[[184581]]

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寫，盡量不要超過2行;

如果有更為復(fù)雜的任務(wù)需求，還是考慮python吧;

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(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 訪問時(shí)間 (單位是天，分鐘單位則是-amin，以下類似)

-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(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)訪問匹配行

• 常用參數(shù)

-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(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

-l 只打印文件名

• 在多級(jí)目錄中對(duì)文本遞歸搜索(程序員搜代碼的最愛)：

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

ort unsort.txt | uniq -d 

可指定每行中需要比較的重復(fù)內(nèi)容：-s 開始位置 -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

tr中可用各種字符類：

alnum：字母和數(shù)字

alpha：字母

digit：數(shù)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(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標(biāo)記&來引用.

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 來引用

sed 's/hello\([0-9]\)/\1/' 

• 雙引號(hào)求值

ed通常用單引號(hào)來引用;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 # 輸入來自stdin 
 
awk '{print vara}' vara=$var file # 輸入來自文件  

用樣式對(duì)awk處理的行進(jìn)行過濾

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

awk '/linux/' #包含linux文本的行(可以用正則表達(dá)式來指定，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