Linux Shell 文本处理工具集锦--Awk―sed―cut(row-based, column-based),find、grep、xargs、sort、uniq、tr、cut、paste、wc
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;
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
1
find
. ( -name
"*.txt"
-o -name
"*.pdf"
) -print
- 正则方式查找.txt和pdf
1
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1find
. ! -name
"*.txt"
-print
- 指定搜索深度
打印出当前目录的文件(深度为1)1find
. -maxdepth 1 -
type
f
定制搜索
- 按类型搜索:
1
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:1find
. -atime 7 -
type
f -print
- 按大小搜索:
w字 k M G
寻找大于2k的文件1find
. -
type
f -size +2k
按权限查找:
1find
. -
type
f -perm 644 -print
//
找具有可执行权限的所有文件
按用户查找:
1find
. -
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:1find
. -
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:1find
. -
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;1-
exec
.
/commands
.sh {} \;
-print的定界符
默认使用’n'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;
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1grep
-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):
1
grep
"class"
. -R -n
- 匹配多个模式
1
grep
-e
"class"
-e
"vitural"
file
- grep输出以作为结尾符的文件名:(-z)
1
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:
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 |
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
2
|
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
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
用tr进行转换
- 通用用法
12
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
1
cat
file
|
tr
-d
'0-9'
//
删除所有数字
-c 求补集
12cat
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
cat file | tr -cs '0-9' '\n'
- tr删除字符
- 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1cat
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:]1eg:
tr
'[:lower:]'
'[:upper:]'
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:
12
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;
1
2
3
4
5
6
7
8
9
10
11
|
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
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:
1seg -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.12echo
this is en example | seg
's/\w+/[&]/g'
$>[this] [is] [en] [example]
- 子串匹配标记
第一个匹配的括号内容使用标记 1 来引用1sed
's/hello([0-9])/1/'
- 双引号求值
sed通常用单引号来引用;也可使用双引号,使用双引号后,双引号会对表达式求值:1sed
's/$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;
12345eg:
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/SHA1sed
's/^.{3}/
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;
1
echo
-e
"line1nline2"
|
awk
'BEGIN{print "start"} {print } END{ print "End" }'
- print 以逗号分割时,参数以空格定界;
123
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);
123
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;
1
|
echo -e "line1 f2 f3n line2 n 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:
12
echo
-e
"1n 2n 3n 4n"
|
awk
'BEGIN{num = 0 ;
print
"begin"
;} {
sum
+= $1;} END {print
"=="
; print
sum
}'
传递外部变量
1
2
3
|
var=1000 echo | awk '{print vara}' vara=$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 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;
1
|
echo | awk '{"grep root /etc/passwd" | getline cmdout; print cmdout }' |
在awk中使用循环
for(i=0;ifor(i in array){print array[i];}
eg:
以逆序的形式打印行:(tac命令的实现)
1
2
3
4
|
seq 9| awk '{lifo[NR] = $0; lno=NR} END{ for (;lno>-1;lno--){print lifo[lno];} } ' |
awk实现head、tail命令
- head:
1
awk
'NR<=10{print}'
filename
- tail:
12
awk
'{buffer[NR%10] = $0;} END{
for
(i=0;i<11;i++){ \
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start_pattern 和end_pattern之间的文本;1awk
'/start_pattern/, /end_pattern/'
filename
eg:
12seq
100 |
awk
'/13/,/15/'
cat
/etc/passwd
|
awk
'/mai.*mail/,/news.*news/'
awk常用内建函数
index(string,search_string):返回search_string在string中出现的位置
sub(regex,replacement_str,string):将正则匹配到的第一处内容替换为replacement_str;
match(regex,string):检查正则表达式是否能够匹配字符串;
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 "->%4sn", $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
123456
while
read
line;
do
echo
$line;
done
<
file
.txt
改成子shell:
cat
file
.txt | (
while
read
line;
do
echo
$line;
done
)
- awk法:
cat file.txt| awk ‘{print}’
2.迭代一行中的每一个单词
1
2
3
4
|
for word in $line; do echo $word; done |
3. 迭代每一个字符
${string:start_pos:num_of_chars}:从字符串中提取一个字符;(bash文本切片)
${#word}:返回变量word的长度
1
2
3
4
|
for ((i=0;i<${ #word};i++)) do echo ${word:i:1); done |
Linux Shell 文本处理工具集锦--Awk―sed―cut(row-based, column-based),find、grep、xargs、sort、uniq、tr、cut、paste、wc的更多相关文章
- Linux Shell 文本处理工具集锦 zz
内容目录: find 文件查找 grep 文本搜索 xargs 命令行参数转换 sort 排序 uniq 消除重复行 用tr进行转换 cut 按列切分文本 paste 按列拼接文本 wc 统计行和字符 ...
- Linux Shell 文本处理工具集锦
本文将介绍Linux下使用Shell处理文本时最常用的工具:find.grep.xargs.sort.uniq.tr.cut.paste.wc.sed.awk:提供的例子和参数都是最常用和最为实用的: ...
- [转] Linux Shell 文本处理工具集锦
内容目录: find 文件查找 grep 文本搜索 xargs 命令行参数转换 sort 排序 uniq 消除重复行 用tr进行转换 cut 按列切分文本 paste 按列拼接文本 wc 统计行和字符 ...
- Linux Shell 文本处理工具集锦(转载)
内容目录: find 文件查找 grep 文本搜索 xargs 命令行参数转换 sort 排序 uniq 消除重复行 用tr进行转换 cut 按列切分文本 paste 按列拼接文本 wc 统计行和字符 ...
- Linux Shell 文本处理工具集锦【转】
转自:http://www.cnblogs.com/me115/p/3427319.html 内容目录: find 文件查找 grep 文本搜索 xargs 命令行参数转换 sort 排序 uniq ...
- Linux shell文本处理工具
搞定Linux Shell文本处理工具,看完这篇集锦就够了 Linux Shell是一种基本功,由于怪异的语法加之较差的可读性,通常被Python等脚本代替.既然是基本功,那就需要掌握,毕竟学习She ...
- awk、sed、grep三大shell文本处理工具之awk的应用
awk 1.是什么 是一个编程语言.支持变量.数组.函数.流程控制(if...else/for/while) 单行程序语言. 2.工作流程 读取file.标准输入.管道给的数据,从第一行开始读取,逐行 ...
- Linux Shell 文本处理工具
Linux下使用Shell处理文本时最常用的工具: find.grep.xargs.sort.uniq.tr.cut.paste.wc.sed.awk: 提供的例子和参数都是最常用和最为实用的: 我对 ...
- Linux的文本处理工具浅谈-awk sed grep
Linux的文本处理工具浅谈 awk 老大 [功能说明] 用于文本处理的语言(取行,过滤),支持正则 NR代表行数,$n取某一列,$NF最后一列 NR==20,NR==30 从20行到30行 FS ...
随机推荐
- jquer WdatePicker 使用 手册
1. 跨无限级框架显示 无论你把日期控件放在哪里,你都不需要担心会被外层的iframe所遮挡进而影响客户体验,因为My97日期控件是可以跨无限级框架显示的 示例2-7 跨无限级框架演示 可无限跨越框架 ...
- Linux下C语言的调试
调试是每个程序员都会面临的问题. 如何提高程序员的调试效率, 更好更快地定位程序中的问题从而加快程序开发的进度, 是大家共同面对的问题. 可能Windows用户顺口就会说出:用VC呗 :-) , 它提 ...
- 改进cocos2dx中lua读ccb的方法
cocos2dx自带的CCBProxy真弱,还好提供了一个CCBReaderLoader.lua,但是也不好用, 于是修改了一下CCBReaderLoader,下面直接贴代码了. function N ...
- 关于love2d教程的更新
实在抱歉,每周工作六天,一天13小时以上,周日想休息一下,love2d的估计一个月一篇都很难做到了. 三个月后公司的项目应该做完了,那时应该有时间了. love2d估计快发布0.9了,改动应该不是很大 ...
- Java单元测试学习
单元测试的好处 1. 让你写出更好的代码:职业高内聚.低耦合而且接口设计合理的代码才易于测试: 2. 让你在修改代码时更有信心. JUnit4 注解 @Test (expected = Excepti ...
- Tomcat性能优化(二) 启动参数设置
一.tomcat绿色版设置方法 进入tomcat/bin目录下,找到catalina.bat文件在文件首行中插入下面这段配置即可. set JAVA_OPTS=-server -Djava.awt.h ...
- PHP——简单的表单提交
<body> <form name="" method="post" action="CHULI.php"> < ...
- Linux编译安装PHP Mysql Nginx
安装gcc g++等编译器 yum -y install gcc gcc-c++ automake autoconf libtool glibc make 安装一些lnmp依赖的库 yum -y in ...
- list中存放map实例
list中存放map实例 2016年08月08日 18:46:14 阅读数:22279 List中存放Map遍历输出的实例 import java.util.ArrayList; import ...
- CRC16
http://www.stmcu.org/chudonganjin/blog/12-08/230184_515e6.html 1.循环校验码(CRC码): 是数据通信领域中最常用的一种差错校验码,其特 ...