Linux shell文本處理工具

搞定Linux Shell文本處理工具，看完這篇集錦就夠了

Linux Shell是一種基本功，因爲怪異的語法加之較差的可讀性，一般被Python等腳本代替。既然是基本功，那就須要掌握，畢竟學習Shell腳本的過程當中，仍是能瞭解到不少Linux系統的內容。

Linux腳本大師不是人人均可以達到的，可是用一些簡單的Shell實現一些常見的基本功能仍是頗有必要的。

下面我介紹Linux下使用Shell處理文本時最經常使用的工具：
find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk；
提供的例子和參數都是最經常使用和最爲實用的；
我對shell腳本使用的原則是命令單行書寫，儘可能不要超過2行；
若是有更爲複雜的任務需求，仍是考慮python吧；

一、find 文件查找
查找txt和pdf文件

  find . \( -name "*.txt" -o -name "*.pdf" \) -print
正則方式查找.txt和pdf

  find . -regex  ".*\(\.txt|\.pdf\)$"
-iregex： 忽略大小寫的正則

否認參數
查找全部非txt文本

   find . ! -name "*.txt" -print
指定搜索深度
打印出當前目錄的文件（深度爲1）

  find . -maxdepth 1 -type f
定製搜索
按類型搜索：

  find . -type d -print  //只列出全部目錄
-type f 文件 / l 符號連接

按時間搜索：
-atime 訪問時間 (單位是天，分鐘單位則是-amin，如下相似）
-mtime 修改時間 （內容被修改）
-ctime 變化時間 （元數據或權限變化）
最近7天被訪問過的全部文件：

  find . -atime 7 -type f -print
按大小搜索：
w字 k M G
尋找大於2k的文件

  find . -type f -size +2k
按權限查找：

  find . -type f -perm 644 -print //找具備可執行權限的全部文件
按用戶查找：

  find . -type f -user weber -print// 找用戶weber所擁有的文件
找到後的後續動做
刪除：
刪除當前目錄下全部的swp文件：

  find . -type f -name "*.swp" -delete
執行動做（強大的exec）

  find . -type f -user root -exec chown weber {} \; //將當前目錄下的全部權變動爲weber
注：{}是一個特殊的字符串，對於每個匹配的文件，{}會被替換成相應的文件名；
eg：將找到的文件全都copy到另外一個目錄：

  find . -type f -mtime +10 -name "*.txt" -exec cp {} OLD \;
結合多個命令
tips: 若是須要後續執行多個命令，能夠將多個命令寫成一個腳本。而後 -exec 調用時執行腳本便可；

  -exec ./commands.sh {} \;
-print的定界符
默認使用’\n’做爲文件的定界符；
-print0 使用’\0’做爲文件的定界符，這樣就能夠搜索包含空格的文件；

二、grep 文本搜索
grep match_patten file // 默認訪問匹配行

經常使用參數
-o 只輸出匹配的文本行 VS -v 只輸出沒有匹配的文本行
-c 統計文件中包含文本的次數

  grep -c "text" filename
-n 打印匹配的行號
-i 搜索時忽略大小寫
-l 只打印文件名

在多級目錄中對文本遞歸搜索(程序員搜代碼的最愛）：

  grep "class" . -R -n
匹配多個模式

  grep -e "class" -e "vitural" file
grep輸出以\0做爲結尾符的文件名：（-z）

  grep "test" file* -lZ| xargs -0 rm
 三、xargs 命令行參數轉換
xargs 可以將輸入數據轉化爲特定命令的命令行參數；這樣，能夠配合不少命令來組合使用。好比grep，好比find；

將多行輸出轉化爲單行輸出
cat file.txt| xargs
\n 是多行文本間的定界符

將單行轉化爲多行輸出
cat single.txt | xargs -n 3
-n：指定每行顯示的字段數

xargs參數說明
-d 定義定界符 （默認爲空格 多行的定界符爲 \n）
-n 指定輸出爲多行
-I {} 指定替換字符串，這個字符串在xargs擴展時會被替換掉,用於待執行的命令須要多個參數時
eg：

cat file.txt | xargs -I {} ./command.sh -p {} -1
-0：指定\0爲輸入定界符
eg：統計程序行數

find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l
 四、sort 排序
字段說明：
-n 按數字進行排序 VS -d 按字典序進行排序
-r 逆序排序
-k N 指定按第N列排序
eg：

sort -nrk 1 data.txt
sort -bd data // 忽略像空格之類的前導空白字符
 五、uniq 消除重複行
消除重複行

  sort unsort.txt | uniq
統計各行在文件中出現的次數

  sort unsort.txt | uniq -c
找出重複行

  sort unsort.txt | uniq -d
可指定每行中須要比較的重複內容：-s 開始位置 -w 比較字符數

 六、用tr進行轉換
通用用法

  echo 12345 | tr '0-9' '9876543210' //加解密轉換，替換對應字符
  cat text| tr '\t' ' '  //製表符轉空格
tr刪除字符

  cat file | tr -d '0-9' // 刪除全部數字
-c 求補集

  cat file | tr -c '0-9' //獲取文件中全部數字
  cat file | tr -d -c '0-9 \n'  //刪除非數字數據
tr壓縮字符
tr -s 壓縮文本中出現的重複字符；最經常使用於壓縮多餘的空格

  cat file | tr -s ' '
字符類
tr中可用各類字符類：
alnum：字母和數字
alpha：字母
digit：數字
space：空白字符
lower：小寫
upper：大寫
cntrl：控制（非可打印）字符
print：可打印字符
使用方法：tr [:class:] [:class:]

  eg: tr '[:lower:]' '[:upper:]'
 七、cut 按列切分文本
截取文件的第2列和第4列：

  cut -f2,4 filename
去文件除第3列的全部列：

  cut -f3 --complement filename
-d 指定定界符：

  cat -f2 -d";" filename
cut 取的範圍
N- 第N個字段到結尾
-M 第1個字段爲M
N-M N到M個字段

cut 取的單位
-b 以字節爲單位
-c 以字符爲單位
-f 以字段爲單位（使用定界符）

eg:

  cut -c1-5 file //打印第一到5個字符
  cut -c-2 file  //打印前2個字符
 八、paste 按列拼接文本
將兩個文本按列拼接到一塊兒;

cat file112cat file2
colin
book

paste file1 file21 colin2 book
默認的定界符是製表符，能夠用-d指明定界符
paste file1 file2 -d 「,」
1,colin
2,book

 九、wc 統計行和字符的工具
wc -l file // 統計行數
wc -w file // 統計單詞數
wc -c file // 統計字符數

 十、sed 文本替換利器
首處替換

  seg 's/text/replace_text/' file   //替換每一行的第一處匹配的text
全局替換

   seg 's/text/replace_text/g' file
默認替換後，輸出替換後的內容，若是須要直接替換原文件,使用-i：

  seg -i 's/text/repalce_text/g' file
移除空白行：

  sed '/^$/d' file
變量轉換
已匹配的字符串經過標記&來引用.

echo this is en example | seg 's/\w+/[&]/g'$>[this]  [is] [en] [example]
子串匹配標記
第一個匹配的括號內容使用標記 \1 來引用

  sed 's/hello\([0-9]\)/\1/'
雙引號求值
sed一般用單引號來引用；也可以使用雙引號，使用雙引號後，雙引號會對錶達式求值：

  sed 's/$var/HLLOE/'
當使用雙引號時，咱們能夠在sed樣式和替換字符串中指定變量；

eg:p=patten
r=replaced
echo "line con a patten" | sed "s/$p/$r/g"$>line con a replaced
其它示例
字符串插入字符：將文本中每行內容（PEKSHA） 轉換爲 PEK/SHA

  sed 's/^.\{3\}/&\//g' file
 十一、awk 數據流處理工具
awk腳本結構
awk ‘ BEGIN{ statements } statements2 END{ statements } ‘

工做方式
1.執行begin中語句塊；
2.從文件或stdin中讀入一行，而後執行statements2，重複這個過程，直到文件所有被讀取完畢；
3.執行end語句塊；

print 打印當前行
使用不帶參數的print時，會打印當前行;

  echo -e "line1\nline2" | awk 'BEGIN{print "start"} {print } END{ print "End" }'
print 以逗號分割時，參數以空格定界;

echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; \
print var1, var2 , var3; }'$>v1 V2 v3
使用-拼接符的方式（」」做爲拼接符）;

echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; \
print var1"-"var2"-"var3; }'$>v1-V2-v3
特殊變量： NR NF $0 $1 $2
NR:表示記錄數量，在執行過程當中對應當前行號；
NF:表示字段數量，在執行過程總對應當前行的字段數；
$0:這個變量包含執行過程當中當前行的文本內容；
$1:第一個字段的文本內容；
$2:第二個字段的文本內容；

echo -e "line1 f2 f3\n line2 \n line 3" | awk '{print NR":"$0"-"$1"-"$2}'
打印每一行的第二和第三個字段：

  awk '{print $2, $3}' file
統計文件的行數：

  awk ' END {print NR}' file
累加每一行的第一個字段：

  echo -e "1\n 2\n 3\n 4\n" | awk 'BEGIN{num = 0 ;
  print "begin";} {sum += $1;} END {print "=="; print sum }'
傳遞外部變量
var=1000echo | awk '{print vara}' vara=$var #  輸入來自stdinawk '{print vara}' vara=$var file # 輸入來自文件
用樣式對awk處理的行進行過濾
awk ‘NR < 5’ #行號小於5
awk ‘NR==1,NR==4 {print}’ file #行號等於1和4的打印出來
awk ‘/linux/’ #包含linux文本的行（能夠用正則表達式來指定，超級強大）
awk ‘!/linux/’ #不包含linux文本的行

設置定界符
使用-F來設置定界符（默認爲空格）
awk -F: ‘{print $NF}’ /etc/passwd

讀取命令輸出
使用getline，將外部shell命令的輸出讀入到變量cmdout中；

echo | awk '{"grep root /etc/passwd" | getline cmdout; print cmdout }'
在awk中使用循環
for(i=0;i<10;i++){print $i;}
for(i in array){print array[i];}

eg:
以逆序的形式打印行：(tac命令的實現）

seq 9| \
awk '{lifo[NR] = $0; lno=NR} \
END{ for(;lno>-1;lno--){print lifo[lno];}
} '
awk實現head、tail命令
head:

  awk 'NR<=10{print}' filename
tail:

  awk '{buffer[NR%10] = $0;} END{for(i=0;i<11;i++){ \
  print buffer[i %10]} } ' filename
打印指定列
awk方式實現：

  ls -lrt | awk '{print $6}'
cut方式實現

  ls -lrt | cut -f6
打印指定文本區域
肯定行號

  seq 100| awk 'NR==4,NR==6{print}'
肯定文本
打印處於start_pattern 和end_pattern之間的文本；

  awk '/start_pattern/, /end_pattern/' filename
eg:

seq 100 | awk '/13/,/15/'cat /etc/passwd| awk '/mai.*mail/,/news.*news/'
awk經常使用內建函數
index(string,search_string):返回search_string在string中出現的位置
sub(regex,replacement_str,string):將正則匹配到的第一處內容替換爲replacement_str;
match(regex,string):檢查正則表達式是否可以匹配字符串；
length(string)：返回字符串長度

echo | awk '{"grep root /etc/passwd" | getline cmdout; print length(cmdout) }'
printf 相似c語言中的printf，對輸出進行格式化
eg：

seq 10 | awk '{printf "->%4s\n", $1}'
 十二、迭代文件中的行、單詞和字符
1. 迭代文件中的每一行
while 循環法

while read line;doecho $line;done < file.txt改爲子shell:cat file.txt | (while read line;do echo $line;done)
awk法：
cat file.txt| awk ‘{print}’

2.迭代一行中的每個單詞
for word in $line;do echo $word;done
3. 迭代每個字符
${string:start_pos:num_of_chars}：從字符串中提取一個字符；(bash文本切片）
${#word}:返回變量word的長度

for((i=0;i<${#word};i++))doecho ${word:i:1);done