最全的 Linux Shell 文本处理工具集锦 – Maple in Rain
首页 > IT > 最全的 Linux Shell 文本处理工具集锦

最全的 Linux Shell 文本处理工具集锦

Posted on

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 . -maxdepth1-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）
  3. -mtime 修改时间 （内容被修改）
  5. -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 . -atime7-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 -perm644-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 -0rm

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 -n3

-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 -0wc -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 -nrk1data.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. echo12345| 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 -f2,4filename

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 -c1-5file //打印第一到5个字符
  2. cut -c-2file //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
  3. 1
  4. 2
  6. cat file2
  8. colin
  9. book
  11. paste file1 file2
  13. 1colin
  14. 2book

默认的定界符是制表符，可以用-d指明定界符

  1. paste file1 file2 -d","
  3. 1,colin
  4. 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'
  3. $>[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(iinarray){print array[i];}

eg:以逆序的形式打印行：(tac命令的实现）

  1. seq9|
  3. awk'{lifo[NR] = $0; lno=NR}
  5. END{ for(;lno>-1;lno--){print lifo[lno];}
  7. } '

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. seq100| 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. seq100| 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. seq10| 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. whileread line;
  2. do
  3. echo $line;
  4. done< file.txt

改成子shell:

  1. cat file.txt | (whileread line;doecho $line;done)

awk法：

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

2.迭代一行中的每一个单词

  1. forwordin$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
Total Page Visits: 703 - Today Page Visits: 1

Leave a Reply

Your email address will not be published. Required fields are marked *