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Shell脚本的过程中，还是能了解到很多Linux系统的内容。

Linux脚本大师不是人人都可以达到的，但是用一些简单的Shell实现一些常见的基本功能还是很有必要的。

下面我介绍Linux下使用Shell处理文本时最常用的工具：

1、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

   find . ! -name "*.txt" -print

指定搜索深度

  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：

  find . -atime 7 -type f -print

按大小搜索：

  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：

  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；

  find . -type f -mtime +10 -name "*.txt" -exec cp {} OLD ;

结合多个命令

  -exec ./commands.sh {} ;

-print的定界符

默认使用' '作为文件的定界符；

2、grep 文本搜索

grep match_patten file // 默认访问匹配行

常用参数VS -v 只输出没有匹配的文本行

  grep -c "text" filename

-n 打印匹配的行号

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输出以作为结尾符的文件名：（-z）

  grep "test" file* -lZ| xargs -0 rm

 3、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

将单行转化为多行输出

xargs参数说明

-d 定义定界符 （默认为空格 多行的定界符为 ）

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

-0：指定为输入定界符

find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l

 4、sort 排序

字段说明：

sort -nrk 1 data.txtsort -bd data // 忽略像空格之类的前导空白字符

 5、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

 6、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

  cat file | tr -s ' '

字符类

  eg: tr '[:lower:]' '[:upper:]'

 7、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

cut 取的单位

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

 8、paste 按列拼接文本

将两个文本按列拼接到一起;

cat file112cat file2colinbookpaste file1 file21 colin2 book

默认的定界符是制表符，可以用-d指明定界符

 9、wc 统计行和字符的工具

wc -l file // 统计行数

 10、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

echo this is en example | seg 's/w+/[&]/g'$>[this]  [is] [en] [example]

子串匹配标记

  sed 's/hello([0-9])//'

双引号求值

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

其它示例

  sed 's/^.{3}/&//g' file

 11、awk 数据流处理工具

awk脚本结构

工作方式

print 打印当前行

使用不带参数的print时，会打印当前行;

  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;

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；

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 }'

传递外部变量

var=1000echo | awk '{print vara}' vara=$var #  输入来自stdinawk '{print vara}' vara=$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

设置定界符

使用-F来设置定界符（默认为空格）

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<10;i++){print $i;}

eg:

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方式实现：

  ls -lrt | awk '{print $6}'

cut方式实现

  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

  awk '/start_pattern/, /end_pattern/' filename

eg:

seq 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

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

seq 10 | awk '{printf "->%4s
", $1}'

 12、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;doecho $line;done < file.txt改成子shell:cat file.txt | (while read line;do echo $line;done)

awk法：

2.迭代一行中的每一个单词

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）

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

来自：大CC

链接：http://www.cnblogs.com/me115/p/3427319.html