史上最全的 Linux Shell 文本处理工具集锦，快收藏！

链接：http://r6d.cn/7Hvc

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；
01 find 文件查找
1 查找txt和pdf文件

  1. find . ( -name '*.txt'-o -name '*.pdf') -print

2 正则方式查找.txt和pdf
find . -regex  '.*(.txt|.pdf)$'
-iregex：忽略大小写的正则
3 否定参数
查找所有非txt文本

  1. find . ! -name '*.txt'-print

4 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
5 定制搜索
按类型搜索：

  1. find . -type d -print //只列出所有目录

  2. -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：

  1. 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：

  1. 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
6 找到后的后续动作
删除：
删除当前目录下所有的swp文件：

  1. 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：

  1. find . -type f -mtime +10-name '*.txt'-exec cp {} OLD ;

7 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' '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；

02 grep 文本搜索

  1. 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

1 在多级目录中对文本递归搜索(程序员搜代码的最爱）：

  1. grep 'class'. -R -n

2 匹配多个模式
grep -e 'class'-e 'vitural' file
3 grep输出以作为结尾符的文件名：（-z）

  1. grep 'test' file* -lZ| xargs -0 rm

4 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
是多行文本间的定界符
将单行转化为多行输出

  1. 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 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

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

03 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.txtsort -bd data // 忽略像空格之类的前导空白字符

04 uniq 消除重复行

消除重复行

  1. 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

  1. 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

05 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 '    '' '//制表符转空格
tr删除字符

  1. 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 '//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

  1. 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:]'

06 cut 按列切分文本

截取文件的第2列和第4列：

  1. 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：

  1. 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

07 paste 按列拼接文本

将两个文本按列拼接到一起;

  1. cat file1

  2. 1

  3. 2

  4. cat file2

  5. colin

  6. book

  7. paste file1 file2

  8. 1 colin

  9. 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,colin2,book

08 wc 统计行和字符的工具

  1. wc -l file // 统计行数

  2. wc -w file // 统计单词数

  3. wc -c file // 统计字符数

09 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

  1. 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：

  1. 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 来引用

  1. sed 's/hello([0-9])//'

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；

  1. eg:

  2. p=patten

  3. r=replaced

  4. echo 'line con a patten'| sed 's/$p/$r/g'

  5. $>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

10 awk 数据流处理工具

awk脚本结构

  1. 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 'line1 line2'| awk 'BEGIN{print 'start'} {print } END{ print 'End' }'
print 以逗号分割时，参数以空格定界;

  1. echo | awk ' {var1 = 'v1' ; var2 = 'V2'; var3='v3';

  2. print var1, var2 , var3; }'

  3. $>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；

  1. echo -e 'line1 f2 f3 line2 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：

  1. awk ' END {print NR}' file

累加每一行的第一个字段：
echo -e '1 2 3 4 '| awk 'BEGIN{num = 0 ;print 'begin';} {sum += $1;} END {print '=='; print sum }'
传递外部变量

  1. var=1000

  2. echo | awk '{print vara}' vara=$var # 输入来自stdin

  3. 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5awk '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）

  1. 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

  1. for(i=0;i<10;i++){print $i;}

  2. 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

  1. head:

  2. 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：

  1. 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

  1. seq 100| awk 'NR==4,NR==6{print}'

确定文本
打印处于startpattern 和endpattern之间的文本；
awk '/start_pattern/, /end_pattern/' filename

  1. eg:

  2. seq 100| awk '/13/,/15/'

  3. 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

  1. 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 '->%4s ', $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

  1. while read line;

  2. do

  3. echo $line;

  4. done< file.txt

改成子shell:
cat file.txt | (while read line;do echo $line;done)
awk法：

  1. cat file.txt| awk '{print}'

2.迭代一行中的每一个单词
for word in $line;doecho $word;done
3. 迭代每一个字符
${string:startpos:numof_chars}：从字符串中提取一个字符；(bash文本切片）${#word}:返回变量word的长度

  1. for((i=0;i<${#word};i++))

  2. do

  3. echo ${word:i:1);

  4. done

赞 (0)

相关推荐