搞定 Linux Shell 文本处理工具

2021-12-20 18:42:47 浏览数 (1)

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.

1、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 #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： 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' '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；

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

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输出以作为结尾符的文件名：（-z）

代码语言：javascript复制
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

  • 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

cat file.txt | xargs -I {} ./command.sh -p {} -1 #-0：指定为输入定界符 #统计程序行数 find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l

3、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

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

4、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

5、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
代码语言：javascript复制
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 #去除文件第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）

cut -c1-5 file //打印第一到5个字符 cut -c-2 file //打印前2个字符

7、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 1colin 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

8、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

9、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；

p=patten r=replaced echo "line con a patten"| sed "s/$p/$r/g" $>line con a replaced

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

10、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 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 = $1;}END {print "=="; print sum }' #传递外部变量 var=1000 echo | awk '{print vara}' vara=$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];}

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] = $0;} END{for(i=0;i<11;i ){ print buffer[i ]} } ' 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startpattern 和endpattern之间的文本； awk '/start_pattern/, /end_pattern/' filename 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 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 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

  1. 迭代每一个字符{#word}:返回变量word的长度

for ((i=0;i<${#word};i )) do echo ${word:i:1); done

unix grep linux 编程算法

0 人点赞