Linux学习之文本处理命令(五)

---恢复内容开始---

Linux 系统之文本处理命令

(一)基于关键字搜索

(二)基于列处理文本

(三)文本统计

(四)文本排序

(五)删除重复行

(六)文本比较

(七)处理文本内容

(八)搜索替换

(一)基于关键字搜索

grep命令

用以基于关键字搜索文本

　　

语法

grep [OPTIONS] [关键字] [FILE]

OTPIONS

-i 在搜索的时候忽略大小写

-n 显示结果所在行数

-v 输出不带关键字的行

-Ax 在输出的时候包含结果所在行之后的指定行数
-Bx 在输出的时候包含结果所在行之前的指定行数

　　

应用举例

在 /root/test/test1文件中搜索含有read关键字的内容并输出

grep "read" /root/test/test1

下面这条命令也可以完成上条命令的功能（这里关键字不加双引号也行）

cat /root/test/test1 | grep "read"

在根目录下查找用户为hadoop的文件,只输出含有haige关键字的内容

find / -user hadoop | grep haige

　　

(二)基于列处理文本

cut命令

用以基于列处理文本内容

语法

cut [OPTIONS] [FILE]

　　

OPTIONS

-d 指定字段的分隔符，默认的字段分隔符为“TAB”

-b 按字节切割,仅显示行中指定直接范围的内容

-c 按字符切割,仅显示行中指定范围的字符

-f  显示指定字段的内容(对-c与 -b参数同样适用指定)

#：第#字段

#,#[,#]:离散的多个字段，例如1,3,6

混合使用:1-3,7

#- :从#开始字段、字节、字节之后的所有字段

-# :从开始到#字符、字段、字节

-n 与“-b” 选项连用，不分割多字节字符

-complement 选项提取指定字段之外的列

--out-delimiter=<字段分隔符> 指定输出内容是的字段分割符

--version 显示指令的版本信息

　　

应用举例

test文件

No Name Mark Percent

01 tom 69 91

02 jack 71 87

03 alex 68 98

输出test2文件每一行的前三个字符

cut -c1-3 test2

输出test2文件每一行的前五个字符

cut -c-5 test2

输出test2文件每一行的前五个字节

cut -b1-5 test2

　　

(三)文本统计

wc命令

收集文本统计数据。
计数单词总数，行总数，字节总数和字符总数

语法

wc [OPTIONS] [FILE]

OPTIONS

-l 只计数行数
-w 只计数单词总数
-c 只计数字节总数
-m 只计数字符总数
-L 显示文件中最长行的长度

　　

应用举例

wc -l test2

wc -w test2

wc -c test2

wc -m test2

wc -L test2

　　

(四)文本排序

sort命令

把整理过的文本显示在STDOUT,不改变原始文件

语法

 sort [OPTIONS] files

OPTIONS

-r : 执行反方向(由上至下)整理

-n : 执行按数字大小整理

-f : 选项忽略(FOLD)字符串中的字符大小写

-u : 选项(独特，unique)删除输出中的重复行

-t c : 选项使用c作为字段界定符

-k x : 选项按照使用c字符分隔X列来整理能够使用

-c : 检查文件是否已经按照顺序排序

　　

应用举例

按字母顺序排序

sort test2

按字母顺序的反方向排序

sort -r test2

　　

 

(五)删除重复行

uniq命令

用于检查及删除文本文件中重复出现的行列

　　

语法

uniq [OPTION] [FILE]

OPTIONS

-c:显示每行重复出现的次数
-d:仅显示重复过的行
-u:仅显示不曾重复的行

常和sort 命令一起配合使用：
sort userlist.txt | uniq -c

　　

应用举例

两种删除重复行的方法:
1.命令 sort -u 可以用以删除重复行

2.命令uniq 用以删除重复的相邻行

　　

(六)文本比较

diff命令

用以比较两个文件的区别

语法 

diff [OPTIONS] [FILE] [FILE]

OPTIONS

-<行数> 指定要显示多少行的文本。此参数必须与-c或-u参数一并使用

-b 忽略空格造成的不同

-B 忽略空行造成的不同

-r 比较子目录中的文件

-u 以合并的方式来显示文件内容的不同。多用于补丁

-y 可以将屏幕分成左右两部分，来比较两个文件之间的差异。

-a diff预设只会逐行比较文本文件；

-c 显示全部内容，并标出不同之处；

-n或–rcs 将比较结果以RCS的格式来显示

-N或–new-file 在比较目录时，若文件A仅出现在某个目录中，预设会显示：Only in目录，文件A 若使用-N参数，则diff会将文件A 与一个空白的文件比较；

-p 若比较的文件为C语言的程序码文件时，显示差异所在的函数名称-q或–brief 仅显示有无差异，不显示详细的信息
-q或–brief 仅显示有无差异，不显示详细的信息；

-x<文件名或目录>或–exclude<文件名或目录>  不比较选项中所指定的文件或目录；

-X<文件>或–exclude-from<文件>  您可以将文件或目录类型存成文本文件，然后在=<文件>中指定此文本文件；

-e 将比较的结果保存成一个ed脚本，之后ed程序可以执行该脚本文件，从而将file1修改成与file2的内容相同，这一般在patch的时候有用

　　

 应用举例

diff test1 test2

diff -y test1 test2

(七)处理文本内容

 tr命令

用以处理文本内容，可以非常容易地实现 sed 的许多最基本功能。您可以将 tr 看作为 sed 的（极其）简化的变体：它可以用一个字符来替换另一个字符，或者可以完全除去一些字符。您也可以用它来除去重复字符

　　

语法

tr [OPTIONS] ["string1_to_translate_from"] ["string2_to_translate_to"] < input_file

　　

OPTIONS

-c 用字符串1中字符集的补集替换此字符集，要求字符集为ASCII。
-d 删除字符串1中所有输入字符。
-s 删除所有重复出现字符序列，只保留第一个；即将重复出现字符串压缩为一个字符串。
input-file是转换文件名。虽然可以使用其他格式输入，但这种格式最常用

　　

字符范围

指定字符串1或字符串2的内容时，只能使用单字符或字符串范围或列表。
[a-z] a-z内的字符组成的字符串。
[A-Z] A-Z内的字符组成的字符串。
[0-9] 数字串。
\octal 一个三位的八进制数，对应有效的ASCII字符。
[O*n] 表示字符O重复出现指定次数n。因此[O*2]匹配OO的字符串。
tr中特定控制字符的不同表达方式
速记符含义八进制方式
\a Ctrl-G  铃声\007
\b Ctrl-H  退格符\010
\f Ctrl-L  走行换页\014
\n Ctrl-J  新行\012
\r Ctrl-M  回车\015
\t Ctrl-I  tab键\011
\v Ctrl-X  \030

　　

应用举例

1.删除
删除指定字符
tr -d 'TMD' < file
或者
cat file | tr -d 'TMD' >new_file

删除文件file中出现的换行'\n'、制表'\t'字符
cat file | tr -d "\n\t" > new_file

删除“连续着的”重复字母，只保留第一个
cat file | tr -s [a-zA-Z] > new_file

删除空行
cat file | tr -s "\n" > new_file

删除Windows文件“造成”的'^M'字符
# cat file | tr -d "\r" > new_file
或者
# cat file | tr -s "\r" "\n" > new_file
【注意】这里-s后面是两个参数"\r"和"\n"，用后者替换前者

2.替换
（小写 --> 大写）
cat file | tr [a-z] [A-Z] > new_file

（大写 --> 小写）
cat file | tr [A-Z] [a-z] > new_file

 (数字 --> 小写)
cat file | tr [0-9] [a-j] > new_file

用空格符\040替换制表符\011
cat file | tr -s "\011" "\040" > new_file

把路径变量中的冒号":"，替换成换行符"\n"
echo $PATH | tr -s ":" "\n"

　　

(八)搜索替换

sed命令

用以搜索并替换文本，sed是非交互式的编辑器。它不会修改文件，除非使用shell重定向来保存结果。默认情况下，所有的输出行都被打印到屏幕上。

　　

命令与选项

sed命令告诉sed如何处理由地址指定的各输入行，如果没有指定地址则处理所有的输入行。

　　

 选项

 -e	 进行多项编辑，即对输入行应用多条sed命令时使用
 -n	 取消默认的输出
 -f	 指定sed脚本的文件名

　　

sed命令

 a\  在当前行后添加一行或多行。多行时除最后一行外，每行末尾需用“\”续行

 c\ 用此符号后的新文本替换当前行中的文本。多行时除最后一行外，每行末尾需用"\"续行

 i\ 在当前行之前插入文本。多行时除最后一行外，每行末尾需用"\"续行

 d  删除行

 h 把模式空间里的内容复制到暂存缓冲区

 H 把模式空间里的内容追加到暂存缓冲区

 g 把暂存缓冲区里的内容复制到模式空间，覆盖原有的内容

 G 把暂存缓冲区的内容追加到模式空间里，追加在原有内容的后面

 l 列出非打印字符

 p 打印行

 n 读入下一输入行，并从下一条命令而不是第一条命令开始对其的处理

 q  结束或退出sed

 r  从文件中读取输入行

 !  对所选行以外的所有行应用命令

 s  用一个字符串替换另一个

 g 在行内进行全局替换

 w 将所选的行写入文件

 x 交换暂存缓冲区与模式空间的内容

 y 将字符替换为另一字符（不能对正则表达式使用y命令）

　　

正则表达式元字符

注意：与grep一样，sed也支持特殊元字符，来进行模式查找、替换。不同的是，sed使用的正则表达式是括在斜杠线"/"之间的模式

 ^	　　 　　行首定位符	　　　　　　　　 　　　　/^my/  匹配所有以my开头的行

 $      　　 　　行尾定位符       　　　　　　　　　　　　 /my$/  匹配所有以my结尾的行

 .　　　　 匹配除换行符以外的单个字符　　　　　　　　　　　　/m..y/  匹配包含字母m，后跟两个任意字符，再跟字母y的行

 *　　　　 匹配零个或多个前导字符　　　　　　　　　　　　　　/my*/  匹配包含字母m,后跟零个或多个y字母的行

 []       匹配指定字符组内的任一字符 　　　　　　　　　　　/[Mm]y/  匹配包含My或my的行

 [^]      匹配不在指定字符组内的任一字符                /[^Mm]y/  匹配包含y，但y之前的那个字符不是M或m的行

 \(..\)   保存已匹配的字符1,20s/\(you\)self/\1r/  标记元字符之间的模式，并将其保存为标签1，之后可以使用\1来引用它。最多可以定义9个标签，从左边开始编
号，最左边的是第一个。此例中，对第1到第20行进行处理，you被保存为标签1，如果发现youself，则替换为your。

 &        保存查找串以便在替换串中引用                 s/my/**&**/  符号&代表查找串。my将被替换为**my**

 \<       词首定位符                                 /\<my/  匹配包含以my开头的单词的行

 \>       词尾定位符                                 /my\>/  匹配包含以my开头的单词的行

 x\{m\}   连续m个x                                  /9\{5\}/ 匹配包含连续5个9的行

 x\{m,\}  至少m个x                                  /9\{5,\}/  匹配包含至少连续5个9的行

 x\{m,n\} 至少m个，但不超过n个x                       /9\{5,7\}/  匹配包含连续5到7个9的行

　　

应用举例

p命令

命令p用于显示模式空间的内容。默认情况下，sed把输入行打印在屏幕上，选项-n用于取消默认的打印操作。当选项-n和命令p同时出现时,sed可打印选定的内容。

sed '/my/p' datafile
#默认情况下，sed把所有输入行都打印在标准输出上。如果某行匹配模式my，p命令将把该行另外打印一遍。

sed -n '/my/p' datafile
#选项-n取消sed默认的打印，p命令把匹配模式my的行打印一遍。

　　

d命令

命令d用于删除输入行。sed先将输入行从文件复制到模式空间里，然后对该行执行sed命令，最后将模式空间里的内容显示在屏幕上。如果发出的是命令d，当前模式空间里的输入行会被删除，不被显示。

sed '$d' datafile
#删除最后一行，其余的都被显示

sed '/my/d' datafile
#删除包含my的行，其余的都被显示

　

s命令

sed 's/^My/You/g' datafile
#命令末端的g表示在行内进行全局替换，也就是说如果某行出现多个My，所有的My都被替换为You。

sed -n '1,20s/My$/You/gp' datafile
#取消默认输出，处理1到20行里匹配以My结尾的行，把行内所有的My替换为You，并打印到屏幕上。

sed 's#My#Your#g' datafile
#紧跟在s命令后的字符就是查找串和替换串之间的分隔符。分隔符默认为正斜杠，但可以改变。无论什么字符（换行符、反斜线除外），只要紧跟s命令，就成了新的串分隔符。

　　

e选项

-e是编辑命令，用于sed执行多个编辑任务的情况下。在下一行开始编辑前，所有的编辑动作将应用到模式缓冲区中的行上。

sed -e '1,10d' -e 's/My/Your/g' datafile
#选项-e用于进行多重编辑。第一重编辑删除第1-3行。第二重编辑将出现的所有My替换为Your。因为是逐行进行这两项编辑（即这两个命令都在模式空间的当前行上执行），所以编辑命令的顺序会影响结果。

　　

r命令

r命令是读命令。sed使用该命令将一个文本文件中的内容加到当前文件的特定位置上。

sed '/My/r introduce.txt' datafile
#如果在文件datafile的某一行匹配到模式My，就在该行后读入文件introduce.txt的内容。如果出现My的行不止一行，则在出现My的各行后都读入introduce.txt文件的内容。

　　

w命令

sed -n '/hrwang/w me.txt' datafile

　　

a\ 命令

a\ 命令是追加命令，追加将添加新文本到文件中当前行（即读入模式缓冲区中的行）的后面。所追加的文本行位于sed命令的下方另起一行。如果要追加的内容超过一行，则每一行都必须以反斜线结束，最后一行除外。最后一行将以引号和文件名结束。

sed '/^hrwang/a\
>hrwang and mjfan are husband\
>and wife' datafile
#如果在datafile文件中发现匹配以hrwang开头的行，则在该行下面追加hrwang and mjfan are husband and wife

　　

 i\ 命令

i\ 命令是在当前行的前面插入新的文本。

 c\ 命令

sed使用该命令将已有文本修改成新的文本。

n命令

sed使用该命令获取输入文件的下一行，并将其读入到模式缓冲区中，任何sed命令都将应用到匹配行紧接着的下一行上。

sed '/hrwang/{n;s/My/Your/;}' datafile

注：如果需要使用多条命令，或者需要在某个地址范围内嵌套地址，就必须用花括号将命令括起来，每行只写一条命令，或这用分号分割同一行中的多条命令。

y命令

该命令与UNIX/Linux中的tr命令类似，字符按照一对一的方式从左到右进行转换。例如，y/abc/ABC/将把所有小写的a转换成A，小写的b转换成B，小写的c转换成C。

sed '1,20y/hrwang12/HRWANG^$/' datafile
#将1到20行内，所有的小写hrwang转换成大写，将1转换成^,将2转换成$。
#正则表达式元字符对y命令不起作用。与s命令的分隔符一样，斜线可以被替换成其它的字符。

　

　

q命令

q命令将导致sed程序退出，不再进行其它的处理。

sed '/hrwang/{s/hrwang/HRWANG/;q;}' datafile

　　

h命令和g命令

#cat datafile
My name is hrwang.
Your name is mjfan.
hrwang is mjfan's husband.
mjfan is hrwang's wife.

sed -e '/hrwang/h' -e '$G' datafile
sed -e '/hrwang/H' -e '$G' datafile
#通过上面两条命令，你会发现h会把原来暂存缓冲区的内容清除，只保存最近一次执行h时保存进去的模式空间的内容。而H命令则把每次匹配hrwnag的行都追加保存在暂存缓冲区。
sed -e '/hrwang/H' -e '$g' datafile
sed -e '/hrwang/H' -e '$G' datafile
#通过上面两条命令，你会发现g把暂存缓冲区中的内容替换掉了模式空间中当前行的内容，此处即替换了最后一行。而G命令则把暂存缓冲区的内容追加到了模式空间的当前行后。此处即追加到了末尾。

　　

sed脚本

sed脚本就是写在文件中的一列sed命令。脚本中，要求命令的末尾不能有任何多余的空格或文本。如果在一行中有多个命令，要用分号分隔。执行脚本时，sed先将输入文件中第一行复制到模式缓冲区，然后对其执行脚本中所有的命令。每一行处理完毕后，sed再复制文件中下一行到模式缓冲区，对其执行脚本中所有命令。使用sed脚本时，不再用引号来确保sed命令不被shell解释。例如sed脚本script：

#handle datafile
3i\
~~~~~~~~~~~~~~~~~~~~~
3,$s/\(hrwang\) is \(mjfan\)/\2 is \1/
$a\
We will love eachother forever！！ 

　　

#sed -f script datafile
My name is hrwang
Your name is mjfan
~~~~~~~~~~~~~~~~~~~~~
mjfan is hrwang's husband.
mjfan is hrwang's wife.
We will love eachother forever！！