Linux shell文本处理工具

- 日理万妓 2021-12-09 16:23 253阅读 0赞

搞定Linux Shell文本处理工具，看完这篇集锦就够了

Linux Shell是一种基本功，由于怪异的语法加之较差的可读性，通常被Python等脚本代替。既然是基本功，那就需要掌握，毕竟学习Shell脚本的过程中，还是能了解到很多Linux系统的内容。

Linux脚本大师不是人人都可以达到的，但是用一些简单的Shell实现一些常见的基本功能还是很有必要的。

下面我介绍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；

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  
\-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  
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’\\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；

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\\0作为结尾符的文件名：（-z）

grep "test" file\* -lZ| xargs -0 rm  
 3、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：

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

find source\_dir/ -type f -name "\*.cpp" -print0 |xargs -0 wc -l  
 4、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.txt  
sort -bd data // 忽略像空格之类的前导空白字符  
 5、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

6、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 '\\t' ' '  //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 \\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

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 '\[:lower:\]' '\[:upper:\]'  
 7、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:

cut -c1-5 file //打印第一到5个字符  
  cut -c-2 file  //打印前2个字符  
 8、paste 按列拼接文本  
将两个文本按列拼接到一起;

cat file112cat file2  
colin  
book

paste file1 file21 colin2 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

9、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

10、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 \\1 来引用

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：

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=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

sed 's/^.\\\{3\\\}/&\\//g' file  
 11、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\\nline2" | 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\\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：

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\\n 2\\n 3\\n 4\\n" | awk 'BEGIN\{num = 0 ;  
  print "begin";\} \{sum += $1;\} END \{print "=="; print sum \}'  
传递外部变量  
var=1000echo | awk '\{print vara\}' vara=$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\[i\];\}

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\}' 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start\_pattern 和end\_pattern之间的文本；

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：

seq 10 | awk '\{printf "->%4s\\n", $1\}'  
 12、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 | (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  
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

for((i=0;i<$\{\#word\};i++))doecho $\{word:i:1);done

转载于:https://www.cnblogs.com/allmdzz/p/10984819.html