Linux文本处理三剑客

1. grep

文本过滤(模式：pattern)工具，grep, egrep, fgrep（不支持正则表达式搜索）

grep [OPTIONS] PATTERN [FILE...]

• --color=auto 对匹配到的文本着色显示
• -v 显示不被pattern匹配到的行
• -i 忽略字符大小写
• -n 显示匹配的行号
• -c 统计匹配的行数
• -o 仅显示匹配到的字符串
• -q 静默模式，不输出任何信息
• -A # after, 后#行
• -B # before, 前#行
• -C # context, 前后各#行
• -e 实现多个选项间的逻辑or关系
  grep –e ‘cat ’ -e ‘dog’ file
• -w 匹配整个单词
• -E 使用ERE,相当于egrep
• -F 相当于fgrep，不支持正则表达式

---

2. sed

sed是一种流编辑器，它一次处理一行内容。处理时，把当前处理的行存储在临时缓冲区中，称为“模式空间”（pattern space），接着用sed命令处理缓冲区中的内容，处理完成后，把缓冲区的内容送往屏幕。然后读入下行，执行下一个循环。如果没有使诸如‘D’ 的特殊命令，那会在两个循环之间清空模式空间，但不会清空保留空间。这样不断重复，直到文件末尾。文件内容并没有改变，除非你使用重定向存储输出。

sed [option]... 'script' inputfile

1. 选项
   
   • -n 不输出模式空间内容到屏幕，即不自动打印
   • -e 多点编辑
   • -f /PATH/SCRIPT_FILE: 从指定文件中读取编辑脚本
   • -r 支持使用扩展正则表达式
   • -i.bak 备份文件并原处编辑
2. script 地址定界
   
   1. 不给地址：对全文进行处理
   2. 单地址：
      #: 指定的行，$：最后一行
      /pattern/：被此处模式所能够匹配到的每一行
   3. 地址范围：
      #,#
#,+#
/pat1/,/pat2/
      `#,/pat1/
   4. ~：步进
      1~2 奇数行
      2~2 偶数行
3. 编辑命令：
   
   • d 删除模式空间匹配的行，并立即启用下一轮循环
   • p 打印当前模式空间内容，追加到默认输出之后
   • a [\]text1 在指定行后面追加文本,支持使用\n实现多行追加
   • i [\]text 在行前面插入文本
   • c [\]text 替换行为单行或多行文本
   • w /path/somefile 保存模式匹配的行至指定文件
   • r /path/somefile 读取指定文件的文本至模式空间中匹配到的行后
   • = 为模式空间中的行打印行号
   • ! 模式空间中匹配行取反处理
   • s///：查找替换,支持使用其它分隔符，s@@@，s###
     替换标记：
     
     • g 行内全局替换
     • p 显示替换成功的行
     • w /PATH/TO/SOMEFILE 将替换成功的行保存至文件中

---

3. awk

报告生成器，格式化文本输出,有多种版本：New awk（nawk），GNU awk（ gawk）

awk [options] 'program' file…

1. program:pattern{action statements;..}
   
   1. pattern部分决定动作语句何时触发及触发事件
      BEGIN,END
   2. action statements对数据进行处理，放在{}内指明
      print, printf
2. 选项：
   -F 指明输入时用到的字段分隔符
   -v var=value 自定义变量
3. 分割符、域和记录
   awk执行时，由分隔符分隔的字段（域）标记 1, 1 , 2.. n称为域标识， n 称 为 域 标 识 ， 0为所有域。
   省略action，则默认执行 print $0 的操作。

4. 变量
   FS:输入字段分隔符；OFS：输出字段分隔符；RS：输入记录分隔符；ORS：输出记录分隔符；NF：字段数量；NR:记录号；NFR：各文件分别计数，记录号。FILENAME：当前文件名；ARGC：命令行的参数；ARGV：数组，保存的是命令行所给定的各参数。

   注意：以上都是内置变量，在引用时不需要前面加$，每新建一个变量，都需要加个-v,与变量名之间有无空格都可以，变量可以在引用之后再声明，但那一行的输出会输出空行。

5. printf命令
   printf “FORMAT” , item1, item2, ... 不会自动换行，FORMAT中需要分别为后面每个item指定格式符。

   • 格式符

   格式符	item表现形式
   %c	显示字符的ASCII码
   %d, %i	显示十进制整数
   %e, %E	显示科学计数法数值
   %f	显示为浮点数
   %g, %G	以科学计数法或浮点形式显示数值
   %s	显示字符串
   %u	无符号整数
   %%	显示%自身

   • 修饰符

   格式符	item表现形式
   #[.#]	第一个数字控制显示的宽度；第二个#表示小数点后精度，%3.1f
   -	左对齐（默认右对齐） %-15s
   +	显示数值的正负符号 %+d

6. 操作符

   • 算术操作符：x+y, x-y, x*y, x/y, x^y, x%y
     -x: 转换为负数
     +x: 转换为数值
   • 比较操作符：==, !=, >, >=, <, <=
   • 模式匹配符：~：左边是否和右边匹配包含 !~：是否不匹配
   • 逻辑操作符：与&&，或||，非!
   • 函数调用：function_name(argu1, argu2, ...)
   • 条件表达式（三目表达式）：selector?if-true-expression:if-false-expression
7. PATTERN:根据pattern条件，过滤匹配的行，再做处理
   
   1. 如果未指定：空模式，匹配每一行
   2. /regular expression/：仅处理能够模式匹配到的行，需要用/ /括起来
   3. relational expression: 关系表达式，结果为“真”才会被处理
   4. line ranges：行范围 startline,endline：/pat1/,/pat2/不支持直接给出数字格式
   5. BEGIN/END模式
8. awk控制语句
   
   • { statements;… } 组合语句
   • if(condition) {statements;…}
   • if(condition) {statements;…} else {statements;…}
   • while(conditon) {statments;…}
   • do {statements;…} while(condition)
   • for(expr1;expr2;expr3) {statements;…}
   • break
   • continue
   • delete array[index]
   • delete array
   • exit

awk [-F|-v] '行数筛选{XXX;XXX;printf “”,XXX,XXX}'