关于shell:建议收藏超全的-Linux-Shell-文本处理工具集锦

本文将介绍 Linux 下应用 Shell 解决文本时最罕用的工具：find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk；提供的例子和参数都是最罕用和最为实用的；对 shell 脚本应用的准则是命令单行书写，尽量不要超过 2 行；如果有更为简单的工作需要，还是思考 python 吧.

1、find 文件查找

查找 txt 和 pdf 文件

find . (-name "*.txt" -o -name "*.pdf") -print

正则形式查找.txt 和 pdf

find . -regex  ".*(.txt|.pdf)$"
#-iregex：疏忽大小写的正则

否定参数: 查找所有非 txt 文本

find . ! -name "*.txt" -print

指定搜寻深度: 打印出当前目录的文件（深度为 1）

find . -maxdepth 1 -type f

定制搜寻

# 按类型搜寻：find . -type d -print  // 只列出所有目录
#按工夫搜寻：-atime 拜访工夫 ( 单位是天，分钟单位则是 -amin，以下相似）-mtime 批改工夫（内容被批改）-ctime 变动工夫（元数据或权限变动）最近 7 天被拜访过的所有文件：find . -atime 7 -type f -print
#按大小搜寻：寻找大于 2k 的文件
find . -type f -size +2k
#按权限查找：find . -type f -perm 644 -print // 找具备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 所领有的文件

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（弱小的 exec）find . -type f -user root -exec chown weber {} ; // 将当前目录下的所有权变更为 weber
注：{} 是一个非凡的字符串，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 ;

联合多个命令 tips: 如果须要后续执行多个命令，能够将多个命令写成一个脚本。而后 -exec 调用时执行脚本即可；

-exec ./commands.sh {} ;
#-print 的定界符

• 默认应用 ’ ‘ 作为文件的定界符；
• -print0 应用 ” 作为文件的定界符，这样就能够搜寻蕴含空格的文件；

2、grep 文本搜寻

grep match_patten file // 默认拜访匹配行

罕用参数:

• -o 只输入匹配的文本行 VS -v 只输入没有匹配的文本行
• -c 统计文件中蕴含文本的次数

grep -c “text” filename

• n 打印匹配的行号
• i 搜寻时疏忽大小写
• l 只打印文件名

在多级目录中对文本递归搜寻 (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 输入以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 可能将输出数据转化为特定命令的命令行参数；这样，能够配合很多命令来组合应用。比方 grep，比方 find；

将多行输入转化为单行输入

cat file.txt| xargs

• 是多行文本间的定界符
• 将单行转化为多行输入

cat single.txt | xargs -n 3
#-n：指定每行显示的字段数

xargs 参数阐明

• -d 定义定界符（默认为空格 多行的定界符为）
• -n 指定输入为多行
• -I {} 指定替换字符串，这个字符串在 xargs 扩大时会被替换掉, 用于待执行的命令须要多个参数时

cat file.txt | xargs -I {} ./command.sh -p {} -1
#-0：指定为输出定界符
#统计程序行数
find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l

3、sort 排序

字段阐明：

• -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

sort -nrk 1 data.txt
sort -bd data // 疏忽像空格之类的前导空白字符

4、uniq 打消反复行

打消反复行

sort unsort.txt | uniq

统计各行在文件中呈现的次数

sort unsort.txt | uniq -c

找出反复行

sort unsort.txt | uniq -d

可指定每行中须要比拟的反复内容：-s 开始地位 -w 比拟字符数

5、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 ''' '  // 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'  // 删除非数字数据

tr 压缩字符

tr -s 压缩文本中呈现的反复字符；最罕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：管制（非可打印）字符
• print：可打印字符

 应用办法：tr [:class:] [:class:]
eg: tr 
'[:lower:]''[:upper:]'

6、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 取的范畴

• 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（应用定界符）

cut -c1-5 file // 打印第一到 5 个字符
cut -c-2 file  // 打印前 2 个字符

7、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
1colin
2 book

默认的定界符是制表符，能够用 - d 指明定界符

paste file1 file2 -d ","
1,colin
2,book

8、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

9、sed 文本替换利器

首处替换

sed 's/text/replace_text/'file   // 替换每一行的第一处匹配的 text

全局替换

sed 's/text/replace_text/g' file

默认替换后，输入替换后的内容，如果须要间接替换原文件, 应用 -i：

sed -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 & 来援用.

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应用标记 来援用

sed 's/hello([0-9])//'

双引号求值

• sed 通常用单引号来援用；也可应用双引号，应用双引号后，双引号会对表达式求值：
• sed ‘s/$var/HLLOE/’ 当应用双引号时，咱们能够在 sed 款式和替换字符串中指定变量；

p=patten
r=replaced
echo "line con a patten"| sed "s/$p/$r/g"
$>line con a replaced

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

10、awk 数据流解决工具

awk 脚本构造

awk 'BEGIN{statements} statements2 END{statements}'

工作形式

• 1. 执行 begin 中语句块；
• 2. 从文件或 stdin 中读入一行，而后执行 statements2，反复这个过程，直到文件全副被读取结束；
• 3. 执行 end 语句块；

print 打印以后行, 应用不带参数的 print 时，会打印以后行;

echo -e "line1 line2"| awk 'BEGIN{print"start"} {print} END{print"End"}'
#print 以逗号宰割时，参数以空格定界;
echo | awk '{var1 ="v1"; var2 ="V2"; var3="v3";
print var1, var2 , var3; }'
$>v1 V2 v3
#应用 - 拼接符的形式（"" 作为拼接符）;
echo | awk '{var1 ="v1"; var2 ="V2"; var3="v3";
print var1"-"var2"-"var3; }'
$>v1-V2-v3

非凡变量：NR NF 1 $2

• NR: 示意记录数量，在执行过程中对该当前行号；
• NF: 示意字段数量，在执行过程总对该当前行的字段数；
• $0: 这个变量蕴含执行过程中以后行的文本内容；
• $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 line2 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 2 3 4"| awk 'BEGIN{num = 0 ;print"begin";} {sum += $1;}END {print"=="; print sum}'   
#传递内部变量
var=1000
echo | awk '{print vara}' vara=$var #输出来自 stdin
awk '{print vara}' vara=$var file # 输出来自文件

用款式对 awk 解决的行进行过滤

awk 'NR < 5' #行号小于 5
awk 'NR==1,NR==4 {print}' file #行号等于 1 和 4 的打印进去
awk '/linux/'  #蕴含 linux 文本的行（能够用正则表达式来指定，超级弱小）awk '!/linux/'  #不蕴含 linux 文本的行

设置定界符

应用 - F 来设置定界符（默认为空格）

awk -F: '{print $NF}'/etc/passwd

读取命令输入

应用 getline，将内部 shell 命令的输入读入到变量 cmdout 中；

echo | awk '{"grep root /etc/passwd"| getline cmdout; print cmdout}'

在 awk 中应用循环

for (i=0;i<10;i++){print $i;}
for (i in array){print array[i];}

以逆序的模式打印行：(tac 命令的实现）

seq 9|awk '{lifo[NR] = $0; lno=NR}END{for(;lno>-1;lno--){print lifo[lno];}}'

awk 实现 head、tail 命令

head:
 awk 'NR<=10{print}' filename
tail:
  awk '{buffer[NR%10] = $0;} END{for(i=0;i<11;i++){print buffer[i %10]} } ' filename

打印指定列

#awk 形式实现：ls -lrt | awk 
'{print $6}'
#cut 形式实现
ls -lrt | cut -f6

打印指定文本区域

# 确定行号
seq 100| awk 'NR==4,NR==6{print}'
#确定文本
打印处于 startpattern 和 endpattern 之间的文本；awk '/start_pattern/, /end_pattern/' filename
seq 100| awk '/13/,/15/'
cat /etc/passwd| awk '/mai.*mail/,/news.*news/'

awk 罕用内建函数

• index(string,search_string): 返回 search_string 在 string 中呈现的地位 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): 查看正则表达式是否可能匹配字符串；
• length(string)：返回字符串长度

echo | awk '{"grep root /etc/passwd"| getline cmdout; print length(cmdout) }'
#printf 相似 c 语言中的 printf，对输入进行格式化
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
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

for word in $line;
do
echo $word;
done

1. 迭代每一个字符 {#word}: 返回变量 word 的长度

for ((i=0;i<${#word};i++))
do
echo ${word:i:1);
done

作者 | 大 CC
起源 | www.cnblogs.com/me15/p/3427319.html