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;
我对shell脚本使用的原则是命令单行书写,尽量不要超过2行;
如果有更为复杂的任务需求,还是考虑python吧;
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
eg:
cat file.txt | xargs -I {} ./command.sh -p {} -1
-0:指定\0为输入定界符
eg: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 VS -d 按字典序进行排序
-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:]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) - eg:
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 file1
1
2
cat file2
colin
book
paste file1 file2
1 colin
2 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;
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:将文本中每行内容(PEKSHA) 转换为 PEK/SHAsed \'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 \"line1nline2\" | 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 f3n 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 \"1n 2n 3n 4n\" | awk \'BEGIN{num = 0 ; print \"begin\";} {sum += $1;} END {print \"==\"; print sum }\'
传递外部变量
var=1000
echo | awk \'{print vara}\' vara=$var # 输入来自stdin
awk \'{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];}
eg:
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
eg:
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
eg:
seq 10 | awk \'{printf \"->%4sn\", $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; 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
原创文章,转载请注明:转载自Web开发笔记 | Linux Shell 文本处理工具
本文链接地址:https://www.magentonotes.com/linux-shell-text-command.html
Comments on this entry are closed.