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；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.

1、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  
#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：  
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' '作為文件的定界符；
•  -print0 使用''作為文件的定界符，這樣就可以搜索包含空格的文件；

2、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 

• 是多行文本間的定界符
•  將單行轉化為多行輸 

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 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 

cat file.txt | xargs -I {} ./command.sh -p {} -1  
#-0：指定為輸入定界符  
#統計程序行數  
find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l 

3、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 

sort -nrk 1 data.txt  
sort -bd data // 忽略像空格之類的前導空白字符 

4、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 

sort 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

5、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 '    '' '  //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'  //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?。┳址?/li>
•  print：可打印字符 

使用方法：tr [:class:] [:class:]  
eg: tr   
'[:lower:]''[:upper:]' 

6、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 

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

7、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 
1colin  
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 

8、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 

9、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 來引用 

sed 's/hello([0-9])//' 

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； 

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

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 

10、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 line2"| 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 01 $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 line2 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 2 3 4 "| 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];} 

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startpattern 和endpattern之間的文本；  
awk '/start_pattern/, /end_pattern/' filename  
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  
seq 10| awk '{printf "->%4s ", $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{#word}:返回變量word的長度 

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