linux文本常用shell工具

hyzqb

　　下面将介绍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；
　　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 -type f
　　

　　定制搜索

• 　　按类型搜索：
  

　　

  find . -type d -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 -type f -print
　　

• 　　按大小搜索：
  

　　w字 k M G
　　寻找大于2k的文件
　　

find . -type f -size +2k
　　

　　按权限查找：
　　

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

　　按用户查找：
　　

  find . -type f -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 . -type f -name "*.swp" -delete
　　

• 　　执行动作（强大的exec）
  

　　

  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：
　　find . -type f -mtime +10 -name "*.txt" -exec cp {} 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'\0'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\0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：
　　

cat file.txt | xargs -I {} ./command.sh -p {} -1
　　

　　-0：指定\0为输入定界符
　　eg：统计程序行数
　　

find source_dir/ -type f -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
  

　　

  sort unsort.txt | uniq
　　

• 　　统计各行在文件中出现的次数
  

　　

  sort unsort.txt | uniq -c
　　

• 　　找出重复行
  

　　

  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
　　用tr进行转换

• 　　通用用法
  

　　

  echo 12345 | tr '0-9' '9876543210' //加解密转换，替换对应字符
　　cat text| tr '\t' ' '  //制表符转空格
　　

• 　　tr删除字符
  

　　

  cat file | tr -d '0-9' // 删除所有数字
　　

• 　　-c 求补集
  

　　

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

  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:]
　　

  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;
　　

cat file1
　　1
　　2
　　cat file2
　　colin
　　book
　　paste file1 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.
　　

echo this 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\}/&\//g' file
　　

　　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 "line1\nline2" | 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 f3\n 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 "1\n 2\n 3\n 4\n" | 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 < 5' #行号小于5
　　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;i