //忽略像空格之类的前导空白字符

    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

    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 '\t' ' '  //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 \n'  //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:]

      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)

      例:

      cut -c1-5 file   //打印第一到5个字符
      cut -c-2 file    //打印前2个字符

    paste 按列拼接文本

    将两个文本按列拼接到一起;

    cat file112cat file2
    colin
    book
    
    paste file1 file21 colin2 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

    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

    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 \1 来引用

      sed 's/hello\([0-9]\)/\1/'
    • 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;

      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

    awk 数据流处理工具

    • awk脚本结构

    awk ' BEGIN{ statements } statements2 END{ statements } '
    • 工作方式
      1.执行begin中语句块;
      2.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;
      3.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\nline2" | 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\n line2 \n 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\n 2\n 3\n 4\n" | awk 'BEGIN{num = 0 ;
    print "begin";} {sum += $1;} END {print "=="; print sum }'

    传递外部变量

    var=1000echo | awk '{print vara}' vara=$var #  输入来自stdinawk '{print vara}' vara=$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];}

    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start_pattern 和end_pattern之间的文本;

      awk '/start_pattern/, /end_pattern/' filename、
    • 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

    seq 10 | awk '{printf "->%4s\n", $1}'


    迭代文件中的行、单词和字符

    1. 迭代文件中的每一行

    • while 循环法

    while read line; 
    doecho $line;
    done < file.txt
    
    改成子 shell:
    
    cat file.txt | (while read line;do echo $line;done)

    awk法:

    cat file.txt | (while read line;do echo $line;done)

    2.迭代一行中的每一个单词

    for word in $line;do echo $word;done

    3. 迭代每一个字符

    ${string:start_pos:num_of_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

    本文为《linux Shell脚本攻略》的读书笔记,文中主要内容和示例来自于
    《linux Shell脚本攻略》