常用文本处理命令

Linux中很多文本工具都使用到了正则表达式，正则表达式可以极大的简化linux系统管理工作，因为网上有很多正则相关的教程，所以这里不再讲述，我当时看的是菜鸟的正则表达式，看个一下午在实验几遍基本就会了，除了正向肯定预查，反向肯定预查这几个比较复杂一些，其他都是非常简单的，很多时候记不住也可以查询网上对着写，并不需要你实时记住。这里主要谈谈awk等用到正则表达式的文本处理工具。

一、awk

awk的指令必须包含在单引号中。

基本句式

awk -F'指定输入分隔符' 'BEGIN{做一些初始化工作} 一些过滤条件 {针对每行的工作}... END{最后收尾工作}'

中间的处理块可以有多个，通过过滤条件单每行都会走一遍过滤条件，其中BEGIN和END边只会执行一遍

过滤记录

1. awk '$30 && $6"LISTEN" ' netstat.txt
2. awk '$30 && $6"LISTEN" || NR==1 ' netstat.txt

指定分隔符

1. awk -F: '{print $1,$3,$6}' /etc/passwd等价于awk 'BEGIN{FS=":"} {print $1,$3,$6}' /etc/passwd
2. awk -F '[;:]' 指定多个分隔符
3. awk -F: '{print $1,$3,$6}' OFS="\t" /etc/passwd指定输出分隔符

需要注意的是上面print $1,$3,$6中的,被替换成了分隔符，如果是print $1$3$6则中间没有分隔符

特殊关键字：

1. NR 目前处理的行号
2. NF 当前处理的行一共用到的字段数目
3. FNR 目前处理的文件的行号（当处理多个文件时，NR会不停的累加，但如果是FNR则在处理新文件是从1开始）
4. FILENAME 文件名
5. $0 当前整行
6. FS 输入字段分隔符 默认是空格或Tab
7. RS 输入记录分隔符 默认为换行符
8. OFS 输出字段分隔符 默认是空格或Tab
9. ORS 输出记录分隔符 默认为换行符

正则

1. 普通匹配： awk'/hello/ {print}' test.sh
2. 匹配取反： awk '!/hello/ {print}' test.sh
3. 同时匹配： awk '/hello/ && /world/ {print}' test.sh
4. 或者匹配： awk '/hello/ || /world/ {print}' test.sh 也可以写成awk '/hello|world/ {print}' test.sh
5. 指定列匹配： awk '$5 ~ /hello/ {print}' test.sh
6. 指定列匹配取反： awk '$5 !~ /hello/ {print}' test.sh

输出到不同的文件

1. $ awk 'NR!=1{if($6 ~ /TIME|ESTABLISHED/) print > "1.txt"; else if($6 ~ /LISTEN/) print > "2.txt"; else print > "3.txt" }' netstat.txt
2. awk 'NR!=1{print > $6}' netstat.txt

其实使用了 >重定向,上例子使用了if语句

1. 统计数据： awk 'NR!=1{a[$6]++;} END {for (i in a) print i ", " a[i];}' netstat.txt
2. 行数筛选，开头和结尾的条件使用,分隔： awk '/test1/,/test2/ ' test.txt

和环境变量的交互

$ x=5
 
$ y=10
$ export y
 
$ echo $x $y
5 10
$ awk -v val=$x '{print $1, $2, $3, $4+val, $5+ENVIRON["y"]}' OFS="\t" score.txt
Marry   2143    78      89      87
Jack    2321    66      83      55
Tom     2122    48      82      81
Mike    2537    87      102     105
Bob     2415    40      62      72

二、grep

参数列表：

1. -w 匹配整个单词
2. -s 忽略文件不存在等报错
3. -l 仅列出匹配文件列表
4. -L 仅列出不匹配文件列表
5. -A 显示后的行数 如-1 匹配行的后1行
6. -B 显示前的行数 如-1 匹配行的前1行
7. -number 显示前后的行数 如-1 匹配行的前后1行
8. -n 打印行数
9. -c 仅显示个数
10. -v 反向
11. -o 仅显示匹配的内容
12. -E 则表示要使用EREs
13. -P 则表示要使用PREs

grep主要就是一个正则表达式的使用，其中需要注意正则有三种BREs、EREs和PREs。前两种不支持非贪婪匹配。grep默认是BREs，所以他?,+,|,{,},（,）这种字符都需要用\转义，另外他不支持\s，\S，\D，\d,\n等字符。

三、sed

sed命令在自动化脚本编写的过程还是经常用到的。

基本句式： sed -nfei [操作]

操作： n1,n2 动作

动作：

1. d： 删除
2. s： 替换，行内替换，行内匹配的字符串，如hello world该行替换hello为hi变成hi world
3. a和i： a增加在匹配的后面增加行 i增加在匹配的前面增加行
4. c ：替换，针对整行替换

例子：

1. sed -e 's/hello/hi/g':替换文本,-e可以省略
2. sed -e '1,2s/hello/hi/g' -e '3,4s/world/man/g:等价于sed -e '1,2s/hello/hi/g；3,4s/world/man/g
3. sed s/hello \(world\)/\1 hi/g':群组匹配，可以使用\n选择前面的群组

四、sort和uniq

sort参数

1. -r： 默认升序，-r表示反序
2. -u： 移除重复
3. -o： 重定向到文件，注意sort test.txt >test.txt不可用，因为> 是想清空文件，所以会导致文件在排序之前就清空了
4. -n： 默认按字符排序，如10小于2，-n表示按数字排序
5. -t： 指定分隔符
6. -k： 指明用哪一列来做排序
7. -b： 忽略每行前面开始出的空格字符

例子：

1. sort -t $'\t' -k 1 -u res.txt > res2.txt 以tab作为分隔符，按第一列排序并去重

uniq参数

需要注意uniq需要文本是有序的，所以一般使用uniq的时候是用更早sort的管道后面

1. -c：显示出现的次数
2. -d：仅显示重复出现行； 　　　
3. -u ：仅显示出一次的行列； 　　

说说sort|uniq 和sort -u,一直觉得很奇怪，两者有什么区别，功能是一样的。sort -u是后面加入的，所以很多人还是使用了sort|uniq， 目前推荐使用sort -u，因为还少了进程间通讯。

五、实战

处理以下文件内容,将域名取出并进行计数排序,如处理:

http://www.baidu.com/index.html
http: / / www.baidu.com/1.html
http://post.baidu.com/index.html
http://mp3.baidu.com/index.html
http://www.baidu.com/3.html
http://post.baidu.com/2.html
得到如下结果:
3 www.baidu.com
2 post.baidu.com
1 mp3.baidu.com

解法1：grep -Po '(?<=//)(.*?)(?=/)' test.txt |sort |uniq -c|sort -nr

1.利用了Perl，他支持非贪婪，2.利用了正向和反向预查（正向预查是后面的(?=)) 3.利用了-o参数只输出匹配的内容

解法2：awk -F/ '{print $3}' test.txt |sort |uniq -c|sort -nr

指明了分割符号 直接取对应值

解法3：sed 's/http:\/\/\([^/]*\).*/\1/' test.txt|sort |uniq -c|sort -nr

基本的正则中小括号需要转义，如果采用-r参数即扩展的正则小括号不用转义

解法4： sed -e 's/http:\/\///' -e 's/\/.*//' | sort | uniq -c | sort -rn

采用了替换，先替换前面的，在替换后面的

awk例子

需要注意awk不支持多维数组，采用了一种变通的方式，普通的使用没问题，但是如果需要存的值是一个map就不合适了，如下 文件 1-6列分别为deal od sum up lj day ，现在要计算sum up lj day 的累加和输出 输出也要是deal od sum up lj day也就是sum up lj day需要是一个map，不过awk做不到这点

{
    updealids:{
        od: {day,sum,up,lj}
        
    }
}
awk 'BEGIN{OFS="\t"}{result[$1,$3,"sum"]+=$4;result[$1,$3,"up"]+=$5;result[$1,$3,"lj"]+=$6;result[$1,$3,"day"]=$2}\
END{for ( i in result)   {split(i, a, SUBSEP); print result[i] ,a[1], a[2], a[3] }}'  *

参考资料：

1. AWK 简明教程
2. SED 简明教程

这篇文章就总结到这里，希望能够对你有所帮助！