9-13 文本处理工具sed及awk的用法

文本编辑三剑客：grep, sed, awk
    grep: 文本搜索工具；egrep, fgrep
    sed: stream editor, 流编辑器；
    awk(gawk)：文本格式化工具，报告生成器 

sed命令：

 基本正则表达式的元字符：
     字符匹配：
            .: 匹配任意单个字符；
            []：匹配指定范围内的任意单个字符；
            [^]：匹配指定范围内的任意单个字符；

            [:lower:]：所有小写字母

            [:upper:]:所有大写字母

            [:alpha:]:所有字母

            [:alnum:]:所有数字和字母

            [:digit:]:所有数字

            [:space:]:所有空白字符

            [:punct:]:所有标点符号

 

     次数匹配：用于要指定其次数的字符的后面；
            *: 任意次；    

            \?：0或1次；
            \+：1或多次;
            \{m\}：精确限制为m次；
            \{m,n\}: 至少m次，至多n次，[m,n]
            \{0,n\}：至多n次；
            \{m,\}：至少m次；

            .*: 匹配任意长度的任意字符；

     位置锚定：
           ^: 行首锚定；用于模式的最左侧；
           $: 行尾锚定；用于模式的最右侧；
           \<, \b: 词首锚定；用于表示单词的模式的左侧；
           \>, \b：词尾锚定；用于表示单词的模式的右侧；
           ^$: 空白行；

     分组：\(\)

      分组的小括号中的模式匹配到的内容，会在执行过程中被正则表达式引擎记录下来，并保存内置的变量中；这些变量分别是\1, \2, ...
           \1: 从左侧起，第一个左括号，以及与之配对的右括号中间的模式所匹配到的内容；
           \2：
           ...

     后向引用：使用变量引用前面的分组括号中的模式所匹配到的字符；

  vim编辑中文本的查找替换：
   地址定界s/要查找的内容/替换为的内容/
    要查找的内容：可使用正则表达式
    替换为的内容：不支持正则表达式，但支持引用前面正则表达式分组中的内容
    地址定界：%, startline,endline

  语法格式：sed [OPTION]... {script} [input-file]...

  工作机制：每次读取一行文本至“模式空间(pattern space)”中，在模式空间中完成处理；将处理结果输出至标准输出设备；

  选项：

   -r: 支持扩展正则表达式；
   -n: 静默模式；
   -e script1 -e script2 -e script3：指定多脚本运行；
   -f /path/to/script_file：从指定的文件中读取脚本并运行；
   -i: 直接修改源文件；

示例：显示/etc/fstab中已UUID开头的行

[root@svn ~]# sed -n '\%^UUID%p' /etc/fstab 
UUID=d7a6ef26-342a-4f41-9a42-814bd4e05a65 /                       ext4    defaults        1 1
UUID=a86d54b6-3dcc-4172-8f68-5e560fc565d2 /boot                   ext4    defaults        1 2
UUID=03e06859-15ed-40e7-9187-e5889fb3c2a2 swap                    swap    defaults        0 0

  地址定界：
    #: 指定行；
    $: 最后一行；
    /regexp/：任何能够被regexp所匹配到的行；
    \%regexp%：同上，只不过换作%为regexp边界符；
    /regexp/| ：匹配时忽略字符大小写；
    \%regexp%| ：匹配时忽略字符大小写；
    startline,endline：
     #,/regexp/：从#行开始，到第一次被/regexp/所匹配到的行结束，中间的所有行；
     #,#
     /regexp1/,/regexp2/：从第一次被/regexp1/匹配到的行开始，到第一次被/regexp2/匹配到的行结束，中间的所有行；
     #,+n：从#行开始，一直到向下的n行；
    first~step：指定起始行，以及步长；
        1~2：表示从第1行开始，每次步进2行（奇数行）

        2~2：表示从第2行开始，每次步进2行（偶数行）

示例：删除/etc/fstab中以UUID开头的行

[root@svn ~]# cat /etc/fstab        注：查看/etc/fstab文件内容
#
# /etc/fstab
# Created by anaconda on Tue Sep  8 17:15:07 2015
#
# Accessible filesystems, by reference, are maintained under '/dev/disk'
# See man pages fstab(5), findfs(8), mount(8) and/or blkid(8) for more info
#
UUID=d7a6ef26-342a-4f41-9a42-814bd4e05a65 /                       ext4    defaults        1 1
UUID=a86d54b6-3dcc-4172-8f68-5e560fc565d2 /boot                   ext4    defaults        1 2
UUID=03e06859-15ed-40e7-9187-e5889fb3c2a2 swap                    swap    defaults        0 0
tmpfs                   /dev/shm                tmpfs   defaults        0 0
devpts                  /dev/pts                devpts  gid=5,mode=620  0 0
sysfs                   /sys                    sysfs   defaults        0 0
proc                    /proc                   proc    defaults        0 0
[root@svn ~]# sed '/^UUID/d' /etc/fstab   注：使用sed删除已UUID开头的行
#
# /etc/fstab
# Created by anaconda on Tue Sep  8 17:15:07 2015
#
# Accessible filesystems, by reference, are maintained under '/dev/disk'
# See man pages fstab(5), findfs(8), mount(8) and/or blkid(8) for more info
#
tmpfs                   /dev/shm                tmpfs   defaults        0 0
devpts                  /dev/pts                devpts  gid=5,mode=620  0 0
sysfs                   /sys                    sysfs   defaults        0 0
proc                    /proc                   proc    defaults        0 0

  sed的编辑命令
    d: 删除模式空间中的行；
    =：显示行号；
    a \text：附加text
    i \text：插入text，支持\n实现多行插入；
    c \text：用text替换匹配到的行；
    p: 打印模式空间中的行；
    s/regexp/replacement/：替换由regexp所匹配到的内容为replacement；
     g: 全局替换；
     
    w /path/to/somefile：把指定的内容另存至/path/to/somefile路径所指定的文件中；
    r /path/from/somefile：在文件的指定位置插入另一个文件的所有内容，完成文件合并；

示例：

[root@svn tmp]# sed '/^UUID/a\text' /etc/fstab
#
# /etc/fstab
# Created by anaconda on Tue Sep  8 17:15:07 2015
#
# Accessible filesystems, by reference, are maintained under '/dev/disk'
# See man pages fstab(5), findfs(8), mount(8) and/or blkid(8) for more info
#
UUID=d7a6ef26-342a-4f41-9a42-814bd4e05a65 /                       ext4    defaults        1 1
text
UUID=a86d54b6-3dcc-4172-8f68-5e560fc565d2 /boot                   ext4    defaults        1 2
text
UUID=03e06859-15ed-40e7-9187-e5889fb3c2a2 swap                    swap    defaults        0 0
text

练习：
(1) 删除/boot/grub/grub.conf文件中所有行的行首的空白字符；

[root@svn ~]# sed 's/^[[:space:]]\+//' /boot/grub/grub.conf 
# grub.conf generated by anaconda
#
# Note that you do not have to rerun grub after making changes to this file
# NOTICE:  You have a /boot partition.  This means that
#          all kernel and initrd paths are relative to /boot/, eg.
#          root (hd0,0)
#          kernel /vmlinuz-version ro root=/dev/sda2
#          initrd /initrd-[generic-]version.img
#boot=/dev/sda
default=0
timeout=5
splashimage=(hd0,0)/grub/splash.xpm.gz
hiddenmenu
title CentOS (2.6.32-279.el6.i686)
root (hd0,0)
kernel /vmlinuz-2.6.32-279.el6.i686 ro root=UUID=d7a6ef26-342a-4f41-9a42-814bd4e05a65 nomodeset rd_NO_LUKS  KEYBOARDTYPE=pc KEYTABLE=us rd_NO_MD crashkernel=auto LANG=zh_CN.UTF-8 rd_NO_LVM rd_NO_DM rhgb quiet
initrd /initramfs-2.6.32-279.el6.i686.img

(2) 删除/etc/fstab文件中所有以#开头，后跟至少一个空白字符的行的行首的#和空白字符；

[root@svn ~]# sed 's/^#[[:space:]]\+//' /etc/fstab
#
/etc/fstab
Created by anaconda on Tue Sep  8 17:15:07 2015
#
Accessible filesystems, by reference, are maintained under '/dev/disk'
See man pages fstab(5), findfs(8), mount(8) and/or blkid(8) for more info
#
UUID=d7a6ef26-342a-4f41-9a42-814bd4e05a65 /                       ext4    defaults        1 1
UUID=a86d54b6-3dcc-4172-8f68-5e560fc565d2 /boot                   ext4    defaults        1 2
UUID=03e06859-15ed-40e7-9187-e5889fb3c2a2 swap                    swap    defaults        0 0
tmpfs                   /dev/shm                tmpfs   defaults        0 0
devpts                  /dev/pts                devpts  gid=5,mode=620  0 0
sysfs                   /sys                    sysfs   defaults        0 0
proc                    /proc                   proc    defaults        0 0

(3) 把/etc/fstab文件的奇数行另存为/tmp/fstab.3； 

[root@svn tmp]# sed '1~2w/tmp/fstab.3' /etc/fstab
#
# /etc/fstab
# Created by anaconda on Tue Sep  8 17:15:07 2015
#
# Accessible filesystems, by reference, are maintained under '/dev/disk'
# See man pages fstab(5), findfs(8), mount(8) and/or blkid(8) for more info
#
UUID=d7a6ef26-342a-4f41-9a42-814bd4e05a65 /                       ext4    defaults        1 1
UUID=a86d54b6-3dcc-4172-8f68-5e560fc565d2 /boot                   ext4    defaults        1 2
UUID=03e06859-15ed-40e7-9187-e5889fb3c2a2 swap                    swap    defaults        0 0
tmpfs                   /dev/shm                tmpfs   defaults        0 0
devpts                  /dev/pts                devpts  gid=5,mode=620  0 0
sysfs                   /sys                    sysfs   defaults        0 0
proc                    /proc                   proc    defaults        0 0
[root@svn tmp]# ls
fstab.3  yum.log
[root@svn tmp]# cat fstab.3
# /etc/fstab
#
# See man pages fstab(5), findfs(8), mount(8) and/or blkid(8) for more info
UUID=d7a6ef26-342a-4f41-9a42-814bd4e05a65 /                       ext4    defaults        1 1
UUID=03e06859-15ed-40e7-9187-e5889fb3c2a2 swap                    swap    defaults        0 0
devpts                  /dev/pts                devpts  gid=5,mode=620  0 0
proc                    /proc                   proc    defaults        0 0

(4) echo一个文件路径给sed命令，取出其基名；进一步地，取出其路径名；

[root@svn tmp]# echo "/etc/sysconfig/network-scripts/" | sed 
's@^.*/\([^/]\+\)/\?$@\1@'

network-scripts

[root@svn tmp]# echo "/etc/sysconfig/network-scripts/" | sed 
's@[^/]\+/\?$@@'

/etc/sysconfig/

   

  sed命令另一个称作"hold space"的内存空间：

   高级命令：
    h：用模式空间中的内容覆盖保持空间的内容；
    H：把模式空间中的内容追加至保持空间中内容的后面；
    g：从保持空间中取到其内容，并将其覆盖模式空间中的内容；
    G：从保持空间中取到其内容，并将其追加在模式空间中的内容的后面；
    x：把保持空间和模式空间中的进行交换；
    n：读取匹配到的行的下一行至模式空间；（会覆盖模式空间中的原有内容）；
    N：读取匹配到的行的下一行至模式空间，追加在模式空间中原有内容的后面；
    d：删除模式空间中的内容；
    D：删除多行模式空间中的首行；

    注意：命令功能可使用!取反；分号可用于分隔脚本；

示例：
    

sed 'G' /etc/issue： 在文件中的每行后方添加空白行；
    

sed '$!d' /etc/fstab：保留最后一行；
    

sed '/^$/d;G' /etc/issue: 保证指定的文件每一行后方有且只有一个空白行；
   

sed 'n;d' /etc/issue：保留奇数行；
    

sed -n '1!G;h;$p' /etc/issue:逆序显示文件内容
    

sed '$!N;$!D' /etc/issue

 

awk命令:
  基本语法
     awk [options] 'program' file file ...
     awk [options] 'PATTERN{action}' file file ...

      -F CHAR：输入分隔符

 

示例：awk -F: '{print $1,$3}' /etc/password

 

  1、awk的输出

     print item1, item2,...
     要点：
    (1) 各项目之间使用逗号分隔，而输出时则使用输出分隔符分隔；
    (2) 输出的各item可以字符串或数值、当前记录的字段、变量或awk的表达式；数值会被隐式转换为字符串后输出；
    (3) print后面item如果省略，相当于print $0；输出空白，使用pirnt ""；

  2、awk的变量
    内置变量，自定义变量

    2.1 内置变量
       FS：Field Seperator, 输入时的字段分隔符
           # awk 'BEGIN{FS=":"}{print $1,$7}' /etc/passwd

       RS：Record Seperator, 输入行分隔符
       OFS: Output Field Seperator, 输出时的字段分隔符;
       ORS: Outpput Row Seperator, 输出时的行分隔符；

       NF：Numbers of Field，字段数
       NR：Numbers of Record, 行数；所有文件的一并计数；
       FNR：行数；各文件分别计数；
       ARGV：数组，保存命令本身这个字符，awk '{print $0}' 1.txt 2.txt，意味着ARGV[0]保存awk,
       ARGC: 保存awk命令中参数的个数；
       FILENAME： awk正在处理的当前文件的名称；

    2.2 可自定义变量
       -v var_name=VALUE

       变量名区分字符大小写；

       (1) 可以program中定义变量；
       (2) 可以命令行中通过-v选项自定义变量；

 3、awk的printf命令

  命令的使用格式：printf format, item1, item2,...

  要点：
  (1) 要指定format；
  (2) 不会自动换行；如需换行则需要给出\n
  (3) format用于为后面的每个item指定其输出格式；

  format格式的指示符都%开头，后跟一个字符：
   %c: 显示字符的ASCII码；
   %d, %i: 十进制整数；
   %e, %E: 科学计数法显示数值；
   %f: 显示浮点数；
   %g, %G: 以科学计数法格式或浮点数格式显示数值；
   %s: 显示字符串；
   %u: 显示无符号整数；
   %%: 显示%自身；

  修饰符：
   #：显示宽度
   -：左对齐
   +：显示数值的符号
   .#: 取值精度

 4、awk输出重定向
  print items > output-file
  print items >> output-file
  print items | command

  特殊文件描述符：
  /dev/stdin: 标准输入
  /dev/stdout: 标准输出
  /dev/stderr: 错误输出

 5、awk的操作符

  算术操作符：
   x+y
   x-y
   x*y
   x/y
   x**y, x^y
   x%y
   -x：负值
   +x：转换为数值

  字符串操作符：连接

  赋值操作符：
   =
   +=
   -=
   *=
   /=
   %=
   ^=
   **=

   ++
   --

   如果模式自身是=号，要写为/=/

  比较操作符：
   <
   <=
   >
   >=
   ==
   !=
   ~：模式匹配，左边的字符串能够被右边的模式所匹配为真，否则为假；
   !~:

  逻辑操作符：
   &&： 与
   ||：或

  条件表达式:
  selector?if-true-expression:if-false-expression

 # awk -F: '{$3>=1000?utype="common user":utype="admin or system user";print $1,"is",utype}' /etc/passwd

  函数调用：
  function_name(argu1,argu2)

 6、模式

  (1) Regexp: 格式为/PATTERN/
   仅处理被/PATTERN/匹配到的行；
  (2) Expression: 表达式，其结果为非0或非空字符串时满足条件；
   仅处理满足条件的行；
  (3) Ranges: 行范围，此前地址定界，
   NR
   仅处理范围内的行
  (4) BEGIN/END: 特殊模式，仅在awk命令的program运行之前（BEGIN）或运行之后（END）执行一次；
  (5) Empty:空模式，匹配任意行；

 7、常用的action

  (1) Expressions
  (2) Control statements
  (3) Compound statements
  (4) input statements
  (5) output statements

 8、控制语句

  8.1 if-else
   格式：if (condition) {then body} else {else body}

# awk -F: '{if ($3>=500) {print $1,"is a common user"} else {print $1, "is an admin or system user"}}' /etc/passwd

   # awk '{if (NF>=8) {print}}' /etc/inittab

  8.2 while
   格式：while (condition) {while body}

# awk '{i=1; while (i<=NF){printf "%s ",$i;i+=2};print ""}' /etc/inittab

   # awk '{i=1; while (i<=NF){if (length($i)>=6) {print $i}; i++}}' /etc/inittab

   length()函数：取字符串的长度

  8.3 do-while循环
   格式：do {do-while body} while (condition)

  8.4 for循环
   格式：for (variable assignment; condition; iteration process) {for body}
  

# awk '{for (i=1;i<=NF;i+=2){printf "%s ",$i};print ""}' /etc/inittab

# awk '{for (i=1;i<=NF;i++){if (length($i)>=6) print $i}}' /etc/inittab

   for循环可用来遍历数组元素：
    语法：for (i in array) {for body}

  8.5 case语句
   语法：switch (expression) {case VALUE or /RGEEXP/: statement1;... default: stementN}

  8.6 循环控制
   break
   continue

  8.7 next
   提前结束对本行的处理进而提前进入下一行的处理；
   # awk -F: '{if($3%2==0) next;print $1,$3}' /etc/passwd
   # awk -F: '{if(NR%2==0) next; print NR,$1}' /etc/passwd

 9、数组

  传统数组：Index编号从1开始；
  关联数组：

   array[index-expression]

   index-expression: 可以使用任意字符串; 如果某数组元素事先不存在，那么在引用时，awk会自动创建此元素并将其初始化为空串；因此，要判断某数组是否存在某元素，必须使用“index in array”这种格式；

    A[first]="hello awk"
    print A[second]

   要遍历数组中的每一个元素，需要使用如下特殊结构：
    for (var in array) {for body}

    其var会遍历array的索引；

   state[LISTEN]++
   state[ESTABLISHED]++

 # netstat -tan | awk '/^tcp/{++state[$NF]}END{for (s in state) {print s,state[s]}}'
   # awk '{ip[$1]++}END{for (i in ip) {print i,ip[i]}}' /var/log/httpd/access_log

 10、awk的内置函数

  split(string,array[,fieldsep[,seps]])：
   功能：将string表示的字符串以fieldsep为分隔符进行切片，并切片后的结果保存至array为名的数组中；数组下标从1开始；

   root:x:0:0::/root:/bin/bash

   user[1]="root", user[2]

   此函数有返回值，返回值为切片后的元素的个数

   # netstat -tn | awk '/^tcp/{lens=split($5,client,":");ip[client[1]]++}END{for (i in ip) print i,ip[i]}'

  length(string)
   功能：返回给定字串的长度

  substr(string,start[,length])
   功能：从string中取子串，从start为起始位置为取length长度的子串；