私藏丨Linux文本處理工具,看這篇就夠了

​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常用和實用的;對shell腳本使用的原則是命令單行書寫,儘量不要超過2行;如果有更為複雜的任務需求,還是考慮python吧;

1、find 文件查找

1 查找txt和pdf文件

find . ( -name "*.txt"-o -name "*.pdf") -print

2 正則方式查找.txt和pdf

find . -regex ".*(.txt|.pdf)$"

-iregex:忽略大小寫的正則

3 否定參數

查找所有非txt文本

find . ! -name "*.txt"-print

4 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

5 定製搜索

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

尋找大於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

6 找到後的後續動作

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,對於每一個匹配的文件,{}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 ;

7 結合多個命令

tips: 如果需要後續執行多個命令,可以將多個命令寫成一個腳本。然後 -exec 調用時執行腳本即可;

-exec ./commands.sh {} ;

-print的定界符

默認使用' '作為文件的定界符;

-print0 使用''作為文件的定界符,這樣就可以搜索包含空格的文件;

2、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

1 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

2 匹配多個模式

grep -e "class"-e "vitural" file

3 grep輸出以作為結尾符的文件名:(-z)

grep "test" file* -lZ| xargs -0 rm

4 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

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 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,用於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

3、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.txtsort
sort -bd data // 忽略像空格之類的前導空白字符

4、uniq 消除重複行

消除重複行

sort unsort.txt | uniq

統計各行在文件中出現的次數

sort unsort.txt | uniq -c

找出重複行

sort unsort.txt | uniq -d

可指定每行中需要比較的重複內容:-s 開始位置 -w 比較字符數

5、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 ' '' '//製表符轉空格

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 '//刪除非數字數據

tr壓縮字符

tr -s 壓縮文本中出現的重複字符;最常用於壓縮多餘的空格

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:]'

6、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 取的範圍

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

7、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

默認的定界符是製表符,可以用-d指明定界符

paste file1 file2 -d ","
1,colin
2,book

8、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

9、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

默認替換後,輸出替換後的內容,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 來引用

sed 's/hello([0-9])//'

雙引號求值

sed通常用單引號來引用;也可使用雙引號,使用雙引號後,雙引號會對錶達式求值:

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

10、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,然後執行statements2,重複這個過程,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 line2"| 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 line2 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 2 3 4 "| 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'#行號小於5
awk 'NR==1,NR==4 {print}' file #行號等於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

打印處於startpattern 和endpattern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 ", $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:startpos:numof_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;ido
echo ${word:i:1);
done

本文內容出於傳遞更多信息之目的,屬於非營利性的轉載。如無意中侵犯了某個媒體或個人的知識產權,請聯繫我們,我們將立即刪除相關內容。其他媒體、網絡或個人從本網下載使用須自負版權等法律責任。


分享到:


相關文章: