shell 字符串处理汇总（查找，替换等等）
字符串：
- 简称“串”。有限字符的序列。数据元素为字符的线性表，是一种数据的逻辑结构。在计算机中可有不同的存储结构。在串上可进行求子串、插入字符、删除字符、置换字符等运算。
字符：
- 计算机程序设计及操作时使用的符号。包括字母、数字、空格符、提示符及各种专用字符等。
一般字符的运算包括：
- 第一、找出字符或者字符串的类型，是数字、字母还是其他特定字符，是可打印字符，还是不可打印字符（一些控制字符）。
- 第二、找出组成字符串的字符个数和字符串的存储结构（比如数组）。
- 第三、对串的常规操作：求子串、插入字符、删除字符、置换字符、字符串的比较等。
- 第四、对串的一些比较复杂而有趣的操作，这里将在最后介绍一些有趣的范例。
1. 字符串的属性
字符有可能是数字、字母、空格、其他特殊字符，而字符串有可能是它们任何一种或者多种的组合，在组合之后还可能形成一个具有特定意义的字符串，诸如邮件地址，URL地址等。
概要示例: 下面我们来看看如何判断字符的类型。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
|
//
数字或者数字组合（能够返回结果，即程序退出状态是0，说明属于这种类型，反之不然）
$ i=5;j=9423483247234;
$
echo
$i |
grep
[0-9]*
5
$
echo
$j |
grep
[0-9]*
9423483247234
$
echo
$j |
grep
[0-9]* >
/dev/null
$
echo
$?
0
//
字符组合（小写字母、大写字母、两者的组合）
$ c=
"A"
; d=
"fwefewjuew"
; e=
"fewfEFWefwefe"
$
echo
$c |
grep
[A-Z]
A
$
echo
$d |
grep
"[a-z]*"
fwefewjuew
$
echo
$e |
grep
"[a-zA-Z]*"
fewfEFWefwefe
//
字母和数字的组合
$ ic=
"432fwfwefeFWEwefwef"
$
echo
$ic |
grep
"[0-9a-zA-Z]*"
432fwfwefeFWEwefwef
//
空格或者Tab键等
$
echo
" "
|
grep
" "
$
echo
-e
"\t"
|
grep
"[[:space:]]"
#[[:space:]]会同时匹配空格和TAB键
$
echo
-e
" \t"
|
grep
"[[:space:]]"
$
echo
-e
"\t"
|
grep
"
#
//
匹配邮件地址
//
匹配URL地址(以http链接为例）
$
echo
"http://news.lzu.edu.cn/article.jsp?newsid=10135"
|
grep
"http://[0-9a-zA-Z\./=?]*"
http:
//news
.lzu.edu.cn
/article
.jsp?newsid=10135
|
[1] /dev/null和/dev/zero是非常有趣的两个设备，它们都犹如一个黑洞，什么东西掉进去都会消失殆尽；后者则是一个能源箱，你总能从那里取到0，直到你退出。
[2] [[:space:]]是grep用于匹配空格或者TAB键类型字符串的一种标记，其他类似的标记请查看grep的帮助,man grep。
[3] 上面都是用grep来进行模式匹配，实际上sed, awk都可以用来做模式匹配，关于匹配中用到的正则匹配模式知识，大家可以参考 正则匹配模式 ，更多相关资料请看参考资料。
[4] 如果仅仅想判断字符串是否为空，即判断字符串的长度是否为零，那么可以简单的通过test命令的-z选项来判断，具体用法见test命令，man test.
概要示例: 判断字符是否可打印？如何控制字符在终端的显示。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
// 用grep判断某个字符是否为可打印字符
$ echo
"\t\n"
| grep
"[[:print:]]"
\t\n
$ echo $?
0
$ echo -e
"\t\n"
| grep
"[[:print:]]"
$ echo $?
1
// 用echo的-e选项在屏幕控制字符显示位置、颜色、背景等
$ echo -e
"\33[31;40m"
#设置前景色为黑色，背景色为红色
$ echo -e
"\33[11;29H Hello, World\!"
#在屏幕的第
11
行，
29
列开始打印字符串Hello,World!
// 在屏幕的某个位置动态显示当前系统时间
$
while
:;
do
echo -e
"\33[11;29H "
$(date
"+%Y-%m-%d %H:%M:%S"
); done
// 用col命令过滤掉某些控制字符，在处理诸如script,screen等截屏命令的输出结果时，很有用
$ screen -L
$ cat /bin/cat
$ exit
$ cat screenlog.
0
| col -b # 把一些控制字符过滤后，就可以保留可读的操作日志
|
1.2 字符串的长度
概要示例: 除了组成字符串的字符类型外，字符串还有哪些属性呢？组成字符串的字符个数。下面我们来计算字符串的长度，即所有字符的个数，并简单介绍几种求字符串中指定字符个数的方法。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
//
计算某个字符串的长度，即所有字符的个数[这计算方法是五花八门，择其优着而用之]
$ var=
"get the length of me"
$
echo
${var}
# 这里等同于$var
get the length of me
$
echo
${
#var}
20
$
expr
length
"$var"
20
$
echo
$var |
awk
'{printf("%d\n", length($0));}'
20
$
echo
-n $var |
wc
-c
20
//
计算某些指定一个字符或者多个字符的个数
$
echo
$var |
tr
-
cd
g |
wc
-c
2
$
echo
-n $var |
sed
-e
's/[^g]//g'
|
wc
-c
2
$
echo
-n $var |
sed
-e
's/[^gt]//g'
|
wc
-c
5
//
如果要统计单词个数，更多相关信息见《shell编程之数值计算》之 _单词统计_ 实例。
$
echo
$var |
wc
-w
5
$
echo
"$var"
|
tr
" "
"\n"
|
grep
get |
uniq
-c
1
$
echo
"$var"
|
tr
" "
"\n"
|
grep
get |
wc
-l
1
|
|
1
2
|
stringZ=abcABC123ABCabc
echo
`
expr
"$stringZ"
:
'.*'
`
# 15
|
${}操作符在Bash里头一个“大牛”，能胜任相当多的工作，具体就看看网中人的《shell十三问》之《Shell十三问》之"$(( )) 與 $( ) 還有${ } 差在哪？" 吧。
在一个文本文件的段落之间插入空行
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
#!/bin/bash
# paragraph-space.sh
# 在一个单倍行距的文本文件中插入空行.
# Usage: $0 MINLEN=45
# 可能需要修改这个值.
# 假定行的长度小于$MINLEN所指定的长度的时候
#+ 才认为此段结束.
while
read
line
# 提供和输入文件一样多的行...
do
echo
"$line"
# 输入所读入的行本身.
len=${
#line}
if
[
"$len"
-lt
"$MINLEN"
]
then
echo
# 在短行(译者注: 也就是小于$MINLEN个字符的行)后面添加一个空行.
fi
done
exit
0
|
索引
expr index $string $substring
在字符串$string中所匹配到的$substring第一次所出现的位置.
|
1
2
3
4
5
6
|
stringZ=abcABC123ABCabc
echo
`
expr
index
"$stringZ"
C12`
# 6
# C 字符的位置.
echo
`
expr
index
"$stringZ"
1c`
# 3
# 'c' (in #3 position) matches before '1'.
|
这与C语言中的strchr()函数非常相似.
1.3 字符串的存储
在我们看来，字符串是一连串的字符而已，但是为了操作方便，我们往往可以让字符串呈现出一定的结构。在这里，我们不关心字符串在内存中的实际存储结构，仅仅关系它呈现出来的逻辑结构。比如，这样一个字符串："get the length of me"，我们可以从不同的方面来呈现它。
1.3.1 通过字符在串中的位置来呈现它
这样我们就可以通过指定位置来找到某个子串。这在c语言里头通常可以利用指针来做。而在shell编程中，有很多可用的工具，诸如expr，awk都提供了类似的方法来实现子串的查询动作。两者都几乎支持模式匹配(match)和完全匹配(index)。这在后面的字符串操作中将详细介绍。
匹配字符串开头的子串长度
expr match "$string" '$substring'
$substring是一个正则表达式.
expr "$string" : '$substring'
$substring是一个正则表达式.
|
1
2
3
4
5
|
stringZ=abcABC123ABCabc
# |------|
echo
`
expr
match
"$stringZ"
'abc[A-Z]*.2'
`
# 8
echo
`
expr
"$stringZ"
:
'abc[A-Z]*.2'
`
# 8
|
1.3.2 根据某个分割符来取得字符串的各个部分
这里最常见的就是行分割符、空格或者TAB分割符了，前者用来当行号，我们似乎已经司空见惯了，因为我们的编辑器就这样“莫名”地处理着行分割符（在unix下为\n，在其他系统下有一些不同，比如windows下为\r\n)。而空格或者TAB键经常用来分割数据库的各个字段，这似乎也是司空见惯的事情。
正是因为这样，所以产生了大量优秀的行编辑工具，诸如grep,awk,sed等。在“行内”（姑且这么说吧，就是处理单行，即字符串里头不再包含行分割符）的字符串分割方面，cut和awk提供了非常优越的“行内”（处理单行）处理能力。
1.3.3 更方便地处理用分割符分割好的各个部分
同样是用到分割符，但为了更方便的操作分割以后的字符串的各个部分，我们抽象了“数组”这么一个数据结构，从而让我们更加方便地通过下标来获取某个指定的部分。bash提供了这么一种数据结构，而优秀的awk也同样提供了它，我们这里将简单介绍它们的用法。
概要示例：利用数组存放"get the length of me"的用空格分开的各个部分。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
|
//1
.
bash
提供的数组数据结构，它是以数字为下标的，和C语言从0开始的下标一样
$ var=
"get the length of me"
$ var_arr=($var)
#这里把字符串var存放到字符串数组var_arr中了，默认以空格作为分割符
$
echo
${var_arr[0]} ${var_arr[1]} ${var_arr[2]} ${var_arr[3]} ${var_arr[4]}
get the length of me
$
echo
${var_arr[@]}
#这个就是整个字符串所有部分啦，这里可以用*代替@，下同
get the length of me
$
echo
${
#var_arr[@]} #记得上面求某个字符串的长度么，#操作符，如果想求某个数组元素的字符串长度，那么就把@换成下标吧
5
//
你也可以直接给某个数组元素赋值
$ var_arr[5]=
"new_element"
$
echo
${var_arr[5]}
6
$
echo
${var_arr[5]}
new_element
//
bash
里头实际上还提供了一种类似于“数组”的功能，即
"for i in 用指定分割符分开的字符串"
的用法
//
即，你可以很方便的获取某个字符串的某个部分
$
for
i
in
$var;
do
echo
-n $i
" "
;
done
;
get the length of me
//2
.
awk
里头的数组，注意比较它和
bash
提供的数组的异同
//
split
把一行按照空格分割，存放到数组var_arr中，并返回数组的长度。注意：这里的第一个元素下标不是0，而是1
$
echo
$var |
awk
'{printf("%d %s\n", split($0, var_arr, " "), var_arr[1]);}'
5 get
//
实际上，上面的操作很类似
awk
自身的行处理功能：
awk
默认把一行按照空格分割为多个域，并可以通过$1,$2,$3...来获取,$0表示整行
//
这里的NF是该行的域的总数，类似于上面数组的长度，它同样提供了一种通过“下标”访问某个字符串的功能
$
echo
$var |
awk
'{printf("%d | %s %s %s %s %s | %s\n", NF, $1, $2, $3, $4, $5, $0);}'
5 | get the length of me | get the length of me
//
awk
的“数组”功能何止于此呢，看看它的
for
引用吧，注意，这个和
bash
里头的
for
不太一样，i不是元素本身，而是下标
$
echo
$var |
awk
'{split($0, var_arr, " "); for(i in var_arr) printf("%s ",var_arr);}'
get the length of me
$
echo
$var |
awk
'{split($0, var_arr, " "); for(i in var_arr) printf("%s ",i);}'
1 2 3 4 5
//
awk
还有更“厉害”的处理能力，它的下标可以不是数字，而可以是字符串，从而变成了“关联”数组，这种“关联”的作用在某些方便将让我们非常方便
//
比如，我们这里就实现一个非凡的应用，把某个文件中的某个系统调用名替换成地址，如果你真正用起它，你会感慨它的“鬼斧神工”的。
//
这就是我在一个场合最好才发现的随好的实现方案：有兴趣看看
awk
手册帖子中我在3楼回复的实例吧。
$
cat
symbol
sys_exit
sys_read
sys_close
$
ls
/boot/System
.map*
$
awk
'{if(FILENAME ~ "System.map") map[$3]=$1; else {printf("%s\n", map[$1])}}'
/boot/System
.map-2.6.20-16-generic symbol
c0129a80
c0177310
c0175d80
//
另外，
awk
还支持删除某个数组元素，如果你不用了就可以用delete函数给删除掉。如果某些场合有需要的话，别忘了
awk
还支持二维数组。
|
字符串操作包括取子串、查询子串、插入子串、删除子串、子串替换、子串比较、子串排序、子串进制转换、子串编码转换等。
2.1 取子串
概要示例：取子串的方法主要有：直接到指定位置求子串，字符匹配求子串。
${string:position}
在$string中从位置$position开始提取子串.
如果$string是"*"或者"@", 那么将会提取从位置$position开始的位置参数.[1]
${string:position:length}
在$string中从位置$position开始提取$length长度的子串.
如果$string参数是"*"或"@", 那么将会从$position位置开始提取$length个位置参数, 但是由于可能没有$length个位置参数了, 那么就有几个位置参数就提取几个位置参数.
expr substr $string $position $length
在$string中从$position开始提取$length长度的子串.
expr match "$string" '\($substring\)'
从$string的开始位置提取$substring,$substring是正则表达式.
expr "$string" : '\($substring\)'
从$string的开始位置提取$substring,$substring是正则表达式.
expr match "$string" '.*\($substring\)'
从$string的结尾提取$substring,$substring是正则表达式.
expr "$string" : '.*\($substring\)'
从$string的结尾提取$substring,$substring是正则表达式.
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
|
//
按照位置取子串，比如从什么位置开始，取多少个字符
$ var=
"get the length of me"
$
echo
${var:0:3}
get
$
echo
${var:(-2)}
# 方向相反呢
me
$
echo
`
expr
substr
"$var"
5 3`
#记得把$var引起来，否则expr会因为空格而解析错误
the
$
echo
$var |
awk
'{printf("%s\n", substr($0, 9, 6))}'
length
//
匹配字符求子串
$
echo
${var%% *}
#从右边开始计算，删除最左边的空格右边的所有字符
get
$
echo
${var% *}
#从右边开始计算，删除第一个空格右边的所有字符
get the length of
$
echo
${var
##* } #从左边开始计算，删除最右边的空格左边的所有字符
me
$
echo
${var
#* } #从左边开始计算，删除第一个空格左边的所有字符
the length of me
$
echo
$var |
awk
'{printf("%s\n", $1);}'
# awk把$var按照空格分开为多个变量，依次为$1,$2,$3,$4,$5
get
$
echo
$var |
awk
'{printf("%s\n", $5);}'
me
$
echo
$var |
cut
-d
" "
-f 5
#差点把cut这个小东西忘记啦，用起来和awk类似, -d指定分割符，如同awk用-F指定分割符一样，-f指定“域”，如同awk的$数字。
$
echo
$var |
sed
's/ [a-z]*//g'
#删除所有 空格＋字母串 的字符串，所以get后面的全部被删除了
get
$
echo
$var |
sed
's/[a-z]* //g'
me
$
echo
$var |
tr
" "
"\n"
|
sed
-n 1p
#sed有按地址（行）打印(p)的功能，记得先用tr把空格换成行号
get
$
echo
$var |
tr
" "
"\n"
|
sed
-n 5p
me
//
tr
也可以用来取子串哦，它也可以类似
#和%来“拿掉”一些字符串来实现取子串
$
echo
$var |
tr
-d
" "
getthelengthofme
$
echo
$var |
tr
-
cd
"[a-z]"
#把所有的空格都拿掉了，仅仅保留字母字符串，注意-c和-d的用法
getthelengthofme
|
[1] %和#的区别是，删除字符的方向不一样,前者在右，后者在左，%%和%,##和#的方向是前者是最大匹配，后者是最小匹配。(好的记忆方法见网中人的键盘记忆法:#$%是键盘依次从左到右的三个键)
[2] tr的-c选项是complement的缩写，即invert，而-d选项是删除的意思，tr -cd "[a-z]"这样一来就变成保留所有的字母啦。
对于字符串的截取，实际上还有一些命令，如果head,tail等可以实现有意思的功能，可以截取某个字符串的前面、后面指定的行数或者字节数。例如：
|
1
2
3
4
|
$ echo
"abcdefghijk"
| head -c
4
abcd
$ echo -n
"abcdefghijk"
| tail -c
4
hijk
|
2.2. 查询子串
概要示例：子串查询包括：返回符合某个模式的子串本身和返回子串在目标串中的位置。
准备：在进行下面的操作之前，请把http://oss.lzu.edu.cn/blog/blog.php?do_showone/tid_1385.html 链 接中的内容复制到一个文本text里头，用于下面的操作。
// 查询子串在目标串中的位置
$ var="get the length of me"
$ expr index "$var" t #貌似仅仅可以返回某个字符或者多个字符中第一个字符出现的位置
3
$ echo $var | awk '{printf("%d\n", match($0,"the"));}' #awk却能找出字串,match还可以匹配正则表达式
5
// 查询子串，返回包含子串的行(awk,sed都可以实现这些功能,但是grep最擅长）
$ grep "consists of" text # 查询text文件包含consists of的行，并打印这些行
$ grep "consists[[:space:]]of" -n -H text # 打印文件名，子串所在行的行号和该行的内容
$ grep "consists[[:space:]]of" -n -o text # 仅仅打印行号和匹配到的子串本身的内容
$ awk '/consists of/{ printf("%s:%d:%s\n",FILENAME, FNR, $0)}' text #看到没？和grep的结果一样
$ sed -n -e '/consists of/=;/consists of/p' text #同样可以打印行号
2.3. 子串替换
子串替换就是把某个指定的子串替换成其他的字符串，实际上这里就蕴含了“插入子串”和“删除子串”的操作。例如，你想插入某个字符串到某个子串之 前，就可以把原来的子串替换成”子串+新的字符串“，如果想删除某个子串，就把子串替换成空串。不过有些工具提供了一些专门的用法来做插入子串和删除子串 的操作，所以呆伙还是会专门介绍的。另外，要想替换掉某个子串，一般都是先找到子串（查询子串），然后再把它替换掉的，实质上很多工具在使用和设计上都体 现了这么一点。
${string/substring/replacement}
使用$replacement来替换第一个匹配的$substring.
${string//substring/replacement}
使用$replacement来替换所有匹配的$substring.
${string/#substring/replacement}
如果$substring匹配$string的开头部分, 那么就用$replacement来替换$substring.
${string/%substring/replacement}
如果$substring匹配$string的结尾部分, 那么就用$replacement来替换$substring.
概要示例：下面我们把变量var中的空格替换成下划线看看。
// 用{}运算符，还记得么？网中人的教程。
$ var="get the length of me"
$ echo ${var/ /_} #把第一个空格替换成下划线
get_the length of me
$ echo ${var// /_} #把所有空格都替换成了下划线了
get_the_length_of_me
// 用awk，awk提供了转换的最小替换函数sub和全局替换函数gsub，类似/和//
$ echo $var | awk '{sub(" ", "_", $0); printf("%s\n", $0);}'
get_the length of me
$ echo $var | awk '{gsub(" ", "_", $0); printf("%s\n", $0);}'
get_the_length_of_me
// 用sed了，子串替换可是sed的特长
$ echo $var | sed -e 's/ /_/' #s <= substitude
get_the length of me
$ echo $var | sed -e 's/ /_/g' #看到没有，简短两个命令就实现了最小匹配和最大匹配g <= global
get_the_length_of_me
// 有忘记tr命令么？可以用替换单个字符的
$ echo $var | tr " " "_"
get_the_length_of_me
$ echo $var | tr '[a-z]' '[A-Z]' #这个可有意思了，把所有小写字母都替换为大写字母
GET THE LENGTH OF ME
说明：sed还有很有趣的标签用法呢，下面再介绍吧。
有一种比较有意思的字符串替换是，整个文件行的倒置，这个可以通过tac命令实现，它会把文件中所有的行全部倒转过来。在一定意义上来说，排序实际 上也是一个字符串替换。
在替换子串时再提供一些tr的用法：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
|
tr
用来从标准输入中通过替换或删除操作，进行字符转换。
tr
主要用于删除文件中控制字符或进行字符转换。使用
tr
时要转换两个字符串：字符串1用于查询，字符串2用于处理各种转换，
tr
刚执行时，字符串1中的字符被映射到字符串2中的字符，然后转换操作开始。
1、用法和选项
用法：
tr
[选项]... SET1 [SET2]
说明：
tr
命令用于从标准输入中替换、缩减和/或删除字符，并将结果写到标准输出。
选项：
-c, -C, --complement 首先补足SET1
-d, --delete 删除匹配SET1 的内容，并不作替换
-s, --squeeze-repeats 如果匹配于SET1 的字符在输入序列中存在连续的重复，在替换时会被统一缩为一个字符的长度
-t, --truncate-set1 先将SET1 的长度截为和SET2 相等
--help 显示此帮助信息并退出
--version 显示版本信息并退出
2、SET字符串
SET 是一组字符串，一般都可按照字面含义理解。解析序列如下：
\NNN
#八进制值为NNN 的字符(1 至3 个数位)
\\
#反斜杠
\a
#终端鸣响
\b
#退格
\f
#换页
\n
#换行
\r
#回车
\t
#水平制表符
\
v
#垂直制表符
字符1-字符2
#从字符1 到字符2 的升序递增过程中经历的所有字符
[字符*]
#在SET2 中适用，指定字符会被连续复制直到吻合设置1 的长度
[字符*次数]
#对字符执行指定次数的复制，若次数以 0 开头则被视为八进制数
[:alnum:]
#所有的字母和数字
[:alpha:]
#所有的字母
[:blank:]
#所有呈水平排列的空白字符
[:cntrl:]
#所有的控制字符
[:digit:]
#所有的数字
[:graph:]
#所有的可打印字符，不包括空格
[:lower:]
#所有的小写字母
[:print:]
#所有的可打印字符，包括空格
[:punct:]
#所有的标点字符
[:space:]
#所有呈水平或垂直排列的空白字符
[:upper:]
#所有的大写字母
[:xdigit:]
#所有的十六进制数
[=字符=]
#所有和指定字符相等的字符
注意：
1、仅在SET1 和SET2 都给出，同时没有-d 选项的时候才会进行替换。
2、仅在替换时才可能用到-t 选项。如果需要SET2 将被通过在末尾添加原来的末字符的方式补充到同SET1 等长。SET2 中多余的字符将被省略。
3、只有[:lower:] 和[:upper:]以升序展开字符；在用于替换时的SET2 中以成对表示大小写转换。
4、-s 作用于SET1，既不替换也不删除，否则在替换或展开后使用SET2 缩减。
|
tr示例：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
|
1、将文件
file
中出现的
"abc"
替换为
"xyz"
# cat file | tr "abc" "xyz" > new_file
【注意】这里，凡是在
file
中出现的
"a"
字母，都替换成
"x"
字母，
"b"
字母替换为
"y"
字母，
"c"
字母替换为
"z"
字母。而不是将字符串
"abc"
替换为字符串
"xyz"
。
2、使用
tr
命令“统一”字母大小写
（小写 --> 大写）
# cat file | tr [a-z] [A-Z] > new_file
（大写 --> 小写）
# cat file | tr [A-Z] [a-z] > new_file
3、把文件中的数字0-9替换为a-j
# cat file | tr [0-9] [a-j] > new_file
4、删除文件
file
中出现的
"Snail"
字符
# cat file | tr -d "Snail" > new_file
【注意】这里，凡是在
file
文件中出现的
'S'
,
'n'
,
'a'
,
'i'
,
'l'
字符都会被删除！而不是紧紧删除出现的"Snail”字符串。
5、删除文件
file
中出现的换行
'\n'
、制表
'\t'
字符
# cat file | tr -d "\n\t" > new_file
不可见字符都得用转义字符来表示的，这个都是统一的。
6、删除“连续着的”重复字母，只保留第一个
# cat file | tr -s [a-zA-Z] > new_file
7、删除空行
# cat file | tr -s "\n" > new_file
8、删除Windows文件“造成”的
'^M'
字符
# cat file | tr -d "\r" > new_file
或者
# cat file | tr -s "\r" "\n" > new_file
【注意】这里-s后面是两个参数
"\r"
和
"\n"
，用后者替换前者
9、用空格符\040替换制表符\011
# cat file | tr -s "\011" "\040" > new_file
10、把路径变量中的冒号
":"
，替换成换行符
"\n"
# echo $PATH | tr -s ":" "\n"
|
2.4. 插入子串
插入子串：就是在指定的位置插入子串，这个位置可能是某个子串的位置，也可能是从某个文件开头算起的某个长度。通过上面的练习，我们发现这两者之间 实际上是类似的。
公式：插入子串=把"old子串"替换成"old子串+new子串"或者"new子串+old子串"
概要示例：：下面在var字符串的空格之前或之后插入一个下划线
// 用{}
$ var="get the length of me"
$ echo ${var/ /_ } #在指定字符串之前插入一个字符串
get_ the length of me
$ echo ${var// /_ }
get_ the_ length_ of_ me
$ echo ${var/ / _} #在指定字符串之后插入一个字符串
get _the length of me
$ echo ${var// / _}
get _the _length _of _me
// 其他的还用演示么？这里主要介绍sed怎么用来插入字符吧，因为它的标签功能很有趣
$ echo $var | sed -e 's/\( \)/_\1/' #\(和\)将不匹配到的字符串存放为一个标签，按匹配顺序为\1,\2...
get_ the length of me
$ echo $var | sed -e 's/\( \)/_\1/g'
get_ the_ length_ of_ me
$ echo $var | sed -e 's/\( \)/\1_/'
get _the length of me
$ echo $var | sed -e 's/\( \)/\1_/g'
get _the _length _of _me
// 看看sed的标签的顺序是不是\1,\2....，看到没？\2和\1掉换位置后，the和get的位置掉换了
$ echo $var | sed -e 's/\([a-z]*\) \([a-z]*\) /\2 \1 /g'
the get of length me
// sed还有专门的插入指令，a和i,分别表示在匹配的行后和行前插入指定字符
$ echo $var | sed '/get/a test'
get the length of me
test
$ echo $var | sed '/get/i test'
test
get the length of me
2.5. 删除子串
删除子串：应该很简单了吧，把子串替换成“空”（什么都没有）不就变成了删除么。还是来简单复习一下替换吧。
概要示例：：把var字符串中所有的空格给删除掉。
鼓励： 这样一替换不知道变成什么单词啦，谁认得呢？但是中文却是连在一起的，所以中文有多难，你想到了么？原来你也是个语言天才，而英语并不可怕，你有学会它的 天赋，只要你有这个打算。
// 再用{}
$ echo ${var// /}
getthelengthofme
// 再用awk
$ echo $var | awk '{gsub(" ","",$0); printf("%s\n", $0);}'
// 再用sed
$ echo $var | sed 's/ //g'
getthelengthofme
// 还有更简单的tr命令，tr也可以把" "给删除掉，看
$ echo $var | tr -d " "
getthelengthofme
如果要删除掉第一个空格后面所有的字符串该怎么办呢？还记得{}的#和%用法么？如果不记得，回到这一节的还头开始复习吧。（实际上删除子串和取子串未尝 不是两种互补的运算呢，删除掉某些不想要的子串，也就同时取得另外那些想要的子串——这个世界就是一个“二元”的世界，非常有趣）
2.6. 子串比较
这个很简单：还记得test命令的用法么？man test。它可以用来判断两个字符串是否相等的。另外，你发现了“字符串是否相等”和“字符串能否跟另外一个字符串匹配"两个问题之间的关系吗？如果两个 字符串完全匹配，那么这两个字符串就相等了。所以呢，上面用到的字符串匹配方法，也同样可以用到这里。
2.7. 子串排序
差点忘记这个重要的内容了，子串排序可是经常用到的，常见的有按字母序、数字序等正序或反序排列。sort命令可以用来做这个工作，它和其他行处理 命令一样，是按行操作的，另外，它类似cut和awk，可以指定分割符，并指定需要排序的列。
$ var="get the length of me"
$ echo $var | tr ' ' '\n' | sort #正序排
get
length
me
of
the
$ echo $var | tr ' ' '\n' | sort -r #反序排
the
of
me
length
get
2.7. 子串进制转换
如果字母和数字字符用来计数，那么就存在进制转换的问题。在数值计算一节的回复资料里，我们已经介绍了bc命令，这里再简单的复习一下。
$ echo "ibase=10;obase=16;10" | bc
A
说明：ibase指定输入进制，obase指出输出进制，这样通过调整ibase和obase，你想怎么转就怎么转啦！
2.7. 子串编码转换
什么是字符编码？这个就不用介绍了吧，看过那些乱七八糟显示的网页么？大多是因为浏览器显示时的”编码“和网页实际采用的”编码“不一致导致的。字 符编码通常是指把一序列”可打印“字符转换成二进制表示，而字符解码呢则是执行相反的过程，如果这两个过程不匹配，则出现了所谓的”乱码“。
为了解决”乱码“问题呢？就需要进行编码转换。在linux下，我们可以使用iconv这个工具来进行相关操作。这样的情况经常在不同的操作系统之 间移动文件，不同的编辑器之间交换文件的时候遇到，目前在windows下常用的汉字编码是gb2312，而在linux下则大多采用utf8。
$ nihao_gb2312=$(echo "你好" | iconv -f utf8 -t gb2312)
$ echo $nihao_gb2312
? ? ? ?
$ nihao_utf8=$(echo $nihao_gb2312 | iconv -f gb2312 -t utf8)
$ PS1="$ "
$ echo $nihao_utf8
你好
说明：我的终端默认编码是utf8，所以结果如上。
3. 字符串操作范例
实际上，在用Bash编程时，大部分时间都是在处理字符串，因此把这一节熟练掌握非常重要。
3.1 处理一个非常有意义的字符串：URL地址
范例演示：处理URL地址
URL 地址(URL（Uniform Resoure Locator：统一资源定位器）是WWW页的地址)几乎是我们日常生活的玩伴，我们已经到了无法离开它的地步啦，对它的操作很多，包括判断URL地址的 有效性，截取地址的各个部分（服务器类型、服务器地址、端口、路径等）并对各个部分进行进一步的操作。
下面我们来具体处理这个URL地址：
ftp://anonymous:[email protected]/software/scim-1.4.7.tar.gz
$ url="ftp://anonymous:[email protected]/software/scim-1.4.7.tar.gz "
// 匹配URL地址，判断URL地址的有效性
$ echo $url | grep "ftp://[a-z]*:[a-z]*@[a-z\./ -]*"
// 截取服务器类型
$ echo ${url%%:*}
ftp
$ echo $url | cut -d":" -f 1
ftp
// 截取域名
$ tmp=${url##*@} ; echo ${tmp%%/*}
mirror.lzu.edu.cn
// 截取路径
$ tmp=${url##*@} ; echo ${tmp%/*}
mirror.lzu.edu.cn/software
// 截取文件名
$ basename $url
scim-1.4.7.tar.gz
$ echo ${url##*/}
scim-1.4.7.tar.gz
// 截取文件类型（扩展名）
$ echo $url | sed -e 's/.*[0-9].\(.*\)/\1/g'
tar.gz
有了上面的知识，我们就可以非常容易地进行这些工作啦：修改某个文件的文件名，比如调整它的编码，下载某个网页里头的所有pdf文档等。这些就作为练习自 己做吧，如果遇到问题，可以在回帖交流。相应地可以参考这个例子：
[1] 用脚本下载某个网页中的英文原著(pdf文档）
http://oss.lzu.edu.cn/blog/blog.php?do_showone/tid_1228.html
3.2 处理格式化的文本：/etc/passwd
平时做工作，大多数时候处理的都是一些“格式化”的文本，比如类似/etc/passwd这样的有固定行和列的文本，也有类似tree命令输出的那 种具有树形结构的文本，当然还有其他具有特定结构的文本。
关于树状结构的文本的处理，可以考虑看看这两个例子：
[1] 用AWK转换树形数据成关系表
http://oss.lzu.edu.cn/blog/blog.php?do_showone/tid_1260.html
[2] 用Graphviz进行可视化操作──绘制函数调用关系图
http://oss.lzu.edu.cn/blog/blog.php?do_showone/tid_1425.html
实际上，只要把握好特性结构的一些特点，并根据具体的应用场合，处理起来就不会困难。
下面我们来介绍具体有固定行和列的文本的操作，以/etc/passwd文件为例。关于这个文件的帮忙和用户，请通过man 5 passwd查看。下面我们对这个文件以及相关的文件进行一些有意义的操作。
// 选取/etc/passwd文件中的用户名和组ID两列
$ cat /etc/passwd | cut -d":" -f1,4
// 选取/etc/group文件中的组名和组ID两列
$ cat /etc/group | cut -d":" -f1,3
// 如果想找出所有用户所在的组，怎么办？
$ join -o 1.1,2.1 -t":" -1 4 -2 3 /etc/passwd /etc/group
root:root
bin:bin
daemon:daemon
adm:adm
lp:lp
pop:pop
nobody:nogroup
falcon:users
// 先解释一下：join命令用来连接两个文件，有点类似于数据库的两个表的连接。-t指定分割符，"-1 4 -2 3"指定按照第一个文件的第4列和第二个文件的第3列，即组ID进行连接，"-o 1.1,2.1"表示仅仅输出第一个文件的第一列和第二个文件的第一列，这样就得到了我们要的结果，不过，可惜的是，这个结果并不准确，再进行下面的操 作，你就会发现：
$ cat /etc/passwd | sort -t":" -n -k 4 > /tmp/passwd
$ cat /etc/group | sort -t":" -n -k 3 > /tmp/group
$ join -o 1.1,2.1 -t":" -1 4 -2 3 /tmp/passwd /tmp/group
halt:root
operator:root
root:root
shutdown:root
sync:root
bin:bin
daemon:daemon
adm:adm
lp:lp
pop:pop
nobody:nogroup
falcon:users
games:users
// 可以看到这个结果才是正确的，所以以后使用join千万要注意这个问题，否则采取更保守的做法似乎更能保证正确性，更多关于文件连接的讨论见参考资料 [14]
上面涉及到了处理某格式化行中的指定列，包括截取（如SQL的select用法），连接（如SQL的join用法），排序（如SQL的order by用法)，都可以通过指定分割符来拆分某个格式化的行，另外，“截取”的做法还有很多，不光是cut，awk，甚至通过IFS指定分割符的read命令 也可以做到，例如：
$ IFS=":"; cat /etc/group | while read C1 C2 C3 C4; do echo $C1 $C3; done
因此，熟悉这些用法，我们的工作将变得非常灵活有趣。
到这里，需要做一个简单的练习，如何把按照列对应的用户名和用户ID转换成按照行对应的，即把类似下面的数据：
$ cat /etc/passwd | cut -d":" -f1,3 --output-delimiter=" "
root 0
bin 1
daemon 2
转换成：
$ cat a
root bin daemon
0 1 2
并转换回去，有什么办法呢？记得诸如tr，paste,split等命令都可以使用。
参考方法：
＊正转换：先截取用户名一列存入文件user，再截取用户ID存入id，再把两个文件用paste -s命令连在一起，这样就完成了正转换。
＊逆转换：先把正转换得到的结果用split -1拆分成两个文件，再把两个拆分后的文件用tr把分割符"\t"替换成"\n"，只有用paste命令把两个文件连在一起，这样就完成了逆转换。
在做shell批处理程序时候，经常会涉及到字符串相关操作。有很多命令语句，如：awk,sed都可以做字符串各种操作。 其实shell内置一系列操作符号，可以达到类似效果，大家知道，使用内部操作符会省略启动外部程序等时间，因此速度会非常的快。
一、判断读取字符串值
| 表达式 | 含义 |
|---|---|
| ${var} | 变量var的值, 与$var相同 |
| ${var-DEFAULT} | 如果var没有被声明, 那么就以$DEFAULT作为其值 * |
| ${var:-DEFAULT} | 如果var没有被声明, 或者其值为空, 那么就以$DEFAULT作为其值 * |
| ${var=DEFAULT} | 如果var没有被声明, 那么就以$DEFAULT作为其值 * |
| ${var:=DEFAULT} | 如果var没有被声明, 或者其值为空, 那么就以$DEFAULT作为其值 * |
| ${var+OTHER} | 如果var声明了, 那么其值就是$OTHER, 否则就为null字符串 |
| ${var:+OTHER} | 如果var被设置了, 那么其值就是$OTHER, 否则就为null字符串 |
| ${var?ERR_MSG} | 如果var没被声明, 那么就打印$ERR_MSG * |
| ${var:?ERR_MSG} | 如果var没被设置, 那么就打印$ERR_MSG * |
| ${!varprefix*} | 匹配之前所有以varprefix开头进行声明的变量 |
| ${!varprefix@} | 匹配之前所有以varprefix开头进行声明的变量 |
加入了“*” 的意思是： 如果变量var已经被设置的话, 那么其值就是$var.
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
[a@localhost ~]$
echo
${abc-
'ok'
}
ok
[a@localhost ~]$
echo
$abc
[a@localhost ~]$
echo
${abc=
'ok'
}
ok
[a@localhost ~]$
echo
$abc
ok
如果abc 没有声明“=" 还会给abc赋值。
[a@localhost ~]$ var1=11;var2=12;var3=
[a@localhost ~]$
echo
${!
v
@}
var1 var2 var3
[a@localhost ~]$
echo
${!
v
*}
var1 var2 var3
${!varprefix*}与${!varprefix@}相似，可以通过变量名前缀字符，搜索已经定义的变量,无论是否为空值。
|
| 表达式 | 含义 |
|---|---|
| ${#string} | $string的长度 |
| ${string:position} | 在$string中, 从位置$position开始提取子串 |
| ${string:position:length} | 在$string中, 从位置$position开始提取长度为$length的子串 |
| ${string#substring} | 从变量$string的开头, 删除最短匹配$substring的子串 |
| ${string##substring} | 从变量$string的开头, 删除最长匹配$substring的子串 |
| ${string%substring} | 从变量$string的结尾, 删除最短匹配$substring的子串 |
| ${string%%substring} | 从变量$string的结尾, 删除最长匹配$substring的子串 |
| ${string/substring/replacement} | 使用$replacement, 来代替第一个匹配的$substring |
| ${string//substring/replacement} | 使用$replacement, 代替所有匹配的$substring |
| ${string/#substring/replacement} | 如果$string的前缀匹配$substring, 那么就用$replacement来代替匹配到的$substring |
| ${string/%substring/replacement} | 如果$string的后缀匹配$substring, 那么就用$replacement来代替匹配到的$substring |
说明："* $substring”可以是一个正则表达式.
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
|
1.长度
[a@localhost ~]$
test
=
'I love china'
[a@localhost ~]$
echo
${
#test}
12
${
#变量名}得到字符串长度
2.截取字串
[a@localhost ~]$
test
=
'I love china'
[a@localhost ~]$
echo
${
test
:5}
e china
[a@localhost ~]$
echo
${
test
:5:10}
e china
${变量名:起始:长度}得到子字符串
3.字符串删除
[a@localhost ~]$
test
=
'c:/windows/boot.ini'
[a@localhost ~]$
echo
${
test
#/}
c:
/windows/boot
.ini
[a@localhost ~]$
echo
${
test
#*/}
windows
/boot
.ini
[a@localhost ~]$
echo
${
test
##*/}
boot.ini
[a@localhost ~]$
echo
${
test
%/*}
c:
/windows
[a@localhost ~]$
echo
${
test
%%/*}
${变量名
#substring正则表达式}从字符串开头开始配备substring,删除匹配上的表达式。
${变量名%substring正则表达式}从字符串结尾开始配备substring,删除匹配上的表达式。
注意：${
test
##*/},${test%/*} 分别是得到文件名，或者目录地址最简单方法。
4.字符串替换
[a@localhost ~]$
test
=
'c:/windows/boot.ini'
[a@localhost ~]$
echo
${
test
/\
//
\\}
c:\windows
/boot
.ini
[a@localhost ~]$
echo
${
test
//
\
//
\\}
c:\windows\boot.ini
${变量/查找/替换值} 一个“/”表示替换第一个，”
//
”表示替换所有,当查找中出现了：”/”请加转义符”\/”表示。
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
在shell中，通过
awk
,
sed
,
expr
等都可以实现，字符串上述操作。下面我们进行性能比较。
[a@localhost ~]$
test
=
'c:/windows/boot.ini'
[a@localhost ~]$
time
for
i
in
$(
seq
10000);
do
a=${
#test};done;
real 0m0.173s
user 0m0.139s
sys 0m0.004s
[a@localhost ~]$
time
for
i
in
$(
seq
10000);
do
a=$(
expr
length $
test
);
done
;
real 0m9.734s
user 0m1.628s
速度相差上百倍，调用外部命令处理，与内置操作符性能相差非常大。在shell编程中，尽量用内置操作符或者函数完成。使用
awk
,
sed
类似会出现这样结果。
|