Linux Shell文本處理工具篇

Linux Shell文本處理工具匯總篇

　　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;

　　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

【Linux Shell文本處理工具篇】相關文章：

Linux Shell文本處理工具10-08

Linux系統shell工具打印輸出08-16

Linux下常用文本處理命令大全10-05

Linux shell常用命令匯總10-26

Linux下程序的Profile工具09-23

常用的Linux網絡工具08-02

Linux文件查找工具find全解讀08-14

2024年Linux認證考試要點：shell程序控制結構語句09-20

php調用shell的方法技巧07-15

關于Shell腳本調試技術09-30