Linux Shell文本处理工具介绍
搞定 Linux Shell 文本处理工具,看完这篇还不够~
Linux Shell是一种基本功,由于怪异的语法加之较差的可读性,通常被Python等脚本代替。既然是基本功,那就需要掌握,毕竟学习Shell脚本的过程中,还是能了解到很多Linux系统的内容。
Linux 脚本大师不是人人都可以达到的,但是用一些简单的Shell实现一些常见的基本功能还是很有必要的。
下面我介绍 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;
1、find 文件查找
查找txt和pdf文件
1 |
|
正则方式查找.txt和pdf
1 |
|
-iregex: 忽略大小写的正则
否定参数,查找所有非txt文本
1 |
|
指定搜索深度
打印出当前目录的文件(深度为1)
1 |
|
定制搜索
按类型搜索:
1 |
|
-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:
1 |
|
按大小搜索:
w字 k M G
寻找大于2k的文件
1 |
|
按权限查找:
1 |
|
按用户查找:
1 |
|
找到后的后续动作
删除:
删除当前目录下所有的swp文件:
1 |
|
执行动作(强大的exec)
1 |
|
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:
1 |
|
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;
1 |
|
-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;
2、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
1 |
|
- -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):
1 |
|
匹配多个模式
1 |
|
grep输出以\0作为结尾符的文件名:(-z)
1 |
|
3、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
1 |
|
\n
是多行文本间的定界符
将单行转化为多行输出
1 |
|
-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:
1 |
|
-0:指定\0为输入定界符
eg:统计程序行数
1 |
|
4、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
5、uniq 消除重复行
消除重复行
1 |
|
统计各行在文件中出现的次数
1 |
|
找出重复行
1 |
|
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
6、用tr进行转换
通用用法
1 |
|
tr删除字符
1 |
|
-c 求补集
1 |
|
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
1 |
|
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:]
1 |
|
7、cut 按列切分文本
截取文件的第2列和第4列:
1 |
|
去文件除第3列的所有列:
1 |
|
-d 指定定界符:
1 |
|
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:
1 |
|
8、paste 按列拼接文本
将两个文本按列拼接到一起;
1 |
|
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
9、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
10、sed 文本替换利器
首处替换
1 |
|
全局替换
1 |
|
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:
1 |
|
移除空白行:
1 |
|
变量转换,已匹配的字符串通过标记&来引用。
1 |
|
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:
1 |
|
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;
1 |
|
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
1 |
|
11、awk 数据流处理工具
awk脚本结构
awk ‘ BEGIN{ statements } statements2 END{ statements } ‘
工作方式
- 执行begin中语句块;
- 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;
- 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;
1 |
|
print 以逗号分割时,参数以空格定界;
1 |
|
使用-拼接符的方式(””作为拼接符);
1 |
|
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;
1 |
|
打印每一行的第二和第三个字段:
1 |
|
统计文件的行数:
1 |
|
累加每一行的第一个字段:
1 |
|
传递外部变量
1 |
|
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;
1 |
|
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)
1 |
|
awk实现head、tail命令
head:
1 |
|
tail:
1 |
|
打印指定列
awk方式实现:
1 |
|
cut方式实现
1 |
|
打印指定文本区域
确定行号
1 |
|
确定文本
打印处于start_pattern 和end_pattern之间的文本;
1 |
|
eg:
1 |
|
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
1 |
|
printf 类似c语言中的printf,对输出进行格式化
eg:
1 |
|
12、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
1 |
|
awk法:
cat file.txt| awk ‘{print}’
2.迭代一行中的每一个单词
1 |
|
3. 迭代每一个字符
从字符串中提取一个字符;(bash文本切片)
返回变量word的长度
1 |
|