查看原文
其他

超全的 Linux Shell 文本处理工具集锦,快收藏

程序猿DD 2020-10-16
点击上方蓝色“程序猿DD”,选择“设为星标”
回复“资源”获取独家整理的学习资料!
作者 | 大CC
来源 | www.cnblogs.com/me15/p/3427319.html


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;
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;

01 find 文件查找

1 查找txt和pdf文件
  1. find . ( -name "*.txt"-o -name "*.pdf") -print

2 正则方式查找.txt和pdf
  1. find . -regex ".*(.txt|.pdf)$"

-iregex:忽略大小写的正则
3 否定参数
查找所有非txt文本
  1. find . ! -name "*.txt"-print

4 指定搜索深度
打印出当前目录的文件(深度为1)
  1. find . -maxdepth 1-type f

5 定制搜索
按类型搜索:
  1. find . -type d -print //只列出所有目录

  2. -type f 文件 / l 符号链接

按时间搜索:
  1. -atime 访问时间 (单位是天,分钟单位则是-amin,以下类似)


  2. -mtime 修改时间 (内容被修改)


  3. -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:
  1. find . -atime 7-type f -print

按大小搜索:
w字 k M G
寻找大于2k的文件
  1. find . -type f -size +2k

按权限查找:
  1. find . -type f -perm 644-print //找具有可执行权限的所有文件

按用户查找:
  1. find . -type f -user weber -print// 找用户weber所拥有的文件

6 找到后的后续动作
删除:
删除当前目录下所有的swp文件:
  1. find . -type f -name "*.swp"-delete

执行动作(强大的exec)
  1. 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:
  1. find . -type f -mtime +10-name "*.txt"-exec cp {} OLD ;

7 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;
  1. -exec ./commands.sh {} ;

-print的定界符
默认使用' '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;

02 grep 文本搜索

  1. 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


  1. 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

1 在多级目录中对文本递归搜索(程序员搜代码的最爱):
  1. grep "class". -R -n

2 匹配多个模式
  1. grep -e "class"-e "vitural" file

3 grep输出以作为结尾符的文件名:(-z)
  1. grep "test" file* -lZ| xargs -0 rm

4 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
  1. cat file.txt| xargs

是多行文本间的定界符
将单行转化为多行输出
  1. 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 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:
  1. 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
  1. find source_dir/ -type f -name "*.cpp"-print0 |xargs -0 wc -l

03 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:
  1. sort -nrk 1 data.txt

  2. sort -bd data // 忽略像空格之类的前导空白字符

04 uniq 消除重复行

消除重复行
  1. sort unsort.txt | uniq

统计各行在文件中出现的次数
  1. sort unsort.txt | uniq -c

找出重复行
  1. 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

05 用 tr 进行转换

通用用法
  1. echo 12345| tr '0-9''9876543210'//加解密转换,替换对应字符

  2. cat text| tr ' '' '//制表符转空格

tr删除字符
  1. cat file | tr -d '0-9'// 删除所有数字

-c 求补集
  1. cat file | tr -c '0-9'//获取文件中所有数字

  2. cat file | tr -d -c '0-9 '//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
  1. 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:]
  1. eg: tr '[:lower:]''[:upper:]'

06 cut 按列切分文本

截取文件的第2列和第4列:
  1. cut -f2,4 filename

去文件除第3列的所有列:
  1. cut -f3 --complement filename

-d 指定定界符:
  1. 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:
  1. cut -c1-5 file //打印第一到5个字符

  2. cut -c-2 file //打印前2个字符

07 paste 按列拼接文本

将两个文本按列拼接到一起;
  1. cat file1


  2. 1

  3. 2


  4. cat file2


  5. colin

  6. book


  7. paste file1 file2


  8. 1 colin

  9. 2 book

默认的定界符是制表符,可以用-d指明定界符
  1. paste file1 file2 -d ","


  2. 1,colin

  3. 2,book

08 wc 统计行和字符的工具

  1. wc -l file // 统计行数

  2. wc -w file // 统计单词数

  3. wc -c file // 统计字符数

09 sed 文本替换利器

首处替换
  1. seg 's/text/replace_text/' file //替换每一行的第一处匹配的text

全局替换
  1. 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:
  1. seg -i 's/text/repalce_text/g' file

移除空白行:
  1. sed '/^$/d' file

变量转换
已匹配的字符串通过标记&来引用.
  1. echo this is en example | seg 's/w+/[&]/g'


  2. $>[this] [is] [en] [example]

子串匹配标记
第一个匹配的括号内容使用标记 来引用
  1. sed 's/hello([0-9])//'

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:
  1. 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;
  1. eg:

  2. p=patten

  3. r=replaced

  4. echo "line con a patten"| sed "s/$p/$r/g"

  5. $>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
  1. sed 's/^.{3}/&//g' file

10 awk 数据流处理工具

awk脚本结构
  1. 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;
  1. echo -e "line1 line2"| awk 'BEGIN{print "start"} {print } END{ print "End" }'

print 以逗号分割时,参数以空格定界;
  1. echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3";

  2. print var1, var2 , var3; }'

  3. $>v1 V2 v3

使用-拼接符的方式(""作为拼接符);
  1. echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3";

  2. print var1"-"var2"-"var3; }'

  3. $>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;

  1. 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个字段:
  1. awk '{print $2, $3}' file

统计文件的行数:
  1. awk ' END {print NR}' file

累加每一行的第一个字段:
  1. echo -e "1 2 3 4 "| awk 'BEGIN{num = 0 ;

  2. print "begin";} {sum += $1;} END {print "=="; print sum }'

传递外部变量
  1. var=1000

  2. echo | awk '{print vara}' vara=$var # 输入来自stdin

  3. 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
  1. awk 'NR < 5'#行号小于5

  2. awk 'NR==1,NR==4 {print}' file #行号等于1和4的打印出来

  3. awk '/linux/'#包含linux文本的行(可以用正则表达式来指定,超级强大)

  4. 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)
  1. 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;
  1. echo | awk '{"grep root /etc/passwd" | getline cmdout; print cmdout }'

在awk中使用循环
  1. for(i=0;i<10;i++){print $i;}

  2. for(i in array){print array[i];}

eg:
以逆序的形式打印行:(tac命令的实现)
  1. seq 9|


  2. awk '{lifo[NR] = $0; lno=NR}


  3. END{ for(;lno>-1;lno--){print lifo[lno];}


  4. } '

awk实现head、tail命令
  1. head:

  2. awk 'NR<=10{print}' filename

  1. tail:

  2. awk '{buffer[NR%10] = $0;} END{for(i=0;i<11;i++){

  3. print buffer[i %10]} } ' filename

打印指定列
awk方式实现:
  1. ls -lrt | awk '{print $6}'

cut方式实现
  1. ls -lrt | cut -f6

打印指定文本区域
确定行号
  1. seq 100| awk 'NR==4,NR==6{print}'

确定文本
打印处于startpattern 和endpattern之间的文本;
  1. awk '/start_pattern/, /end_pattern/' filename

  1. eg:

  2. seq 100| awk '/13/,/15/'

  3. cat /etc/passwd| awk '/mai.*mail/,/news.*news/'

awk常用内建函数
  1. index(string,search_string):返回search_string在string中出现的位置

  2. sub(regex,replacement_str,string):将正则匹配到的第一处内容替换为replacement_str;

  3. match(regex,string):检查正则表达式是否能够匹配字符串;

  4. length(string):返回字符串长度

  1. 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:
  1. seq 10| awk '{printf "->%4s ", $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
  1. while read line;

  2. do

  3. echo $line;

  4. done< file.txt

改成子shell:
  1. cat file.txt | (while read line;do echo $line;done)

awk法:
  1. cat file.txt| awk '{print}'

2.迭代一行中的每一个单词
  1. for word in $line;

  2. do

  3. echo $word;

  4. done

 
 3. 迭代每一个字符
${string:startpos:numof_chars}:从字符串中提取一个字符;(bash文本切片)${#word}:返回变量word的长度
  1. for((i=0;i<${#word};i++))

  2. do

  3. echo ${word:i:1);

  4. done

- END -


往期推荐

Redis为什么变慢了?常见延迟问题定位与分析

为什么 GROUP BY 之后不能直接引用原表中的列?

Java开发中Websocket的技术选型参考

为什么MySQL不推荐使用uuid或者雪花id作为主键?

用鸿蒙跑了个 “hello world”!鸿蒙开发初体验


我们在星球聊了很多深度话题,你不来看看?
我的星球是否适合你?
点击阅读原文看看我们都聊过啥?

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存