Linux Shell 文本处理工具集锦
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
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’ ’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
- 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)
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:
cat file.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.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
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 '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:]'
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
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
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
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"
$>line con a replaced
- 其它示例 字符串插入字符:将文本中每行内容(PEKSHA) 转换为 PEK/SHA
sed 's/^.{3}/&//g' file
awk 数据流处理工具
- awk脚本结构 awk ' BEGIN{ statements } statements2 END{ statements } '
- 工作方式 1.执行begin中语句块; 2.从文件或stdin中读入一行,然后执行statements2,重复这个过程,直到文件全部被读取完毕; 3.执行end语句块;
print 打印当前行
- 使用不带参数的print时,会打印当前行;
echo -e "line1nline2" | awk 'BEGIN{print "start"} {print } END{ print "End" }'
- print 以逗号分割时,参数以空格定界;
echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3";
print var1, var2 , var3; }'$>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 f3n 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 "1n 2n 3n 4n" | 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];}
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 "->%4sn", $1}'
迭代文件中的行、单词和字符
- 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
- 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++))
do
echo ${word:i:1);
done
Posted by: 大CC | 18NOV,2013 原文链接:http://www.cnblogs.com/me115/p/3427319.html
- hdu---(2604)Queuing(矩阵快速幂)
- centos7下卸载python后yum不能使用的恢复方法
- hdu---(5038)Grade(胡搞)
- shell生成随机字符的几种方法
- Python时间获取及转换
- spark streaming知识总结[优化]
- 让你真正明白spark streaming
- Centos7 firewalld防火墙基本操作
- Spark Sql系统入门4:spark应用程序中使用spark sql
- Flume+Kafka收集Docker容器内分布式日志应用实践
- CentOS7搭建ELK日志集中分析平台
- Centos安装sshfs实现挂载目录
- shell脚本监控磁盘使用率
- Python使用MD5加密字符串
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- 一文搞定插入排序算法
- LeetCode 107. 二叉树的层次遍历 II
- LeetCode 103. 二叉树的锯齿形层次遍历
- 我是怎么一步一步调试出来二叉树的遍历(超精彩配图),二叉树遍历再也不用愁了
- 重中之重的二分查找
- LeetCode 剑指Offer 面试题27. 二叉树的镜像
- 一文搞定选择排序算法
- 一文搞定冒泡排序算法
- 剑指Offer LeetCode 面试题25. 合并两个排序的链表
- LeetCode 20200601 打卡 1431. 拥有最多糖果的孩子
- 剑指Offer LeetCode 面试题24. 反转链表
- 剑指Offer LeetCode 面试题22. 链表中倒数第k个节点
- 剑指Offer LeetCode 面试题18. 删除链表的节点
- 剑指Offer LeetCode 面试题06. 从尾到头打印链表
- 最详细的docker中安装并配置redis