Shell编程笔记(高级2)文本过滤

Shell编程笔记(4)-文本过滤 作者: sunwill_chen 发表日期: 2007-01-30 17:17 文章属性: 原创 复制链接

1.正则表达式 （1）正则表达式一般用来描述文本模式的特殊用法，由普通字符（例如字符a-z）以及特殊字符（称为元字符，如/、*、?等）组成。 （2）基本元字符集及其含义 ^ ：只匹配行首。 如^a 匹配以a开头的行abc,a2e,a12,aaa,...... $ ：只匹配行尾。 如^a 匹配以a结尾的行bca,12a,aaa,....... * ：匹配0个或多个此单字符。 如(a)* 匹配 空，a,aa,aaa,.... [] ：只匹配[]内字符。可以是一个单字符，也可以是字符序列，用","将里面要匹配的不同字符串分开。也可以使用-来表示[]内字符序列的范围，如[1-5]表示[12345] / ：只用来屏蔽一个元字符的特殊含义。 如/*,/',/",/|,/+,/^,/. 等 。：（点）只匹配任意单字符。 pattern/{n/}：只用来匹配前面pattern出现的次数.n为次数。如a/{2/}匹配aa. pattern/{n,/}：含义同上，但次数最少为n.如a/{2,/}匹配aa,aaa,aaaa,..... pattern/{n,m/}：含义同上，但次数在n和m之间。如a/{2,4/}匹配aa,aaa,aaaa三个 (3)举例说明： ^$ ：匹配空行 ^.$ ：匹配包含一个字符的行 /*/.pas ：匹配以*.pas结尾的所有字符或文件 [0123456789]或[0-9] ：假定要匹配任意一个数字 [a-z] ：任意小写字母 [A-Za-z] ：任意大小写字母 [S,s] ：匹配大小写S [0-9]/{3/}/.[0-9]/{3/}/.[0-9]/{3/}/.[0-9]/{3/} ：匹配IP地址 [0-9]/{3/}三个0-9组成的字符串；/. ：匹配点（注意这里点是特殊的字符，所以要用"/"来屏蔽其含义） 2.find介绍 （1）查找具有某些特征文件的命令，可遍历当前目录甚至于整个文件系统来查看某些文件或目录，其遍历大的文件系统时一般放在后台执行。 （2）find命令的一般形式 find pathname -options [-print -exec -ok] -pathname :find命令所查找的目录路径。如用"."来表示当前的目录，用/来表示系统根目录 -print :find命令将匹配的文件输出到标准输出 -exec: find命令对匹配的文件执行该参数所给出的shell命令，相应的命令形式为 'command'{} /; (注意{}和/之间的空格) -ok 和 -exec的作用相同，只不过以一种更为安全的模式来执行该参数所给出的shell命令，在执行每一个命令之前，都会给出提示，让用户来确定是否执行。 options有如下几种： -name ：按照文件名查找文件 -perm ：按照文件权限来查找文件 -user ：按照文件属主来查找文件 -group ：按照文件所属的组来查找文件 -mtime -n +n 按照文件的更改时间来查找文件，-n表示文件更改时间距现在n天以内，+n表示文件更改时间距现在n天以前。find命令还有-atime 和-ctime选项，但它们都和-mtime选项相似。 -size n[c]查找文件长度为n块的文件，带有c时表示文件长度以字节计。 -nogroup 查找无有效所属组的文件，即该文件所属的组在/etc/groups中不存在 -newer file1 !file2查找更改时间比文件file1新但比文件file2旧的文件 -depth 先查找指定目录有无匹配文件，若无则再在子目录中查找 -type 查找某一类型的文件，如 b :块设备文件 d：目录 e：字符设备文件 p；管道文件 l：符号链接文件 f：普通文件 （3）find命令举例 find -name "*.txt" -print 查找txt结尾的文件并输出到屏幕上 find /cmd ".sh" -print 查找/cmd目录下所有sh文件，并输出 find . -perm 755 -print 查找当前目录下权限为755的文件，并输出 find `pwd` -user root -print 查找当前目录下属主为root的文件，并输出 find ./ -group sunwill -print 查找当前目录下所属主是sunwill的文件 find /var -mtime -5 -print 查找/var目录下更改时间为5天内的所有文件 find /var -mtime +5 -print 查找/var目录下更改时间为5天以前的所有文件 find /var -newer "myfile1" ! -newer "myfile2" -print 查找/var目录下比myfile1新，但是比myfile2旧的所有文件。 find /var -type d -print 查找/var目录下所有目录 find /var -type l -print 查找/var目录下所有的符号链接文件。 find . -size +1000000c -print 查找当前目录下大于1000000字节的文件 find / -name "con.file" -depth -print 查找根目录下有无"con.file",若无则在其子目录中查找 find . -type f -exec ls -l {} /; 查找当前目录下是否有普通文件，若有则执行ls -l （4）xargs命令 在使用find命令的-exec选项处理匹配到的文件时，find命令将所有匹配到的文件一起传递给exec。不幸的是，有些系统对能够传递给exec的命令长度有限制，这样find命令运行几分钟之后就算出现溢出错误。错误信息通常是“参数列太长”或“参数列溢出”。这就是xargs的用处所在，特别是与find命令一起使用,exec会发起多个进程，而xargs会多个，只有一个 find ./ -perm -7 -print | xargs chmod o-w 查找权限为7的文件并传递给chmod处理 3.grep介绍 (1)grep 的一般格式为 grep [options] 基本正则表达式 [文件] 字符串参数最好采用是双引号括，一是以防被误解为shell命令，二是可以用来查找多个单词组成的字符串 -c：只输出匹配行的记数 -i：不区分大小写（只适用于单个字符） -h：查询多个文件时不显示文件名 -H：只显示文件名 -l：查询多文件时只输出包含匹配字符的文件名 -n：只显示匹配行及其行号 -s：不显示不存在或无匹配文本的错误信息。 -v：显示不包含匹配文本的所有行。 （2）举例说明： grep ^[^210] myfile 匹配myfile中以非2、1、0开头的行 grep "[5-8][6-9][0-3]" myfile 匹配myfile中第一位为5|6|7|8，第二位6|7|8|9，第三位为0|1|2|3的三个字符的行 grep "4/{2,4/}" myfile 匹配myfile中含有44,444或4444的行 grep "/?" myfile匹配myfile中含有任意字符的行 （3）grep命令类名 [[:upper:]] 表示[A-Z] [[:alnum:]] 表示[0-9a-zA-Z] [[:lower:]] 表示[a-z] [[:space:]] 表示空格或者tab键 [[:digit:]] 表示[0-9] [[:alpha:]] 表示[a-zA-Z] 如：grep "5[[:digit:]][[:digit:]]" myfile 匹配myfile中含有5开头接下去两位都是数字的行。 4.awk介绍 可以从文件或字符串中基于指定规则浏览和抽取信息，是一种自解释的变成语言。 （1）awk命令行方式 awk [-F filed-spearator] 'command' input-files awk脚本：所有awk命令插入一个文件，并使awk程序可执行，然后用awk命令解释器作为脚本的首行，以便通过键入脚本名称来调用它。awk脚本是由各种操作和模式组成。 模式部分决定动作语句何时触发及触发事件。（BEGIN,END） 动作对数据进行处理，放在{}内指明（print） （2）分隔符、域和记录 awk执行时，其浏览域标记为$1,$2,...$n.这种方法成为域标识。$0为所有域。 （3）举例说明: awk '{print $0}' test.txt |tee test.out 输出test.txt中所有行$0表示所有域 awk -F : '{print $1} test.txt |tee test.out' 同上。。只是分隔符为":" awk 'BEGIN {print "IPDate/n"}{print $1 "/t" $4} END{print "end-of-report"}' test.txt 开始时打印“IPDate”结束时打印“end-of-report”中间打印主体信息，比如总共匹配三条信息，则输出如下： IPDate 1 first 2 second 3 third end-of-report （4）匹配操作符 ~ 匹配,!~ 不匹配 cat test.txt |awk '$0~/210.34.0.13/' 匹配test.txt中为210.34.0.13的行 awk '$0!~/210.34.0.13' test.txt 匹配test.txt中不是210.34.0.13的行 awk '{if($1=="210.34.0.13") print $0}' test.txt 匹配 test.txt中第一个域为210.34.0.13的行。 5.sed介绍 sed不与初始化文件打交道，它操作的只是一个拷贝，然后所有的改动如果没有重定向到一个文件，将输出到屏幕。 sed是一种很重要的文本过滤工具，使用一行命令或者使用管道与grep与awk相结合。是一种非交互性文本流编辑。 （1）调用sed的三种方式 使用sed命令行格式为：sed [options] sed命令 输入文件 使用sed脚本文件格式为：sed[options] -f sed脚本文件 输入文件 sed脚本文件[options] 输入文件 --不管是使用shell命令行方式或脚本文件方式，如果没有指定输入文件，sed从标准输入中接受输入，一般是键盘或重定向结果。 （2）sed 命令的options如下 -n：不打印 -c：下一命令是编辑命令 -f：如果正在调用sed脚本文件 （3）sed在文件中查询文本的方式 --使用行号，可以是一个简单的数字，或是一个行号的范围 --使用正则表达式 （4）读取文本的方式 x x为一行号 x,y 表示行号范围从x到y /pattern/ 查询包含模式的行 /pattern/pattern/ 查询包含两个模式的行 pattern/,x 在给定的行号上查询包含模式的行 x,/pattern/ 通过行号和模式查询匹配行 x,y! 查询不包含指定行号x和y的行 （5）基本sed编辑命令 p 打印匹配行 d 删除匹配行 = 显示文件行号 a/ 在定位行号后附加新文本信息 i/ 在定位行号后插入新文本信息 c/ 用新文本替换定位文本 s 使用替换模式替换相应模式 r 从另一个文件中读文件 w 写文本到一个文件 q 第一个模式匹配完成后推出或立即退出 l 显示与八禁止ASCII代码等价的控制字符 {} 在定位行执行的命令组 n 从另一个文件中读文本下一行，并附加在下一行 g 将模式2粘贴到/pattern n/ y 传送字符 （6）举例说明： sed -n '2p' test.txt 打印第二行的信息(注意：-n是不打印不匹配的信息，若没加-n，则打印文件的所有信息而不是匹配信息) sed -n '1,4p' test.txt 打印第一行到第四行的信息 sed -n '/los/p' test.txt模式匹配los，并打印出来 sed -n '2,/los/p' test.txt 从第二行开始。。知道匹配第一个los sed -n '/^$/p' test.txt 匹配空行 sed -n -e '/^$/p' -e '/^$/=' test.txt 打印空行及行号 sed -n '/good/a/morning' test.txt 在匹配到的good后面附加morning sed -n '/good/i/morning' test.txt 在匹配到的good前面插入morning sed -n '/good/c/morning' test.txt 将匹配到的good替换成morning sed '1,2d' test.txt 删除第1和2行 sed 's/good/good morning/g' test.txt 匹配good并替换成goodmorning send 's/good/& hello /p' test.txt 匹配到good就在其后面加上hello send 's/good/ hello &/p' test.txt 匹配到good就在其前面加上hello 6.合并与分割（sort,uniq,join,cut,paste,split） (1)sot命令 sort [options] files 许多不同的域按不同的列顺序分类 -c 测试文件是否已经分类 -m 合并两个分类文件 -u 删除所有复制行 -o 存储sort结果的输出文件名 -t 域分隔符，用非空格或tab开始分类 +n ：n 为域号，使用此域号开始分类 -n 指定分类是域上的数字分类项 -r 比较求逆 sort -c test.txt 测试文件是否分类过 sort -u test.txt 排序并合并一样的行 sort -r test.txt 以相反的顺序排列 sort -t "/" +2 test.txt 以"/"分隔，第二个域开始分类 （2）uniq命令 uniq [options ] files 从一个文本文件中去除或禁止重复行 -u 只显示不重复行 -d 只显示有重复数据行，每种重复行只显示其中一行 -c 打印每一重复行出现次数 -f ：n为数字，前n个域被忽略 uniq -f 2 test.txt 忽略前2个域 （3）join 命令 join [options] file1 file2 用来将来自两个分类文本文件的行连在一起 -an，n为一数字，用于连接时从文件n中显示不匹配行 -onm ，连接域，n为文件号，m为域号 -jnm，n为文件号，m为域号，使用其他域作连接域 -t ，域分隔符。用来设置非空格或tab键的域分隔符。 （4）split命令 split -output_file_size intput_filename output_filename 用来将大文件分割成小文件。 -b n，每个分割文件的大小n -C n，每个分割文件一行最多n字节 -l n，每个分割文件的行数 -n，同-l n split -10 test.txt 将test.txt分割成10行的小文件 （5）cut 命令 cut -c n1-n2 filename 显示每行从开头算起 n1 到 n2 的文字。 cut -c 3-5 test.txt 显示test.txt中每行从第3到第5个字符 -------------------------------------------------------------------------结束