史上最全的 Linux Shell 文本处理工具集锦,快收藏!

 
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;
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;

01 find 文件查找

1 查找txt和pdf文件
  1. find .(-name "*.txt"-o -name "*.pdf")-print
2 正则方式查找.txt和pdf
  1. find .-regex ".*(.txt|.pdf)$"
-iregex:忽略大小写的正则
3 否定参数
查找所有非txt文本
  1. find .!-name "*.txt"-print
4 指定搜索深度
打印出当前目录的文件(深度为1)
  1. find .-maxdepth 1-type f
5 定制搜索
按类型搜索:
  1. find .-type d -print //只列出所有目录
  2. -type f 文件/ l 符号链接
按时间搜索:
  1. -atime 访问时间(单位是天,分钟单位则是-amin,以下类似)
  2. -mtime 修改时间(内容被修改)
  3. -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. find .-atime 7-type f -print
按大小搜索:
w字 k M G
寻找大于2k的文件
  1. find .-type f -size +2k
按权限查找:
  1. find .-type f -perm 644-print //找具有可执行权限的所有文件
按用户查找:
  1. find .-type f -user weber -print//找用户weber所拥有的文件
6 找到后的后续动作
删除:
删除当前目录下所有的swp文件:
  1. find .-type f -name "*.swp"-delete
执行动作(强大的exec)
  1. 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:
  1. find .-type f -mtime +10-name "*.txt"-exec cp {} OLD ;
7 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. -exec ./commands.sh {};
-print的定界符
默认使用’ ‘作为文件的定界符;
-print0 使用”作为文件的定界符,这样就可以搜索包含空格的文件;

02 grep 文本搜索

  1. 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. 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
1 在多级目录中对文本递归搜索(程序员搜代码的最爱):
  1. grep "class".-R -n
2 匹配多个模式
  1. grep -e "class"-e "vitural" file
3 grep输出以作为结尾符的文件名:(-z)
  1. grep "test" file*-lZ| xargs -0 rm
4 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. cat file.txt| xargs
是多行文本间的定界符
将单行转化为多行输出
  1. 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 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. cat file.txt | xargs -I {}./command.sh -p {}-1
-0:指定为输入定界符
eg:统计程序行数
  1. find source_dir/-type f -name "*.cpp"-print0 |xargs -0 wc -l

03 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:
  1. sort -nrk 1 data.txt
  2. sort -bd data //忽略像空格之类的前导空白字符

04 uniq 消除重复行

消除重复行
  1. sort unsort.txt | uniq
统计各行在文件中出现的次数
  1. sort unsort.txt | uniq -c
找出重复行
  1. 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

05 用 tr 进行转换

通用用法
  1. echo 12345| tr '0-9''9876543210'//加解密转换,替换对应字符
  2. cat text| tr ' '' '//制表符转空格
tr删除字符
  1. cat file | tr -d '0-9'//删除所有数字
-c 求补集
  1. cat file | tr -c '0-9'//获取文件中所有数字
  2. cat file | tr -d -c '0-9 '//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
  1. 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:]
  1. eg: tr '[:lower:]''[:upper:]'

06 cut 按列切分文本

截取文件的第2列和第4列:
  1. cut -f2,4 filename
去文件除第3列的所有列:
  1. cut -f3 --complement filename
-d 指定定界符:
  1. 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:
  1. cut -c1-5 file //打印第一到5个字符
  2. cut -c-2 file //打印前2个字符

07 paste 按列拼接文本

将两个文本按列拼接到一起;
  1. cat file1
  2. 1
  3. 2
  4. cat file2
  5. colin
  6. book
  7. paste file1 file2
  8. 1 colin
  9. 2 book
默认的定界符是制表符,可以用-d指明定界符
  1. paste file1 file2 -d ","
  2. 1,colin
  3. 2,book

08 wc 统计行和字符的工具

  1. wc -l file //统计行数
  2. wc -w file //统计单词数
  3. wc -c file //统计字符数

09 sed 文本替换利器

首处替换
  1. seg 's/text/replace_text/' file //替换每一行的第一处匹配的text
全局替换
  1. 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:
  1. seg -i 's/text/repalce_text/g' file
移除空白行:
  1. sed '/^$/d' file
变量转换
已匹配的字符串通过标记&来引用.
  1. echo this is en example | seg 's/w+/[&]/g'
  2. $>[this][is][en][example]
子串匹配标记
第一个匹配的括号内容使用标记 来引用
  1. sed 's/hello([0-9])//'
双引号求值
sed通常用单引号来引用;也可使用双引号,使用双引号后,双引号会对表达式求值:
  1. sed 's/$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;
  1. eg:
  2. p=patten
  3. r=replaced
  4. echo "line con a patten"| sed "s/$p/$r/g"
  5. $>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/SHA
  1. sed 's/^.{3}/&//g' file

10 awk 数据流处理工具

awk脚本结构
  1. 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;
  1. echo -e "line1 line2"| awk 'BEGIN{print "start"} {print } END{ print "End" }'
print 以逗号分割时,参数以空格定界;
  1. echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3";
  2. print var1, var2 , var3; }'
  3. $>v1 V2 v3
使用-拼接符的方式(””作为拼接符);
  1. echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3";
  2. print var1"-"var2"-"var3; }'
  3. $>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;
  1. echo -e "line1 f2 f3 line2 line 3"| awk '{print NR":"$0"-"$1"-"$2}'
打印每一行的第二和第三个字段:
  1. awk '{print $2, $3}' file
统计文件的行数:
  1. awk ' END {print NR}' file
累加每一行的第一个字段:
  1. echo -e "1 2 3 4 "| awk 'BEGIN{num = 0 ;
  2. print "begin";} {sum += $1;} END {print "=="; print sum }'
传递外部变量
  1. var=1000
  2. echo | awk '{print vara}' vara=$var # 输入来自stdin
  3. 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
  1. awk 'NR < 5'#行号小于5
  2. awk 'NR==1,NR==4 {print}' file #行号等于1和4的打印出来
  3. awk '/linux/'#包含linux文本的行(可以用正则表达式来指定,超级强大)
  4. 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)
  1. 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. echo | awk '{"grep root /etc/passwd" | getline cmdout; print cmdout }'
在awk中使用循环
  1. for(i=0;i<10;i++){print $i;}
  2. for(i in array){print array[i];}
eg:
以逆序的形式打印行:(tac命令的实现)
  1. seq 9|
  2. awk '{lifo[NR] = $0; lno=NR}
  3. END{ for(;lno>-1;lno--){print lifo[lno];}
  4. } '
awk实现head、tail命令
  1. head:
  2. awk 'NR<=10{print}' filename
  1. tail:
  2. awk '{buffer[NR%10] = $0;} END{for(i=0;i<11;i++){
  3. print buffer[i %10]} } ' filename
打印指定列
awk方式实现:
  1. ls -lrt | awk '{print $6}'
cut方式实现
  1. ls -lrt | cut -f6
打印指定文本区域
确定行号
  1. seq 100| awk 'NR==4,NR==6{print}'
确定文本
打印处于startpattern 和endpattern之间的文本;
  1. awk '/start_pattern/, /end_pattern/' filename
  1. eg:
  2. seq 100| awk '/13/,/15/'
  3. cat /etc/passwd| awk '/mai.*mail/,/news.*news/'
awk常用内建函数
  1. index(string,search_string):返回search_stringstring中出现的位置
  2. sub(regex,replacement_str,string):将正则匹配到的第一处内容替换为replacement_str;
  3. match(regex,string):检查正则表达式是否能够匹配字符串;
  4. length(string):返回字符串长度
  1. 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:
  1. seq 10| awk '{printf "->%4s ", $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
  1. while read line;
  2. do
  3. echo $line;
  4. done< file.txt
改成子shell:
  1. cat file.txt |(while read line;do echo $line;done)
awk法:
  1. cat file.txt| awk '{print}'
2.迭代一行中的每一个单词
  1. for word in $line;
  2. do
  3. echo $word;
  4. done
 
 3. 迭代每一个字符
${string:startpos:numof_chars}:从字符串中提取一个字符;(bash文本切片)${#word}:返回变量word的长度
  1. for((i=0;i<${#word};i++))
  2. do
  3. echo ${word:i:1);
  4. done
 
本站所有文章均由网友分享,仅用于参考学习用,请勿直接转载,如有侵权,请联系网站客服删除相关文章。若由于商用引起版权纠纷,一切责任均由使用者承担
极客文库 » 史上最全的 Linux Shell 文本处理工具集锦,快收藏!

Leave a Reply

欢迎加入「极客文库」,成为原创作者从这里开始!

立即加入 了解更多