Linux文本处理工具集锦
2016-03-28 11:31
477 查看
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;
查找txt和pdf文件
正则方式查找.txt和pdf
-iregex: 忽略大小写的正则
否定参数
查找所有非txt文本
指定搜索深度
打印出当前目录的文件(深度为1)
按类型搜索:
-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:
按大小搜索:
w字 k M G
寻找大于2k的文件
按权限查找:
按用户查找:
删除:
删除当前目录下所有的swp文件:
执行动作(强大的exec)
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:
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;
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 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
-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):
匹配多个模式
grep输出以作为结尾符的文件名:(-z)
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
-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:指定为输入定界符
eg:统计程序行数
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:
消除重复行
统计各行在文件中出现的次数
找出重复行
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
通用用法
tr删除字符
-c 求补集
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
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:]
截取文件的第2列和第4列:
去文件除第3列的所有列:
-d 指定定界符:
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:
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
paste file1 file2 -d “,”
1,colin
2,book
wc -l file // 统计行数
wc -w file // 统计单词数
wc -c file // 统计字符数
首处替换
全局替换
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:
移除空白行:
变量转换
已匹配的字符串通过标记&来引用.
子串匹配标记
第一个匹配的括号内容使用标记 1 来引用
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:
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;
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
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;
使用不带参数的print时,会打印当前行;
print 以逗号分割时,参数以空格定界;
使用-拼接符的方式(”"作为拼接符);
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;
打印每一行的第二和第三个字段:
统计文件的行数:
累加每一行的第一个字段:
awk ‘NR 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
使用-F来设置定界符(默认为空格)
awk -F: ‘{print $NF}’ /etc/passwd
使用getline,将外部shell命令的输出读入到变量cmdout中;
for(i=0;ifor(i in array){print array[i];}
eg:
以逆序的形式打印行:(tac命令的实现)
head:
tail:
awk方式实现:
cut方式实现
确定行号
确定文本
打印处于start_pattern 和end_pattern之间的文本;
eg:
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:
while 循环法
awk法:
cat file.txt| awk ‘{print}’
${string:start_pos:num_of_chars}:从字符串中提取一个字符;(bash文本切片)
${#word}:返回变量word的长度
find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk;
提供的例子和参数都是最常用和最为实用的;
我对shell脚本使用的原则是命令单行书写,尽量不要超过2行;
如果有更为复杂的任务需求,还是考虑python吧;
find 文件查找
查找txt和pdf文件find. ( -name "*.txt"-o -name "*.pdf") -print
正则方式查找.txt和pdf
find. -regex ".*(.txt|.pdf)$"
-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 -typef
定制搜索
按类型搜索:find. -typed -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 -typef -print
按大小搜索:
w字 k M G
寻找大于2k的文件
find. -typef -size +2k
按权限查找:
find. -typef -perm 644 -print //找具有可执行权限的所有文件
按用户查找:
find. -typef -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. -typef -name "*.swp"-delete
执行动作(强大的exec)
find. -typef -user root -execchown 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. -typef -mtime +10 -name "*.txt"-execcp {} 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:
catfile.txt | xargs-I {} ./command.sh -p {} -1
-0:指定为输入定界符
eg:统计程序行数
findsource_dir/ -typef -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sortunsort.txt | uniq
统计各行在文件中出现的次数
sortunsort.txt | uniq-c
找出重复行
sortunsort.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echo12345 | tr'0-9' '9876543210' //加解密转换,替换对应字符 cattext| tr't' ' ' //制表符转空格
tr删除字符
catfile | tr-d '0-9'// 删除所有数字
-c 求补集
catfile | tr-c '0-9'//获取文件中所有数字 catfile | 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
catfile | 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;catfile1 1 2 catfile2 colin book pastefile1 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.
echothis 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}/
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 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;ifor(i in array){print array[i];}eg:
以逆序的形式打印行:(tac命令的实现)
seq9| 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seq100| awk'NR==4,NR==6{print}'
打印处于start_pattern 和end_pattern之间的文本;
awk'/start_pattern/, /end_pattern/' filename
eg:
seq100 | 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:
seq10 | awk'{printf "->%4sn", $1}'
迭代文件中的行、单词和字符
1. 迭代文件中的每一行
while 循环法whileread line; do echo$line; done< file.txt 改成子shell: catfile.txt | (whileread line;doecho $line;done)
awk法:
cat file.txt| awk ‘{print}’
2.迭代一行中的每一个单词
forword in$line; do echo$word; done
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
for((i=0;i<${ #word};i++)) do echo${word:i:1); done
相关文章推荐
- centos中mysql无法显示中文问题
- linux 进程通信 IPC
- linux watchdog demo hacking
- CentOS 7 /RHEL 7: How To Change The System Locale
- 配置Linux日志文件
- linux下的 fork vfork和clone函数
- linux随生成机数
- Linux ulimit 系统资源控制
- linux 下 pac 使用
- linux 下 pac 使用
- Linux date命令
- Linux配置SSH免密码登陆
- linux 多线程的实现的基本原理
- linux c socket 并发 服务端
- Linux内核时间管理相关的接口
- 高性能Linux服务器 第11章 构建高可用的LVS负载均衡集群
- linux第六周
- CentOS下Radius服务器搭建
- Linux中的 僵尸进程 和 孤儿进程
- 在 Linux 上构建一个 RADIUS 服务器