专注于操作系统、网络、存储、安全、大数据与云计算、集群、基础组件等

理想很美好,现实很残酷,坚持在路上,只因初心仍存

史上最全的 Linux Shell 文本处理工具集锦,快收藏!

《史上最全的 Linux Shell 文本处理工具集锦,快收藏!》

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

 

    1. -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)

 

    1.  

 

    1. -mtime 修改时间 (内容被修改)

 

    1.  

 

    1. -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

 

    1. 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

 

    1. 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

 

    1. 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

 

    1. 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

 

    1.  

 

    1. 1

 

    1. 2

 

    1.  

 

    1. cat file2

 

    1.  

 

    1. colin

 

    1. book

 

    1.  

 

    1. paste file1 file2

 

    1.  

 

    1. 1 colin

 

    1. 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 ","

 

    1.  

 

    1. 1,colin

 

    1. 2,book

 

08 wc 统计行和字符的工具

    1. wc -l file // 统计行数

 

    1. wc -w file // 统计单词数

 

    1. 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'

 

    1.  

 

    1. $>[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:

 

    1. p=patten

 

    1. r=replaced

 

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

 

    1. $>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";

 

    1. print var1, var2 , var3; }'

 

    1. $>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";

 

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

 

    1. $>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 ;

 

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

 

传递外部变量

    1. var=1000

 

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

 

    1. 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

 

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

 

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

 

    1. 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;}

 

    1. 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|

 

    1.  

 

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

 

    1.  

 

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

 

    1.  

 

    1. } '

 

awk实现head、tail命令

    1. head:

 

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

 

    1. tail:

 

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

 

    1. 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:

 

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

 

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

 

awk常用内建函数

    1. index(string,search_string):返回search_stringstring中出现的位置

 

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

 

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

 

    1. 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;

 

    1. do

 

    1. echo $line;

 

    1. 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;

 

    1. do

 

    1. echo $word;

 

    1. 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++))

 

    1. do

 

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

 

    1. done
点赞

发表评论