Linux Shell 文字處理工具集錦

本文將介紹Linux下使用Shell處理文字時最常用的工具：

find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk；

提供的例子和引數都是最常用和最為實用的；

我對shell指令碼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；

find 檔案查詢

• 查詢txt和pdf檔案

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

• 正則方式查詢.txt和pdf

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

  -iregex： 忽略大小寫的正則

• 否定引數查詢所有非txt文字

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

• 指定搜尋深度列印出當前目錄的檔案（深度為1）

    find . -maxdepth 1 -type f

定製搜尋

• 按型別搜尋：

    find . -type d -print  //只列出所有目錄

  -type f 檔案 / l 符號連結

• 按時間搜尋：-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 （後設資料或許可權變化）

  最近7天被訪問過的所有檔案：

    find . -atime 7 -type f -print

• 按大小搜尋：w字 k M G尋找大於2k的檔案

    find . -type f -size +2k

  按許可權查詢：

    find . -type f -perm 644 -print //找具有可執行許可權的所有檔案

  按使用者查詢：

    find . -type f -user weber -print// 找使用者weber所擁有的檔案

找到後的後續動作

• 刪除：刪除當前目錄下所有的swp檔案：

    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：{}是一個特殊的字串，對於每一個匹配的檔案，{}會被替換成相應的檔名；

  eg：將找到的檔案全都copy到另一個目錄：

    find . -type f -mtime +10 -name "*.txt" -exec cp {} OLD ;

• 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指令碼。然後 -exec 呼叫時執行指令碼即可；

    -exec ./commands.sh {} \;

-print的定界符

預設使用’n’作為檔案的定界符；

-print0 使用”作為檔案的定界符，這樣就可以搜尋包含空格的檔案；

grep 文字搜尋

grep match_patten file // 預設訪問匹配行

• 常用引數-o 只輸出匹配的文字行 VS -v 只輸出沒有匹配的文字行-c 統計檔案中包含文字的次數

    grep -c "text" filename

  -n 列印匹配的行號

  -i 搜尋時忽略大小寫

  -l 只列印檔名

• 在多級目錄中對文字遞迴搜尋(程式設計師搜程式碼的最愛）：

    grep "class" . -R -n

• 匹配多個模式

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

• grep輸出以作為結尾符的檔名：（-z）

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

xargs 命令列引數轉換

xargs 能夠將輸入資料轉化為特定命令的命令列引數；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| xargsn 是多行文字間的定界符
• 將單行轉化為多行輸出cat single.txt | xargs -n 3-n：指定每行顯示的欄位數

xargs引數說明

-d 定義定界符 （預設為空格 多行的定界符為 n）

-n 指定輸出為多行

-I {} 指定替換字串，這個字串在xargs擴充套件時會被替換掉,用於待執行的命令需要多個引數時

eg：

cat file.txt | xargs -I {} ./command.sh -p {} -1

-0：指定為輸入定界符

eg：統計程式行數

find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l

sort 排序

欄位說明：

-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.txt
sort -bd data // 忽略像空格之類的前導空白字元

uniq 消除重複行

• 消除重複行

    sort unsort.txt | uniq

• 統計各行在檔案中出現的次數

    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 比較字元數

用tr進行轉換

• 通用用法

    echo 12345 | tr '0-9' '9876543210' //加解密轉換，替換對應字元
    cat text| tr 't' ' '  //製表符轉空格

• tr刪除字元

    cat file | tr -d '0-9' // 刪除所有數字

  -c 求補集

    cat file | tr -c '0-9' //獲取檔案中所有數字
    cat file | tr -d -c '0-9 n'  //刪除非數字資料

• tr壓縮字元tr -s 壓縮文字中出現的重複字元；最常用於壓縮多餘的空格

    cat file | tr -s ' '

• 字元類tr中可用各種字元類：alnum：字母和數字alpha：字母

  digit：數字

  space：空白字元

  lower：小寫

  upper：大寫

  cntrl：控制（非可列印）字元

  print：可列印字元

  使用方法：tr [:class:] [:class:]

    eg: tr '[:lower:]' '[:upper:]'

cut 按列切分文字

• 擷取檔案的第2列和第4列：

    cut -f2,4 filename

• 去檔案除第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個欄位到結尾-M 第1個欄位為MN-M N到M個欄位
• cut 取的單位-b 以位元組為單位-c 以字元為單位-f 以欄位為單位（使用定界符）
• eg:

    cut -c1-5 file //列印第一到5個字元
    cut -c-2 file  //列印前2個字元

paste 按列拼接文字

將兩個文字按列拼接到一起;

cat file1
1
2

cat file2
colin
book

paste file1 file2
1 colin
2 book

預設的定界符是製表符，可以用-d指明定界符

paste file1 file2 -d “,”

1,colin

2,book

wc 統計行和字元的工具

wc -l file // 統計行數

wc -w file // 統計單詞數

wc -c file // 統計字元數

sed 文字替換利器

• 首處替換

    seg 's/text/replace_text/' file   //替換每一行的第一處匹配的text

• 全域性替換

     seg 's/text/replace_text/g' file

  預設替換後，輸出替換後的內容，如果需要直接替換原檔案,使用-i：

    seg -i 's/text/repalce_text/g' file

• 移除空白行：

    sed '/^$/d' file

• 變數轉換已匹配的字串通過標記&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 1 來引用

    sed 's/hello([0-9])/1/'

• 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樣式和替換字串中指定變數；

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

• 其它示例字串插入字元：將文字中每行內容（PEKSHA） 轉換為 PEK/SHA

    sed 's/^.{3}/

awk 資料流處理工具

• awk指令碼結構awk ‘ BEGIN{ statements } statements2 END{ statements } ‘
• 工作方式1.執行begin中語句塊；2.從檔案或stdin中讀入一行，然後執行statements2，重複這個過程，直到檔案全部被讀取完畢；3.執行end語句塊；

print 列印當前行

• 使用不帶引數的print時，會列印當前行;

    echo -e "line1nline2" | awk 'BEGIN{print "start"} {print } END{ print "End" }'

• print 以逗號分割時，引數以空格定界;

  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

特殊變數： 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:表示欄位數量，在執行過程總對應當前行的欄位數；

$0:這個變數包含執行過程中當前行的文字內容；

$1:第一個欄位的文字內容；

$2:第二個欄位的文字內容；

echo -e "line1 f2 f3n line2 n line 3" | awk '{print NR":"$0"-"$1"-"$2}'

• 列印每一行的第二和第三個欄位：

    awk '{print $2, $3}' file

• 統計檔案的行數：

    awk ' END {print NR}' file

• 累加每一行的第一個欄位：

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

傳遞外部變數

var=1000
echo | awk '{print vara}' vara=$var #  輸入來自stdin
awk '{print vara}' vara=$var file # 輸入來自檔案

用樣式對awk處理的行進行過濾

awk ‘NR awk ‘NR==1,NR==4 {print}’ file #行號等於1和4的列印出來

awk ‘/linux/’ #包含linux文字的行（可以用正規表示式來指定，超級強大）

awk ‘!/linux/’ #不包含linux文字的行

設定定界符

使用-F來設定定界符（預設為空格）

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數cmdout中；

echo | awk '{"grep root /etc/passwd" | getline cmdout; print cmdout }'

在awk中使用迴圈

for(i=0;ifor(i in array){print array[i];}

eg:

以逆序的形式列印行：(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

列印指定列

• awk方式實現：

    ls -lrt | awk '{print $6}'

• cut方式實現

    ls -lrt | cut -f6

列印指定文字區域

• 確定行號

    seq 100| awk 'NR==4,NR==6{print}'

• 確定文字列印處於start_pattern 和end_pattern之間的文字；

    awk '/start_pattern/, /end_pattern/' filename

  eg:

  seq 100 | awk '/13/,/15/'
  cat /etc/passwd| awk '/mai.*mail/,/news.*news/'

awk常用內建函式

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):檢查正規表示式是否能夠匹配字串；

length(string)：返回字串長度

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 "->%4sn", $1}'

迭代檔案中的行、單詞和字元

1. 迭代檔案中的每一行

• while 迴圈法

  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. 迭代每一個字元

${string:start_pos:num_of_chars}：從字串中提取一個字元；(bash文字切片）

${#word}:返回變數word的長度

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