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
-iregex: 忽略大小写的正则
查找所有非txt文本
打印出当前目录的文件(深度为1)
定制搜索
find . -type d -print //只列出所有目录 -type f 文件 / l 符号链接
-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)
w字 k M G 寻找大于2k的文件
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
删除当前目录下所有的swp文件:
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:
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;
-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
-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
-n 打印匹配的行号 -i 搜索时忽略大小写 -l 只打印文件名
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。
\n 是多行文本间的定界符
-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:
-0:指定\0为输入定界符 eg:统计程序行数
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 -bd data // 忽略像空格之类的前导空白字符 uniq 消除重复行
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
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
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 -s 压缩文本中出现的重复字符;最常用于压缩多余的空格
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:]
cut 按列切分文本
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
-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。
默认的定界符是制表符,可以用-d指明定界符
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
seg 's/text/replace_text/' file //替换每一行的第一处匹配的text
seg 's/text/replace_text/g' file
已匹配的字符串通过标记&来引用.
第一个匹配的括号内容使用标记 \1 来引用
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:
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:
字符串插入字符:将文本中每行内容(PEKSHA) 转换为 PEK/SHA
awk 数据流处理工具
awk ' BEGIN{ statements } statements2 END{ statements } '
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
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; $2:第二个字段的文本内容;
传递外部变量 var=1000 echo | awk '{print vara}' vara=$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)
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。
在awk中使用循环
eg: 以逆序的形式打印行:(tac命令的实现)
awk实现head、tail命令
打印指定列
打印指定文本区域
确定文本 打印处于start_pattern 和end_pattern之间的文本。
eg:
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
printf 类似c语言中的printf,对输出进行格式化 eg:
迭代文件中的行、单词和字符 1.迭代文件中的每一行
改成子shell:
2.迭代一行中的每一个单词
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
【编辑推荐】 【责任编辑:武晓燕 TEL:(010)68476606】 点赞 12 |
|