- 相關(guān)推薦
Linux Shell文本處理工具
本文將介紹Linux下使用Shell處理文本時(shí)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(shù)都是最常用和最為實(shí)用的;我對(duì)shell腳本使用的原則是命令單行書(shū)寫(xiě)，盡量不要超過(guò)2行;如果有更為復(fù)雜的任務(wù)需求，還是考慮python吧，一起來(lái)學(xué)習(xí)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(xiě)的正則
否定參數(shù)
查找所有非txt文本
find . ! -name "*.txt" -print
指定搜索深度
打印出當(dāng)前目錄的文件(深度為1)
find . -maxdepth 1 -type f
定制搜索
按類(lèi)型搜索：
find . -type d -print //只列出所有目錄
-type f 文件 / l 符號(hào)鏈接
按時(shí)間搜索：
-atime 訪問(wèn)時(shí)間 (單位是天，分鐘單位則是-amin，以下類(lèi)似)
-mtime 修改時(shí)間 (內(nèi)容被修改)
-ctime 變化時(shí)間 (元數(shù)據(jù)或權(quán)限變化)
最近7天被訪問(wèn)過(guò)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(quán)限查找：
find . -type f -perm 644 -print //找具有可執(zhí)行權(quán)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(xù)動(dòng)作
刪除：
刪除當(dāng)前目錄下所有的swp文件：
find . -type f -name "*.swp" -delete
執(zhí)行動(dòng)作(強(qiáng)大的exec)
find . -type f -user root -exec chown weber {} \; //將當(dāng)前目錄下的所有權(quán)變更為weber
注：{}是一個(gè)特殊的字符串，對(duì)于每一個(gè)匹配的文件，{}會(huì)被替換成相應(yīng)的文件名;
eg：將找到的文件全都copy到另一個(gè)目錄：
find . -type f -mtime +10 -name "*.txt" -exec cp {} OLD \;
結(jié)合多個(gè)命令
tips: 如果需要后續(xù)執(zhí)行多個(gè)命令，可以將多個(gè)命令寫(xiě)成一個(gè)腳本。然后 -exec 調(diào)用時(shí)執(zhí)行腳本即可;
-exec ./commands.sh {} \;
-print的定界符
默認(rèn)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(rèn)訪問(wèn)匹配行
常用參數(shù)
-o 只輸出匹配的文本行 VS -v 只輸出沒(méi)有匹配的文本行
-c 統(tǒng)計(jì)文件中包含文本的次數(shù)
grep -c "text" filename
-n 打印匹配的行號(hào)
-i 搜索時(shí)忽略大小寫(xiě)
-l 只打印文件名
在多級(jí)目錄中對(duì)文本遞歸搜索(程序員搜代碼的最?lèi)?ài))：
grep "class" . -R -n
匹配多個(gè)模式
grep -e "class" -e "vitural" file
grep輸出以\0作為結(jié)尾符的文件名：(-z)
grep "test" file* -lZ| xargs -0 rm
xargs 命令行參數(shù)轉(zhuǎn)換
xargs 能夠?qū)⑤斎霐?shù)據(jù)轉(zhuǎn)化為特定命令的命令行參數(shù);這樣，可以配合很多命令來(lái)組合使用。比如grep，比如find;
將多行輸出轉(zhuǎn)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(zhuǎn)化為多行輸出
cat single.txt | xargs -n 3
-n：指定每行顯示的字段數(shù)
xargs參數(shù)說(shuō)明
-d 定義定界符 (默認(rèn)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(gè)字符串在xargs擴(kuò)展時(shí)會(huì)被替換掉,用于待執(zhí)行的命令需要多個(gè)參數(shù)時(shí)
eg：
cat file.txt | xargs -I {} ./command.sh -p {} -1
-0：指定\0為輸入定界符
eg：統(tǒng)計(jì)程序行數(shù)
find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l
sort 排序
字段說(shuō)明：
-n 按數(shù)字進(jìn)行排序 VS -d 按字典序進(jìn)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(lèi)的前導(dǎo)空白字符
uniq 消除重復(fù)行
消除重復(fù)行
sort unsort.txt | uniq
統(tǒng)計(jì)各行在文件中出現(xiàn)的次數(shù)
sort unsort.txt | uniq -c
找出重復(fù)行
sort unsort.txt | uniq -d
可指定每行中需要比較的重復(fù)內(nèi)容：-s 開(kāi)始位置 -w 比較字符數(shù)
用tr進(jìn)行轉(zhuǎn)換
通用用法
echo 12345 | tr '0-9' '9876543210' //加解密轉(zhuǎn)換，替換對(duì)應(yīng)字符
cat text| tr '\t' ' ' //制表符轉(zhuǎn)空格
tr刪除字符
cat file | tr -d '0-9' // 刪除所有數(shù)字
-c 求補(bǔ)集
cat file | tr -c '0-9' //獲取文件中所有數(shù)字
cat file | tr -d -c '0-9 \n' //刪除非數(shù)字?jǐn)?shù)據(jù)
tr壓縮字符
tr -s 壓縮文本中出現(xiàn)的重復(fù)字符;最常用于壓縮多余的空格
cat file | tr -s ' '
字符類(lèi)
tr中可用各種字符類(lèi)：
alnum：字母和數(shù)字
alpha：字母
digit：數(shù)字
space：空白字符
lower：小寫(xiě)
upper：大寫(xiě)
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(gè)字段到結(jié)尾
-M 第1個(gè)字段為M
N-M N到M個(gè)字段
cut 取的單位
-b 以字節(jié)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(gè)字符
cut -c-2 file //打印前2個(gè)字符
paste 按列拼接文本
將兩個(gè)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(rèn)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(tǒng)計(jì)行和字符的工具
wc -l file // 統(tǒng)計(jì)行數(shù)
wc -w file // 統(tǒng)計(jì)單詞數(shù)
wc -c file // 統(tǒng)計(jì)字符數(shù)
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(rèn)替換后，輸出替換后的內(nèi)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(zhuǎn)換
已匹配的字符串通過(guò)標(biāo)記&來(lái)引用.
echo this is en example | seg 's/\w+/[&]/g'
$>[this] [is] [en] [example]
子串匹配標(biāo)記
第一個(gè)匹配的括號(hào)內(nèi)容使用標(biāo)記 \1 來(lái)引用
sed 's/hello\([0-9]\)/\1/'
雙引號(hào)求值
sed通常用單引號(hào)來(lái)引用;也可使用雙引號(hào)，使用雙引號(hào)后，雙引號(hào)會(huì)對(duì)表達(dá)式求值：
sed 's/$var/HLLOE/'
當(dāng)使用雙引號(hào)時(shí)，我們可以在sed樣式和替換字符串中指定變量;
eg:
p=patten
r=replaced
echo "line con a patten" | sed "s/$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(nèi)容(PEKSHA) 轉(zhuǎn)換為 PEK/SHA
sed 's/^.\{3\}/&\//g' file
awk 數(shù)據(jù)流處理工具
awk腳本結(jié)構(gòu)
awk ' BEGIN{ statements } statements2 END{ statements } '
工作方式
1.執(zhí)行begin中語(yǔ)句塊;
2.從文件或stdin中讀入一行，然后執(zhí)行statements2，重復(fù)這個(gè)過(guò)程，直到文件全部被讀取完畢;
3.執(zhí)行end語(yǔ)句塊;
print 打印當(dāng)前行
使用不帶參數(shù)的print時(shí)，會(huì)打印當(dāng)前行;
echo -e "line1\nline2" | awk 'BEGIN{print "start"} {print } END{ print "End" }'
print 以逗號(hào)分割時(shí)，參數(shù)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(shù)量，在執(zhí)行過(guò)程中對(duì)應(yīng)當(dāng)前行號(hào);
NF:表示字段數(shù)量，在執(zhí)行過(guò)程總對(duì)應(yīng)當(dāng)前行的字段數(shù);
$0:這個(gè)變量包含執(zhí)行過(guò)程中當(dāng)前行的文本內(nèi)容;
$1:第一個(gè)字段的文本內(nèi)容;
$2:第二個(gè)字段的文本內(nèi)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(gè)字段：
awk '{print $2, $3}' file
統(tǒng)計(jì)文件的行數(shù)：
awk ' END {print NR}' file
累加每一行的第一個(gè)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(lái)自stdin
awk '{print vara}' vara=$var file # 輸入來(lái)自文件
用樣式對(duì)awk處理的行進(jìn)行過(guò)濾
awk 'NR < 5' #行號(hào)小于5
awk 'NR==1,NR==4 {print}' file #行號(hào)等于1和4的打印出來(lái)
awk '/linux/' #包含linux文本的行(可以用正則表達(dá)式來(lái)指定，超級(jí)強(qiáng)大)
awk '!/linux/' #不包含linux文本的行
設(shè)置定界符
使用-F來(lái)設(shè)置定界符(默認(rèn)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(huán)
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(shí)現(xiàn))
seq 9| \
awk '{lifo[NR] = $0; lno=NR} \
END{ for(;lno>-1;lno--){print lifo[lno];}
} '
awk實(shí)現(xiàn)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(shí)現(xiàn)：
ls -lrt | awk '{print $6}'
cut方式實(shí)現(xiàn)
ls -lrt | cut -f6
打印指定文本區(qū)域
確定行號(hào)
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(nèi)建函數(shù)
index(string,search_string):返回search_string在string中出現(xiàn)的位置
sub(regex,replacement_str,string):將正則匹配到的第一處內(nèi)容替換為replacement_str;
match(regex,string):檢查正則表達(dá)式是否能夠匹配字符串;
length(string)：返回字符串長(zhǎng)度
echo | awk '{"grep root /etc/passwd" | getline cmdout; print length(cmdout) }'
printf 類(lèi)似c語(yǔ)言中的printf，對(duì)輸出進(jìn)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(huán)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(gè)單詞
for word in $line;
do
echo $word;
done
3. 迭代每一個(gè)字符
${string:start_pos:num_of_chars}：從字符串中提取一個(gè)字符;(bash文本切片)
${#word}:返回變量word的長(zhǎng)度
for((i=0;i<${#word};i++))
do
echo ${word:i:1);
done