瑞士军刀：文本处理工具Sed用法与实例详解

第一部分：sed基础

1)简介

sed 是一种在线编辑器，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。接着处理下一行，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主要用来自动编辑一个或多个文件；简化对文件的反复操作；编写文本转换程序等。掌握好sed的用法，能够极大的提高我们各类文件处理工作的效率。

2)sed命令参数及选项

命令	功能
a\	在当前行后添加一行或多行。多行时除最后一行外，每行末尾需用“\”续行
c\	用此符号后的新文本替换当前行中的文本。多行时除最后一行外，每行末尾需用”\”续行
i\	在当前行之前插入文本。多行时除最后一行外，每行末尾需用”\”续行
d	删除行
h	把模式空间里的内容复制到暂存缓冲区
H	把模式空间里的内容追加到暂存缓冲区
g	把暂存缓冲区里的内容复制到模式空间，覆盖原有的内容
G	把暂存缓冲区的内容追加到模式空间里，追加在原有内容的后面
l	列出非打印字符
p	打印行
n	读入下一输入行，并从下一条命令而不是第一条命令开始对其的处理
q	结束或退出sed
r	从文件中读取输入行
!	对所选行以外的所有行应用命令
s	用一个字符串替换另一个
g	在行内进行全局替换
w	将所选的行写入文件
x	交换暂存缓冲区与模式空间的内容
y	将字符替换为另一字符（不能对正则表达式使用y命令）

选项	功能
-e	进行多项编辑，即对输入行应用多条sed命令时使用
-n	取消默认的输出
-f	指定sed脚本的文件名

3)正则规则

身为一个强大的文本处理工具，支持正则表达式是必须的。sed使用的正则表达式是括在斜杠线”/”之间的模式。

元字符	功能	示例
^	行首定位符	/^my/  匹配所有以my开头的行
$	行尾定位符	/my$/  匹配所有以my结尾的行
.	匹配除换行符以外的单个字符	/m..y/  匹配包含字母m，后跟两个任意字符，再跟字母y的行
*	匹配零个或多个前导字符	/my*/  匹配包含字母m,后跟零个或多个y字母的行
[]	匹配指定字符组内的任一字符	/[Mm]y/  匹配包含My或my的行
[^]	匹配不在指定字符组内的任一字符	/[^Mm]y/  匹配包含y，但y之前的那个字符不是M或m的行
\(..\)	保存已匹配的字符	1,20s/\(you\)self/\1r/  标记元字符之间的模式，并将其保存为标签1，之后可以使用\1来引用它。最多可以定义9个标签，从左边开始编号，最左边的是第一个。此例中，对第1到第20行进行处理，you被保存为标签1，如果发现youself，则替换为your。
&	保存查找串以便在替换串中引用	s/my/**&**/  符号&代表查找串。my将被替换为**my**
\<	词首定位符	/\<my/  匹配包含以my开头的单词的行
\>	词尾定位符	/my\>/  匹配包含以my结尾的单词的行
x\{m\}	连续m个x	/9\{5\}/ 匹配包含连续5个9的行
x\{m,\}	至少m个x	/9\{5,\}/  匹配包含至少连续5个9的行
x\{m,n\}	至少m个，但不超过n个x	/9\{5,7\}/  匹配包含连续5到7个9的行

4)10个小实例

sed命令的参数选项比较多，我们直接通过一些实例来了解sed的用法。

实例1.p命令

p命令用于输出文件内容，对于匹配模式的行，会被输出两次。

例如：

1 2 3 4 5 6 7 8 9 10 11

cricode >> cat sed .txt #This is a sed command test file Hello , world hello , world if linux command  www .cricode .com welcome to cricode cricode >> sed '/Hello/p' sed .txt #This is a sed command test file Hello , world hello , world Hello , world hello , world if linux command  www .cricode .com welcome to cricode

文件中包含Hello的行被输出了两次。

如果只想要输出匹配模式的行，则可以通过-n参数取消sed的默认行为来实现。

1 2	cricode >> sed - n '/Hello/p' sed .txt Hello , world hello , world

实例2. d命令

d命令用于删除特定行。

删除第1、2行

1 2 3

cricode >> sed '1,2d' sed .txt if linux command  www .cricode .com welcome to cricode

删除最后一行

1 2 3 4

cricode >> sed '$d' sed .txt #This is a sed command test file Hello , world hello , world if linux command  www .cricode .com

删除包含字符串cricode的行

1 2 3

cricode >> sed '/cricode/d' sed . txt #This is a sed command test file Hello , world hello , world

删除以com字符串结尾的行

1 2 3 4

cricode >> sed '/com$/d' sed .txt #This is a sed command test file Hello , world hello , world welcome to cricode

实例3. S命令

s命令用于文本替换。

将文件中world替换成WORLD

1 2 3 4 5

cricode >> sed 's/world/WORLD/' sed .txt #This is a sed command test file Hello , WORLD hello , world if linux command  www .cricode .com welcome to cricode

可以发现 Hello,WORLD hello,world 中只有第一个world被替换了。

 通过g参数在全行进行替换，如下：

1 2 3 4 5

cricode >> sed 's/world/WORLD/g' sed .txt #This is a sed command test file Hello , WORLD hello , WORLD if linux command  www .cricode .com welcome to cricode

整行替换，将全文中包含特定单词的行替换成其他字符串。

1 2 3 4 5

cricode >> sed 's/.*world/this is a replace line/' sed .txt #This is a sed command test file this is a replace line if linux command  www .cricode .com welcome to cricode

实例4. e选项

-e即edit的意思，编辑命令，用于sed执行多个编辑任务的情况下。在下一行开始编辑前，所有的编辑动作将应用到模式缓冲区中的行上。

1 2 3

cricode >> sed - e '1,2d' - e 's/cricode/CRICODE/' sed .txt if linux command  www .CRICODE .com welcome to CRICODE

上述为sed命令使用选项-e进行多重编辑后得到的结果。第一重编辑删除第1、2行。第二重编辑将第1、2行外的所有包含cricode替换为大写CRICODE。因为是逐行进行这两项编辑（即这两个命令都在模式空间的当前行上执行），所以编辑命令的顺序会影响结果。

实例5.r命令

r命令是读命令。sed使用该命令将一个文本文件中的内容加到当前文件的特定位置上。这个命令在需要往文件中有规律的插入信息时特别有用。

在包含cricode单词的行后面加入一行注释。(注释内容写在sed1.txt中)

1 2 3 4 5 6 7

cricode >> sed '/cricode/r sed1.txt' sed .txt #This is a sed command test file Hello , world hello , world if linux command  www .cricode .com ###This is comment information!!!!!!!!!!!!! welcome to cricode ###This is comment information!!!!!!!!!!!!!

实例6. w命令

1 2 3 4 5 6 7 8

cricode >> sed '/cricode/w tmp.txt' sed .txt #This is a sed command test file Hello , world hello , world if linux command  www .cricode .com welcome to cricode cricode >> cat tmp .txt if linux command  www .cricode .com welcome to cricode

上述命令将sed.txt文件中包含模式cricode的行内容写入到tmp.txt

实例7.a\命令

a\命令将添加新文本到文件中当前行（即读入模式缓冲区中的行）的后面。所追加的文本行位于sed命令的下方另起一行。如果要追加的内容超过一行，则每一行都必须以反斜线结束，最后一行除外。最后一行将以引号和文件名结束。

在包含hello的行后插入一行内容：kidding??

1 2 3 4 5 6

cricode >> sed '/hello/a\kidding???' sed .txt #This is a sed command test file Hello , world hello , world kidding ? ? ? if linux command  www .cricode .com welcome to cricode

其实第5点的r命令也能实现相同的功能。

实例8.i\命令

i\命令与a\命令相反，它是在匹配行的前面插入一行。

 在包含hello的行前插入一行内容：kidding??

1 2 3 4 5 6 7

cricode >> sed '/hello/i\kidding???' sed .txt   #This is a sed command test file kidding ? ? ? Hello , world hello , world if linux command  www .cricode .com welcome to cricode

实例9. c\命令

c\命令将匹配行修改成我们设定的内容。

将包含hello的行替换成kidding??

1 2 3 4 5

cricode >> sed '/hello/c\kidding???' sed .txt #This is a sed command test file kidding ? ? ? if linux command  www .cricode .com welcome to cricode

其实这个替换功能可以通过第3点中方法实现：通过正则匹配来实现全行替换。

实例10. y命令

y命令与UNIX/Linux中的tr命令类似，字符按照一对一的方式从左到右进行转换。例如，y/abc/ABC/将把所有小写的a转换成A，小写的b转换成B，小写的c转换成C。

将文本中小写字母hi分别替换为大写字母HI：

1 2 3 4 5

cricode >> sed 'y/hi/HI/' sed .txt #THIs Is a sed command test fIle Hello , world Hello , world If lInux command  www .crIcode .com welcome to crIcode

 第二部分：Sed脚本

通过编写脚本我们可以方便的批量执行命令。sed脚本就是写在文件中的一系列sed命令。sed脚本中，要求命令的末尾不能有任何多余的空格或文本。如果在一行中有多个命令，要用分号分隔。执行脚本 时，sed先将输入文件中第一行复制到模式缓冲区，然后对其执行脚本中所有的命令。每一行处理完毕后，sed再复制文件中下一行到模式缓冲区，对其执行脚 本中所有命令。使用sed脚本时，不再用引号来确保sed命令不被shell解释。

下面举个栗子。

我们现在来完成如下任务：

1）在sed.txt中的开头插入一行作者信息：#Author:Jay13  2013-08-25

2）将文章中所有cricode替换成CRICODE。

3）在文本末尾加入一行：good bye!

那么我们可以编写一个名为sedscript脚本，脚本具体内容如下：

1 2 3

1i \ #Author:Jay13 2013-08-25 s / cricode / CRICODE / g $a \ good bye !

然后再将sed脚本应用到sed.txt 文件上

1 2 3 4 5 6 7

cricode >> sed - f sedscript sed .txt #Author:Jay13 2013-08-25 #This is a sed command test file Hello , world hello , world if linux command  www .CRICODE .com welcome to CRICODE good bye !

第三部分：练习

学习了sed的基本知识，现在我们来实战一下。

1、Sed中如何替换多行中的有规律的数字字符串 

输入：

hello world balabala – . gene_id “240838 “; transcript_id “240838“;

hello world balabala again – . gene_id “240838 “; transcript_id “240838“;

balaba….

输出：

hello world balabala - . gene_id “zgg240838 “; transcript_id “zgg240838“;

hello world balabala again - . gene_id “zgg240838 “; transcript_id “zgg240838“;

balaba…

也即，将字符串gene_id“后接数字以及transcript_id “后接数字中的引号与数字之间插入zgg字符串。

解答：

脚本编写如下：

sed  ‘s/gene_id “\([0-9]\+\)”; transcript_id “\([0-9]\+\)”;/gene_id “zgg\1″; transcript_id “zgg\2″;/g’ test.txt

注：

1. 数字的匹配[0-9]

2.[0-9]后接\+表示匹配一个或多个数字

3.匹配部分加括号，引用匹配部分用\1,\2,….等等。

4.sed执行多个匹配用分号连接，整个命令用’’引在内部。

2、在文本中每一行添加行头行尾，在行投添加 Head单词，在行尾添加Tail单词。

解答：略

3、利用sed进行格式转换

比如需要将text.txt中如下内容

1 2 3 4 5 6 7 8

dn : uid = admin , ou = ITaccounts , dc = tc uid : admin cn : admin cn sn : admin sn dn : uid = 0037 , ou = employees , dc = tci uid : 0037 cn : thinker sn : zzz

转换成xml格式如下：

1 2 3 4 5 6 7 8 9 10 11 12

< entity > < dn > uid = admin , ou = ITaccounts , dc = tc < / dn > < uid > admin < / uid > < cn > admin cn < / cn > < sn > admin sn < / sn > < / entity > < entity > < dn > uid = 0037 , ou = employees , dc = tci < / dn > < uid > 0037 < / uid > < cn > thinker < / cn > < sn > zzz < / sn > < / entity >

则可以定义下面的sedscript文件：

1 2 3 4 5 6 7

/ ^ dn : [ [ : space : ] ] / i \  < entity >  s / ^ dn : [ [ : space : ] ] \ ( . * \ ) $ / < dn > \ 1 < \ / dn > / g  s / ^ uid : [ [ : space : ] ] \ ( . * \ ) $ / < uid > \ 1 < \ / uid > / g  s / ^ cn : [ [ : space : ] ] \ ( . * \ ) $ / < cn > \ 1 < \ / cn > / g  s / ^ sn : [ [ : space : ] ] \ ( . * \ ) $ / < sn > \ 1 < \ / sn > / g  s / ^ $ / < \ / entity > / g

第一行和第二行实现的功能就是在每个dn:开头的行前面加上一行<entity>。最后一行是碰到空行补上</entity>这 个结束标记。

另外，在执行替换的时候可以通过使用把被替换的字符串分组，在替换的部分里面用\1、\2这种方式引用被替换文字里面的相应的组。

用这种方法把ldif文件里面[:]前的东西删掉并且在两边增加相应的xml标记。
仔细想想，4行替换也许用下面的1行就能实现？
s/^\(.*\):[[:space:]]\(.*\)$/<\1>\2<\/\1>/g

1 2 3 4 5 6 7 8 9 10 11

cricode >>  sed - f sedscript test . txt < entity > < dn > uid = admin , ou = ITaccounts , dc = tc < / dn > < uid > admin < / uid > < cn > admin cn < / cn > < sn > admin sn < / sn > < entity > < dn > uid = 0037 , ou = employees , dc = tci < / dn > < uid > 0037 < / uid > < cn > thinker < / cn > < sn > zzz < / sn >

=============================GAME OVER================================

参考：http://www.cnblogs.com/edwardlost/archive/2010/09/17/1829145.html

转载请注明：快课网 » 瑞士军刀：文本处理工具Sed用法与实例详解