[[184581]]

本文將介紹Linux下使用Shell處理文本時最常用的工具：

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

提供的例子和參數都是最常用和最為實用的;

我對shell腳本使用的原則是命令單行書寫，盡量不要超過2行;

如果有更為復雜的任務需求，還是考慮python吧;

find 文件查找

• 查找txt和pdf文件

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

• 正則方式查找.txt和pdf

find . -regex ".*\(\.txt|\.pdf\)$" 

-iregex： 忽略大小寫的正則

• 否定參數

查找所有非txt文本

find . ! -name "*.txt" -print 

• 指定搜索深度

打印出當前目錄的文件(深度為1)

find . -maxdepth 1 -type f 

定制搜索

• 按類型搜索：

find . -type d -print //只列出所有目錄 

-type f 文件 / l 符號鏈接

• 按時間搜索：

-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 (元數據或權限變化)

• 最近7天被訪問過的所有文件：

find . -atime 7 -type f -print 

• 按大小搜索： 

w字 k M G

尋找大于2k的文件

find . -type f -size +2k 

按權限查找：

find . -type f -perm 644 -print //找具有可執行權限的所有文件 

按用戶查找：

find . -type f -user weber -print// 找用戶weber所擁有的文件 

找到后的后續動作

• 刪除：

刪除當前目錄下所有的swp文件：

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：{}是一個特殊的字符串，對于每一個匹配的文件，{}會被替換成相應的文件名;

eg：將找到的文件全都copy到另一個目錄：

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

• 結合多個命令tips:

如果需要后續執行多個命令，可以將多個命令寫成一個腳本。然后 -exec 調用時執行腳本即可; 

-exec ./commands.sh {} \; 

-print的定界符

默認使用'\n'作為文件的定界符;

-print0 使用'\0'作為文件的定界符，這樣就可以搜索包含空格的文件;

grep 文本搜索

grep match_patten file // 默認訪問匹配行

• 常用參數

-o 只輸出匹配的文本行 VS -v 只輸出沒有匹配的文本行

-c 統計文件中包含文本的次數

grep -c "text" filename 

-n 打印匹配的行號

-i 搜索時忽略大小寫

-l 只打印文件名

• 在多級目錄中對文本遞歸搜索(程序員搜代碼的最愛)：

grep "class" . -R -n 

• 匹配多個模式

grep -e "class" -e "vitural" file 

• grep輸出以\0作為結尾符的文件名：(-z)

grep "test" file* -lZ| xargs -0 rm 

xargs 命令行參數轉換

xargs 能夠將輸入數據轉化為特定命令的命令行參數;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| xargs

\n 是多行文本間的定界符

• 將單行轉化為多行輸出cat single.txt | xargs -n 3

-n：指定每行顯示的字段數

xargs參數說明

-d 定義定界符 (默認為空格 多行的定界符為 \n)

-n 指定輸出為多行

-I {} 指定替換字符串，這個字符串在xargs擴展時會被替換掉,用于待執行的命令需要多個參數時

eg：

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

-0：指定\0為輸入定界符

eg：統計程序行數

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

sort 排序

字段說明：

-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符 

 

uniq 消除重復行

• 消除重復行

sort unsort.txt | uniq 

• 統計各行在文件中出現的次數

sort unsort.txt | uniq -c 

• 找出重復行

ort unsort.txt | uniq -d 

可指定每行中需要比較的重復內容：-s 開始位置 -w 比較字符數

用tr進行轉換

• 通用用法

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

• tr刪除字符

cat file | tr -d '0-9' // 刪除所有數字 

• -c 求補集

cat file | tr -c '0-9' //獲取文件中所有數字 
 
cat file | tr -d -c '0-9 \n' //刪除非數字數據  

• tr壓縮字符

tr -s 壓縮文本中出現的重復字符;最常用于壓縮多余的空格

cat file | tr -s ' ' 

• 字符類

tr中可用各種字符類：

alnum：字母和數字

alpha：字母

digit：數字

space：空白字符

lower：小寫

upper：大寫

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 取的范圍

N- 第N個字段到結尾

-M 第1個字段為M

N-M N到M個字段

• cut 取的單位

-b 以字節為單位

-c 以字符為單位

-f 以字段為單位(使用定界符)

• eg:

cut -c1-5 file //打印第一到5個字符 
 
cut -c-2 file //打印前2個字符  

paste 按列拼接文本

將兩個文本按列拼接到一起;

cat file1 
 
1 
 
2 
 
cat file2 
 
colin 
 
book 
 
paste file1 file2 
 
1 colin 
 
2 book  

默認的定界符是制表符，可以用-d指明定界符

paste file1 file2 -d ","

1,colin

2,book

wc 統計行和字符的工具

wc -l file // 統計行數

wc -w file // 統計單詞數

wc -c file // 統計字符數

sed 文本替換利器

• 首處替換

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

• 全局替換

seg 's/text/replace_text/g' file 

• 默認替換后，輸出替換后的內容，如果需要直接替換原文件,使用-i：

seg -i 's/text/repalce_text/g' file 

• 移除空白行：

sed '/^$/d' file 

• 變量轉換

已匹配的字符串通過標記&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

ed通常用單引號來引用;也可使用雙引號，使用雙引號后，雙引號會對表達式求值：

sed 's/$var/HLLOE/' 

當使用雙引號時，我們可以在sed樣式和替換字符串中指定變量;

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：將文本中每行內容(PEKSHA) 轉換為 PEK/SHA

sed 's/^.\{3\}/&\//g' file 

awk 數據流處理工具

• awk腳本結構

awk ' BEGIN{ statements } statements2 END{ statements } '

• 工作方式

1.執行begin中語句塊;

2.從文件或stdin中讀入一行，然后執行statements2，重復這個過程，直到文件全部被讀取完畢;

3.執行end語句塊;

print 打印當前行

• 使用不帶參數的print時，會打印當前行;

echo -e "line1\nline2" | awk 'BEGIN{print "start"} {print } END{ print "End" }' 

• print 以逗號分割時，參數以空格定界;

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  

特殊變量： 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:表示字段數量，在執行過程總對應當前行的字段數;

$0:這個變量包含執行過程中當前行的文本內容;

$1:第一個字段的文本內容;

$2:第二個字段的文本內容;

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個字段：

awk '{print $2, $3}' file 

• 統計文件的行數：

awk ' END {print NR}' file 

• 累加每一行的第一個字段：

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

傳遞外部變量

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

用樣式對awk處理的行進行過濾

awk 'NR < 5' #行號小于5

awk 'NR==1,NR==4 {print}' file #行號等于1和4的打印出來

awk '/linux/' #包含linux文本的行(可以用正則表達式來指定，超級強大)

awk '!/linux/' #不包含linux文本的行

設置定界符

使用-F來設置定界符(默認為空格)

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量cmdout中;

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

在awk中使用循環

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  

打印指定列

• awk方式實現：

ls -lrt | awk '{print $6}' 

• cut方式實現

ls -lrt | cut -f6 

打印指定文本區域

• 確定行號

seq 100| awk 'NR==4,NR==6{print}' 

• 確定文本

打印處于start_pattern 和end_pattern之間的文本;

awk '/start_pattern/, /end_pattern/' filename 

eg:

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

awk常用內建函數

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):檢查正則表達式是否能夠匹配字符串;

length(string)：返回字符串長度

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 "->%4s\n", $1}' 

迭代文件中的行、單詞和字符

1. 迭代文件中的每一行

• while 循環法

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. 迭代每一個字符

${string:start_pos:num_of_chars}：從字符串中提取一個字符;(bash文本切片)

${#word}:返回變量word的長度

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