导读 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,我对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
找txt和pdf文件

find . \( -name "*.txt" -o -name "*.pdf" \) -print

正则方式查找.txt和pdf

find . -iregex  ".*\(\.txt|\.pdf\)___FCKpd___1quot;    #-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:
-type f文件/l符号链接

find . -type d -print     //只列出所有目录

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;
-print在每一个输出后会添加一个回车换行符,而-print0则不会,使用'\0'作为文件的定界符,这样就可以搜索包含空格的文件;
当前目录下文件从大到小排序(包括隐藏文件),文件名不为".":

find . -maxdepth 1 ! -name "." -print0 | xargs -0 du -b | sort -nr | head -10 | nl
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\0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\0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.txtsort -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)

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 file112cat file2colinbookpaste file1 file21 colin2 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'___FCKpd___37gt;[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;

p=pattenr=replacedecho "line con a patten" | sed "s/$p/$r/g"___FCKpd___40gt;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 "line1\nline2" | 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; }'___FCKpd___43gt;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; }'___FCKpd___44gt;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 f3\n 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 "1\n 2\n 3\n 4\n" | 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=$var # 输入来自stdinawk '{print vara}' vara=$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];}

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

seq 10 | awk '{printf "->%4s\n", $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;doecho $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++))doecho ${word:i:1);done

原文来自:http://www.yunweipai.com/archives/6074.html

本文地址:http://www.linuxprobe.com/linux-shell-text-commonly-tools.html编辑:岳永,审核员:张宏宇