您当前的位置:首页 > 电脑百科 > 软件技术 > 操作系统 > linux

Linux文本处理工具

时间:2019-07-18 13:18:41  来源:  作者:
作者:大CC
原文:http://www.cnblogs.com/me115/p/3427319.html
Linux文本处理工具,看这篇就够了。

 

 

本文将介绍linux下使用Shell处理文本时最常用的工具:

find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk;

提供的例子和参数都是最常用和最为实用的;

对shell脚本使用的原则是命令单行书写,尽量不要超过2行;

如果有更为复杂的任务需求,还是考虑Python吧;

find 文件查找

  • 查找txt和pdf文件
 find . ( -name "*.txt" -o -name "*.pdf" ) -print
  • 正则方式查找.txt和pdf
 find . -regex ".*(.txt|.pdf)$"
  • -iregex: 忽略大小写的正则
  • 否定参数
  • 查找所有非txt文本
 find . ! -name "*.txt" -print
  • 指定搜索深度
  • 打印出当前目录的文件(深度为1)
 find . -maxdepth 1 -type f 

定制搜索

  • 按类型搜索:
 find . -type d -print //只列出所有目录
  • -type f 文件 / l 符号链接
  • 按时间搜索:
  • -atime 访问时间 (单位是天,分钟单位则是-amin,以下类似)
  • -mtime 修改时间 (内容被修改)
  • -ctime 变化时间 (元数据或权限变化)
  • 最近7天被访问过的所有文件:
 find . -atime 7 -type f -print
  • 按大小搜索:
  • w字 k M G
  • 寻找大于2k的文件
 find . -type f -size +2k
  • 按权限查找:
 find . -type f -perm 644 -print //找具有可执行权限的所有文件
  • 按用户查找:
 find . -type f -user weber -print// 找用户weber所拥有的文件

找到后的后续动作

  • 删除:
  • 删除当前目录下所有的swp文件:
 find . -type f -name "*.swp" -delete
  • 执行动作(强大的exec)
 find . -type f -user root -exec chown weber {} ; //将当前目录下的所有权变更为weber
  • 注:{}是一个特殊的字符串,对于每一个匹配的文件,{}会被替换成相应的文件名;
  • eg:将找到的文件全都copy到另一个目录:
 find . -type f -mtime +10 -name "*.txt" -exec cp {} OLD ;
  • 结合多个命令
  • tips: 如果需要后续执行多个命令,可以将多个命令写成一个脚本。然后 -exec 调用时执行脚本即可;
 -exec ./commands.sh {} ;

-print的定界符

默认使用'n'作为文件的定界符;

-print0 使用''作为文件的定界符,这样就可以搜索包含空格的文件;

grep 文本搜索

grep match_patten file // 默认访问匹配行

  • 常用参数
  • -o 只输出匹配的文本行 VS -v 只输出没有匹配的文本行
  • -c 统计文件中包含文本的次数
 grep -c "text" filename
  • -n 打印匹配的行号
  • -i 搜索时忽略大小写
  • -l 只打印文件名
  • 在多级目录中对文本递归搜索(程序员搜代码的最爱):
 grep "class" . -R -n
  • 匹配多个模式
 grep -e "class" -e "vitural" file
  • grep输出以作为结尾符的文件名:(-z)
 grep "test" file* -lZ| xargs -0 rm

xargs 命令行参数转换

xargs 能够将输入数据转化为特定命令的命令行参数;这样,可以配合很多命令来组合使用。比如grep,比如find;

  • 将多行输出转化为单行输出
  • cat file.txt| xargs
  • n 是多行文本间的定界符
  • 将单行转化为多行输出
  • cat single.txt | xargs -n 3
  • -n:指定每行显示的字段数

xargs参数说明

-d 定义定界符 (默认为空格 多行的定界符为 n)

-n 指定输出为多行

-I {} 指定替换字符串,这个字符串在xargs扩展时会被替换掉,用于待执行的命令需要多个参数时

eg:

cat file.txt | xargs -I {} ./command.sh -p {} -1

-0:指定为输入定界符

eg:统计程序行数

find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l

sort 排序

字段说明:

-n 按数字进行排序 VS -d 按字典序进行排序

-r 逆序排序

-k N 指定按第N列排序

eg:

sort -nrk 1 data.txt
sort -bd data // 忽略像空格之类的前导空白字符

uniq 消除重复行

  • 消除重复行
 sort unsort.txt | uniq 
  • 统计各行在文件中出现的次数
 sort unsort.txt | uniq -c
  • 找出重复行
 sort unsort.txt | uniq -d
  • 可指定每行中需要比较的重复内容:-s 开始位置 -w 比较字符数

用tr进行转换

  • 通用用法
 echo 12345 | tr '0-9' '9876543210' //加解密转换,替换对应字符
 cat text| tr 't' ' ' //制表符转空格
  • tr删除字符
 cat file | tr -d '0-9' // 删除所有数字
  • -c 求补集
 cat file | tr -c '0-9' //获取文件中所有数字
 cat file | tr -d -c '0-9 n' //删除非数字数据
  • tr压缩字符
  • tr -s 压缩文本中出现的重复字符;最常用于压缩多余的空格
 cat file | tr -s ' '
  • 字符类
  • tr中可用各种字符类:
  • alnum:字母和数字
  • alpha:字母
  • digit:数字
  • space:空白字符
  • lower:小写
  • upper:大写
  • 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:]'

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列的所有列:
 cut -f3 --complement filename
  • -d 指定定界符:
 cat -f2 -d";" filename
  • cut 取的范围
  • N- 第N个字段到结尾
  • -M 第1个字段为M
  • N-M N到M个字段
  • cut 取的单位
  • -b 以字节为单位
  • -c 以字符为单位
  • -f 以字段为单位(使用定界符)
  • eg:
 cut -c1-5 file //打印第一到5个字符
 cut -c-2 file //打印前2个字符

paste 按列拼接文本

将两个文本按列拼接到一起;

cat file1
1
2
cat file2
colin
book
paste file1 file2
1 colin
2 book

默认的定界符是制表符,可以用-d指明定界符

paste file1 file2 -d ","

1,colin

2,book

wc 统计行和字符的工具

wc -l file // 统计行数

wc -w file // 统计单词数

wc -c file // 统计字符数

sed 文本替换利器

  • 首处替换
 seg 's/text/replace_text/' file //替换每一行的第一处匹配的text
  • 全局替换
 seg 's/text/replace_text/g' file
  • 默认替换后,输出替换后的内容,如果需要直接替换原文件,使用-i:
 seg -i 's/text/repalce_text/g' file
  • 移除空白行:
 sed '/^$/d' file
  • 变量转换
  • 已匹配的字符串通过标记&来引用.
echo this is en example | seg 's/w+/[&]/g'
$>[this] [is] [en] [example]
  • 子串匹配标记
  • 第一个匹配的括号内容使用标记 1 来引用
 sed 's/hello([0-9])/1/'
  • 双引号求值
  • sed通常用单引号来引用;也可使用双引号,使用双引号后,双引号会对表达式求值:
 sed 's/$var/HLLOE/' 
  • 当使用双引号时,我们可以在sed样式和替换字符串中指定变量;
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:将文本中每行内容(PEKSHA) 转换为 PEK/SHA
 sed 's/^.{3}/&//g' file

awk 数据流处理工具

  • awk脚本结构
  • awk ' BEGIN{ statements } statements2 END{ statements } '
  • 工作方式
  • 1.执行begin中语句块;
  • 2.从文件或stdin中读入一行,然后执行statements2,重复这个过程,直到文件全部被读取完毕;
  • 3.执行end语句块;

print 打印当前行

  • 使用不带参数的print时,会打印当前行;
 echo -e "line1nline2" | awk 'BEGIN{print "start"} {print } END{ print "End" }' 
  • print 以逗号分割时,参数以空格定界;
echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; 
print var1, var2 , var3; }'
$>v1 V2 v3
  • 使用-拼接符的方式(""作为拼接符);
echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; 
print var1"-"var2"-"var3; }'
$>v1-V2-v3

特殊变量: NR NF $0 $1 $2

NR:表示记录数量,在执行过程中对应当前行号;

NF:表示字段数量,在执行过程总对应当前行的字段数;

$0:这个变量包含执行过程中当前行的文本内容;

$1:第一个字段的文本内容;

$2:第二个字段的文本内容;

echo -e "line1 f2 f3n line2 n line 3" | awk '{print NR":"$0"-"$1"-"$2}'
  • 打印每一行的第二和第三个字段:
 awk '{print $2, $3}' file
  • 统计文件的行数:
 awk ' END {print NR}' file
  • 累加每一行的第一个字段:
 echo -e "1n 2n 3n 4n" | awk 'BEGIN{num = 0 ;
 print "begin";} {sum += $1;} END {print "=="; print sum }'

传递外部变量

var=1000
echo | awk '{print vara}' vara=$var # 输入来自stdin
awk '{print vara}' vara=$var file # 输入来自文件

用样式对awk处理的行进行过滤

awk 'NR < 5' #行号小于5

awk 'NR==1,NR==4 {print}' file #行号等于1和4的打印出来

awk '/linux/' #包含linux文本的行(可以用正则表达式来指定,超级强大)

awk '!/linux/' #不包含linux文本的行

设置定界符

使用-F来设置定界符(默认为空格)

awk -F: '{print $NF}' /etc/passwd

读取命令输出

使用getline,将外部shell命令的输出读入到变量cmdout中;

echo | awk '{"grep root /etc/passwd" | getline cmdout; print cmdout }' 

在awk中使用循环

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命令的实现)

seq 9| 
awk '{lifo[NR] = $0; lno=NR} 
END{ for(;lno>-1;lno--){print lifo[lno];}
} '

awk实现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方式实现:
 ls -lrt | awk '{print $6}'
  • cut方式实现
 ls -lrt | cut -f6

打印指定文本区域

  • 确定行号
 seq 100| awk 'NR==4,NR==6{print}'
  • 确定文本
  • 打印处于start_pattern 和end_pattern之间的文本;
 awk '/start_pattern/, /end_pattern/' filename
  • eg:
seq 100 | awk '/13/,/15/'
cat /etc/passwd| awk '/mai.*mail/,/news.*news/'

awk常用内建函数

index(string,search_string):返回search_string在string中出现的位置

sub(regex,replacement_str,string):将正则匹配到的第一处内容替换为replacement_str;

match(regex,string):检查正则表达式是否能够匹配字符串;

length(string):返回字符串长度

echo | awk '{"grep root /etc/passwd" | getline cmdout; print length(cmdout) }' 

printf 类似C语言中的printf,对输出进行格式化

eg:

seq 10 | awk '{printf "->%4sn", $1}'

迭代文件中的行、单词和字符

1. 迭代文件中的每一行

  • while 循环法
while read line;
do
echo $line;
done < file.txt
改成子shell:
cat file.txt | (while read line;do echo $line;done)
  • awk法:
  • cat file.txt| awk '{print}'

2.迭代一行中的每一个单词

for word in $line;
do 
echo $word;
done

3. 迭代每一个字符

${string:start_pos:num_of_chars}:从字符串中提取一个字符;(bash文本切片)

${#word}:返回变量word的长度

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

本文为《linux Shell脚本攻略》的读书笔记,文中主要内容和示例来自于

《linux Shell脚本攻略》



Tags:Linux 工具   点击:()  评论:()
声明:本站部分内容及图片来自互联网,转载是出于传递更多信息之目的,内容观点仅代表作者本人,如有任何标注错误或版权侵犯请与我们联系(Email:2595517585@qq.com),我们将及时更正、删除,谢谢。
▌相关推荐
大家好,我是良许。在我们编写代码的时候,我们经常需要知道两个文件之间,或者同一个文件不同版本之间有什么差异性。在 Windows 下有个很强大的工具叫作 BeyondCompare ,那在 Lin...【详细内容】
2020-06-25  Tags: Linux 工具  点击:(49)  评论:(0)  加入收藏
作者:大CC原文:http://www.cnblogs.com/me115/p/3427319.html 本文将介绍Linux下使用Shell处理文本时最常用的工具:find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed...【详细内容】
2019-07-18  Tags: Linux 工具  点击:(203)  评论:(0)  加入收藏
▌简易百科推荐
作用显示文件或目录所占用的磁盘空间使用命令格式du [option] 文件/目录命令功能显示文件或目录所占用的磁盘空间一些写法的区别du -sh xxx 显示总目录的大小,但是不会列出...【详细内容】
2021-12-23  mitsuhide1992    Tags:du命令   点击:(12)  评论:(0)  加入收藏
什么是linux内核linux就像是一个哲学的最佳实践。如果非要对它评价,我真的不知道该怎么赞叹,我只能自豪地说着:“linux的美丽简直让人沉醉。”我只能说是我处在linux学习的修炼...【详细内容】
2021-12-23  linux上的码农    Tags:linux内核   点击:(15)  评论:(0)  加入收藏
本文将比较 Linux 中 service 和 systemctl 命令,先分别简单介绍这两个命令的基础用法,然后进行比较。从 CentOS 7.x 开始,CentOS 开始使用 systemd 服务来代替 service服务(dae...【详细内容】
2021-12-23  软件架构    Tags:systemctl   点击:(14)  评论:(0)  加入收藏
mv是move的缩写,可以用来移动文件或者重命名文件名,经常用来备份文件或者目录。命令格式mv [选项] 源文件或者目录 目标文件或者目录命令功能mv命令中第二个参数类型的不同(...【详细内容】
2021-12-17  入门小站    Tags:mv命令   点击:(23)  评论:(0)  加入收藏
大数据技术AI Flink/Spark/Hadoop/数仓,数据分析、面试,源码解读等干货学习资料 98篇原创内容 -->公众号 Linux sed 命令是利用脚本来处理文本文件。sed 可依照脚本的指令来处...【详细内容】
2021-12-17  仙风道骨的宝石骑士    Tags:sed命令   点击:(22)  评论:(0)  加入收藏
Node是个啥?  写个东西还是尽量面面俱到吧,所以有关基本概念的东西我也从网上选择性地拿了下来,有些地方针对自己的理解有所改动,对这些概念性的东西有过了解的可选择跳过这段...【详细内容】
2021-12-15  linux上的码农    Tags:node   点击:(25)  评论:(0)  加入收藏
难道只有我一个人觉得Ubuntu的unity桌面非常好用吗?最近把台式机上面的Ubuntu 16.04格式化了,装了黑苹果用了一周,不得不说,MacOS确实很精美,软件生态比Linux丰富很多,比Windows简...【详细内容】
2021-12-14  地球末日村    Tags:ubuntu   点击:(41)  评论:(0)  加入收藏
简介Netstat 命令用于显示各种网络相关信息,如网络连接,路由表,接口状态 (Interface Statistics),masquerade 连接,多播成员 (Multicast Memberships) 等等。输出信息含义执行net...【详细内容】
2021-12-13  窥镜天    Tags:Linux netstat   点击:(28)  评论:(0)  加入收藏
对于较多数量的文件描述符的监听无论是select还是poll系统调用都显得捉襟见肘,poll每次都需要将所有的文件描述符复制到内核,内核本身不会对这些文件描述符加以保存,这样的设计...【详细内容】
2021-12-13  深度Linux    Tags:Linux   点击:(19)  评论:(0)  加入收藏
今天,我们来了解下 Linux 系统的革命性通用执行引擎-eBPF,之所以聊着玩意,因为它确实牛逼,作为一项底层技术,在现在的云原生生态领域中起着举足轻重的作用。截至目前,业界使用范...【详细内容】
2021-12-10  架构驿站    Tags:eBPF   点击:(29)  评论:(0)  加入收藏
最新更新
栏目热门
栏目头条