LinuxShell文本处理工具集锦

   2015-06-26 0
核心提示:Linux下的操作习惯不像windows一样可以有窗口进行操作,它是有很多不同的命令组成的,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;
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;

find 文件查找

•查找txt和pdf文件

复制代码
代码如下:
find . \( -name "*.txt" -o -name "*.pdf" \) -print

•正则方式查找.txt和pdf


复制代码
代码如下:
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

复制代码
代码如下:
find . ! -name "*.txt" -print

•指定搜索深度
打印出当前目录的文件(深度为1)

复制代码
代码如下:
find . -maxdepth 1 -type f

定制搜索
•按类型搜索:


复制代码
代码如下:
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:

复制代码
代码如下:
find . -atime 7 -type f -print

•按大小搜索:
w字 k M G
寻找大于2k的文件


复制代码
代码如下:
find . -type f -size +2k

按权限查找:


复制代码
代码如下:
find . -type f -perm 644 -print //找具有可执行权限的所有文件

按用户查找:


复制代码
代码如下:
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:


复制代码
代码如下:
find . -type f -name "*.swp" -delete

•执行动作(强大的exec)


复制代码
代码如下:
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:


复制代码
代码如下:
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;


复制代码
代码如下:
-exec ./commands.sh {} \;

-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;

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


复制代码
代码如下:
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):


复制代码
代码如下:
grep "class" . -R -n

•匹配多个模式


复制代码
代码如下:
grep -e "class" -e "vitural" file

•grep输出以\0作为结尾符的文件名:(-z)


复制代码
代码如下:
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
\n 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)
-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:


复制代码
代码如下:
cat file.txt | xargs -I {} ./command.sh -p {} -1

-0:指定\0为输入定界符
eg:统计程序行数


复制代码
代码如下:
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:


复制代码
代码如下:

sort -nrk 1 data.txt
sort -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


复制代码
代码如下:
sort unsort.txt | uniq

•统计各行在文件中出现的次数


复制代码
代码如下:
sort unsort.txt | uniq -c

•找出重复行


复制代码
代码如下:
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


复制代码
代码如下:

echo 12345 | tr '0-9' '9876543210' //加解密转换,替换对应字符
cat text| tr '\t' ' ' //制表符转空格

•tr删除字符


复制代码
代码如下:
cat file | tr -d '0-9' // 删除所有数字

-c 求补集


复制代码
代码如下:

cat file | tr -c '0-9' //获取文件中所有数字
cat file | tr -d -c '0-9 \n' //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


复制代码
代码如下:
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:]


复制代码
代码如下:
eg: tr '[:lower:]' '[:upper:]'

cut 按列切分文本
•截取文件的第2列和第4列:

复制代码
代码如下:
cut -f2,4 filename

•去文件除第3列的所有列:

复制代码
代码如下:
cut -f3 --complement filename

•-d 指定定界符:

复制代码
代码如下:
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:


复制代码
代码如下:

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;


复制代码
代码如下:

cat file1
1
2

cat file2
colin
book

paste file1 file2
1 colin
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

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


复制代码
代码如下:
seg 's/text/replace_text/' file //替换每一行的第一处匹配的text

•全局替换


复制代码
代码如下:
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:

复制代码
代码如下:
seg -i 's/text/repalce_text/g' file

•移除空白行:

复制代码
代码如下:
sed '/^$/d' file

•变量转换
已匹配的字符串通过标记&来引用


复制代码
代码如下:

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 \1 来引用

复制代码
代码如下:
sed 's/hello\([0-9]\)/\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:


复制代码
代码如下:
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;


复制代码
代码如下:

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:将文本中每行内容(PEKSHA) 转换为 PEK/SHA

复制代码
代码如下:
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;

复制代码
代码如下:
echo -e "line1\nline2" | awk 'BEGIN{print "start"} {print } END{ print "End" }'

•print 以逗号分割时,参数以空格定界;


复制代码
代码如下:

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);


复制代码
代码如下:

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;


复制代码
代码如下:
echo -e "line1 f2 f3\n line2 \n line 3" | awk '{print NR":"$0"-"$1"-"$2}'

•打印每一行的第二和第三个字段:

复制代码
代码如下:
awk '{print $2, $3}' file

•统计文件的行数:

复制代码
代码如下:
awk ' END {print NR}' file

•累加每一行的第一个字段:


复制代码
代码如下:

echo -e "1\n 2\n 3\n 4\n" | awk 'BEGIN{num = 0 ;
print "begin";} {sum += $1;} END {print "=="; print sum }'

传递外部变量


复制代码
代码如下:

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;


复制代码
代码如下:

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];}

eg:
以逆序的形式打印行:(tac命令的实现)


复制代码
代码如下:

seq 9| \
awk '{lifo[NR] = $0; lno=NR} \
END{ for(;lno&gt;-1;lno--){print lifo[lno];}
} '

awk实现head、tail命令
•head:

复制代码
代码如下:
awk 'NR&lt;=10{print}' filename

•tail:


复制代码
代码如下:

awk '{buffer[NR%10] = $0;} END{for(i=0;i&lt;11;i++){ \
print buffer[i %10]} } ' filename

打印指定列
•awk方式实现:

复制代码
代码如下:
ls -lrt | awk '{print $6}'

•cut方式实现

复制代码
代码如下:
ls -lrt | cut -f6

打印指定文本区域
•确定行号

复制代码
代码如下:
seq 100| awk 'NR==4,NR==6{print}'

•确定文本
打印处于start_pattern 和end_pattern之间的文本;


复制代码
代码如下:
awk '/start_pattern/, /end_pattern/' filename

eg:

复制代码
代码如下:

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


复制代码
代码如下:
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:


复制代码
代码如下:
seq 10 | awk '{printf "-&gt;%4s\n", $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

复制代码
代码如下:

while read line;
do
echo $line;
done &lt; 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


复制代码
代码如下:

for word in $line;
do
echo $word;
done

3. 迭代每一个字符
${string:start_pos:num_of_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


复制代码
代码如下:

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

 
反对 0举报 0 评论 0
 

免责声明:本文仅代表作者个人观点,与乐学笔记(本网)无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
    本网站有部分内容均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,若因作品内容、知识产权、版权和其他问题,请及时提供相关证明等材料并与我们留言联系,本网站将在规定时间内给予删除等相关处理.

  • windows10环境下安装Linux子系统---debian
    windows10环境下安装Linux子系统---debian
    windows10环境下安装Linux子系统---debian一、前提1、在控制面板-程序-启用与关闭Windows功能中,勾选“适用于Linux的Windows子系统”  2、首先需要创建一个文件夹,用来存放子系统,在需要的位置创建即可,文件夹名任意3、手动下载Windows子系统发行版包,
    03-08
  • 【强转】QEMU+GDB调试linux内核全过程
    【强转】QEMU+GDB调试linux内核全过程
    昨天更新了一篇名为《QEMU+GDB调试linux内核全过程》[link][https://blog.csdn.net/weixin_37867857/article/details/88138432]的博客,发现排版比较混乱,而且思维也比较混乱。咋一看下来简直是惨不忍睹,而且会给读者在安装过程中一种云里雾里的感觉,加上
    03-08
  • Linux下Bochs,NASM安装和使用 linux bom
    Linux下Bochs,NASM安装和使用 linux bom
    以Ubuntu为例,先更新一下:sudo apt-get updatesudo apt-get upgrade然后安装Bochs环境:sudo apt-get install build-essential xorg-dev libgtk2.0-dev安装NASMNASM官网下载,这以nasm-2.14.02.tar.gz为例:用tar zxvf nasm-2.14.02.tar.gz解压后编译安装cd
    03-08
  • 把玩Alpine linux(一):安装
    把玩Alpine linux(一):安装
    导读Alpine Linux是一个面向安全应用的轻量级Linux发行版。它采用了musl libc和busybox以减小系统的体积和运行时资源消耗,同时还提供了自己的包管理工具apk。Alpine 的内核都打了grsecurity/PaX补丁,并且所有的程序都编译为Position Independent Executabl
    03-08
  • 日志审计与分析实验三(rsyslog服务器端和客户端配置)(Linux日志收集)
    日志审计与分析实验三(rsyslog服务器端和客户
     Linux日志收集一、实验目的:1、掌握rsyslog配置方法2、配置rsyslog服务收集其他Linux服务器日志:C/S架构:客户端将其日志上传到服务器端,通过对服务器端日志的查询,来实现对其他客户端的日志进行集中管理;下面实现就是通过两套机器来实现,(server:19
    03-08
  • Linux学习系列--如何在Linux中进行文件的管理
    Linux学习系列--如何在Linux中进行文件的管理
    文件在常见的Linux的文件系统中,经常使用能了解到的文件管理系统是分为多个文件夹进行管理的。如何查看文件路径 pwd ,在文件目录中,会有一个点(.)代表的是当前目录,两个点(..)代表的是当前目录的上层目录在Linux下,所有以点开始的文件都是“隐藏文件
    03-08
  • [JetBrains] 我想在 Linux 上使用 macOS 键绑定!
    [JetBrains] 我想在 Linux 上使用 macOS 键绑定
    很高兴认识你,我的名字是kitakkun。我最近开始实习,是工程界的新手。顺便说一句,这是我的第一篇文章。你最喜欢的操作系统是什么?视窗?苹果系统?还是Linux?我将它们全部用于不同的目的,但感觉就像 macOS ≒ LinuxWindows。一两个月前,我最喜欢 Linux
    03-08
  • Linux使用nginx反向代理。可实现域名指向特定端
    在配置80指向域名的时候出现端口占用,使用kill -9无法杀死端口,应使用下面的命令来杀死进程killall -9 nginx(使用完本命令需要再把配置过的配置文件重新启动。命令写在了PS下面)后在root权限下的nginx的sbin下使用./nginx -t(命令重启nginx并检查是否有语
    02-13
  • 新换的 Fedora Core Linux 桌面,来秀一秀(多
    1、桌面、终端、文件浏览器,已经设置好字体、自动挂载硬盘,不是很麻烦2、即时通讯:QQ,Skype3、firefox4、D4X、BT、电驴5、开发工具:eclipse netbeans6、openoffice 大开 word 公式文档,输出 PDF7、小企鹅输入法,支持微软双拼8、星际译王,linux 下免费
    02-10
  • fedora linux源代码下载
    fedora linux源代码下载
    yumdownloader --source kernel如果是下载insight就是 yumdownloader --source insight下载到的是当前目录.然后在用rpm2cpio 生成 压缩文件rpm2cpio insight-7.4.50-8.20120403cvs.fc17.src.rpm|cpio -idrpm2cpio 的使用 在 http://www.rpm.org/max-rpm/s1-rp
    02-10
点击排行