我收藏了这份Linux Shell文本处理工具使用指南.

2019-9-5 11:30| 发布者: admin| 查看: 833| 评论: 0

摘要: 前语：不要为了读文章而读文章，一定要带着问题来读文章，勤思考。作者：大CC 来源：http://1t.click/aaZKLinux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； ...

前语：不要为了读文章而读文章，一定要带着问题来读文章，勤思考。

作者：大CC 来源：http://1t.click/aaZK
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；

# find 文件查找

1 查找txt和pdf文件

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

2 正则方式查找.txt和pdf

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

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）

find . -maxdepth 1 -type f
5 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
6 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 ;
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；

-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；

# 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
1 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
2 匹配多个模式

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

3 grep输出以作为结尾符的文件名：（-z）

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

cat file.txt| xargs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 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：

catfile.txt | xargs -I {} ./command.sh -p {} -1
-0：指定为输入定界符
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.txtsort -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 ' '' '//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 '//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MN-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 file112cat file2colinbookpaste file1 file21 colin2book
默认的定界符是制表符，可以用-d指明定界符

paste file1 file2 -d ","1,colin2,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来引用

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：

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=pattenr=replacedecho "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/SHA

sed'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 "line1 line2" | 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 f3 line2 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 "1 2 3 4 " | awk 'BEGIN{num = 0 ;print"begin";} {sum += $1;} END {print"=="; print sum }'
传递外部变量

var=1000echo | awk '{print vara}' vara=$var # 输入来自stdinawk '{print vara}' vara=$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5awk '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){printarray[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}' filenametail:awk '{buffer[NR%10] = $0;} END{for(i=0;i<11;i++){printbuffer[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

seq100| awk 'NR==4,NR==6{print}'
确定文本
打印处于startpattern 和endpattern之间的文本；

awk '/start_pattern/, /end_pattern/' filenameeg: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：

seq10 | 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:

while read line;doecho $line;done < file.txt
改成子shell:

cat file.txt | (whileread line;doecho$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;doecho $word;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

for((i=0;i<${#word};i++))doecho ${word:i:1);done
热文推荐大佬整理的一系列写代码赚钱的门路和资源！
如何写出没有 bug 的代码？
接私活必备的10个开源项目！

同时，分享一份Java面试资料给大家，覆盖了算法题目、常见面试题、JVM、锁、高并发、反射、Spring原理、微服务、Zookeeper、数据库、数据结构等等。
获取方式：点“在看”，关注公众号并回复面试领取。
----------------------------------------------------------------------------------------------------------------------
我们尊重原创，也注重分享，文章来源于微信公众号：Java面试那些事儿，建议关注公众号查看原文。如若侵权请联系qter@qter.org。
----------------------------------------------------------------------------------------------------------------------

鲜花

握手

雷人

路过

鸡蛋

收藏分享邀请

帐号		自动登录	找回密码
密码			立即注册

账号		自动登录	找回密码
密码			立即注册