Linux下使用Shell文本处理工具集锦

liunianq21q

Linux下的操作习惯不像windows一样可以有窗口进行操作，它是有很多不同的命令组成的，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

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

复制代码

正则方式查找.txt和pdf

1.   find . -regex  ".*\(\.txt|\.pdf\)___FCKpd___1quot;

复制代码

-iregex： 忽略大小写的正则
否定参数
查找所有非txt文本

1.    find . ! -name "*.txt" -print

复制代码

指定搜索深度
打印出当前目录的文件（深度为1）

1.   find . -maxdepth 1 -type f  

复制代码

定制搜索
按类型搜索：

1.   find . -type d -print  //只列出所有目录

复制代码

-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

复制代码

按大小搜索：
w字 k M G
寻找大于2k的文件

1.   find . -type f -size +2k

复制代码

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

复制代码

按用户查找：

1.   find . -type f -user weber -print// 找用户weber所拥有的文件

复制代码

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

复制代码

执行动作（强大的exec）

1.   find . -regex  ".*\(\.txt|\.pdf\)___FCKpd___1quot;0

复制代码

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 . -regex  ".*\(\.txt|\.pdf\)___FCKpd___1quot;1

复制代码

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；

1.   find . -regex  ".*\(\.txt|\.pdf\)___FCKpd___1quot;2

复制代码

-print的定界符
默认使用'\n'作为文件的定界符；
-print0 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；
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

1.   find . -regex  ".*\(\.txt|\.pdf\)___FCKpd___1quot;3

复制代码

-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）：

1.   find . -regex  ".*\(\.txt|\.pdf\)___FCKpd___1quot;4

复制代码

匹配多个模式

1.   find . -regex  ".*\(\.txt|\.pdf\)___FCKpd___1quot;5

复制代码

grep输出以\0作为结尾符的文件名：（-z）

1.   find . -regex  ".*\(\.txt|\.pdf\)___FCKpd___1quot;6

复制代码

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：

1.   find . -regex  ".*\(\.txt|\.pdf\)___FCKpd___1quot;7

复制代码

-0：指定\0为输入定界符
eg：统计程序行数

1.   find . -regex  ".*\(\.txt|\.pdf\)___FCKpd___1quot;8

复制代码

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：

1.   find . -regex  ".*\(\.txt|\.pdf\)___FCKpd___1quot;9

复制代码

uniq 消除重复行
消除重复行

1.    find . ! -name "*.txt" -print0

复制代码

统计各行在文件中出现的次数

1.    find . ! -name "*.txt" -print1

复制代码

找出重复行

1.    find . ! -name "*.txt" -print2

复制代码

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

1.    find . ! -name "*.txt" -print3

复制代码

tr删除字符

1.    find . ! -name "*.txt" -print4

复制代码

-c 求补集

1.    find . ! -name "*.txt" -print5

复制代码

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.    find . ! -name "*.txt" -print6

复制代码

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:]

1.    find . ! -name "*.txt" -print7

复制代码

cut 按列切分文本
截取文件的第2列和第4列：

1.    find . ! -name "*.txt" -print8

复制代码

去文件除第3列的所有列：

1.    find . ! -name "*.txt" -print9

复制代码

-d 指定定界符：

1.   find . -maxdepth 1 -type f  0

复制代码

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:

1.   find . -maxdepth 1 -type f  1

复制代码

paste 按列拼接文本
将两个文本按列拼接到一起;

1.   find . -maxdepth 1 -type f  2

复制代码

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

1.   find . -maxdepth 1 -type f  3

复制代码

全局替换

1.   find . -maxdepth 1 -type f  4

复制代码

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：

1.   find . -maxdepth 1 -type f  5

复制代码

移除空白行：

1.   find . -maxdepth 1 -type f  6

复制代码

变量转换
已匹配的字符串通过标记&来引用.

1.   find . -maxdepth 1 -type f  7

复制代码

子串匹配标记
第一个匹配的括号内容使用标记 \1 来引用

1.   find . -maxdepth 1 -type f  8

复制代码

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：

1.   find . -maxdepth 1 -type f  9

复制代码

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.   find . -type d -print  //只列出所有目录0

复制代码

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

1.   find . -type d -print  //只列出所有目录1

复制代码

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;

1.   find . -type d -print  //只列出所有目录2

复制代码

print 以逗号分割时，参数以空格定界;

1.   find . -type d -print  //只列出所有目录3

复制代码

使用-拼接符的方式（""作为拼接符）;

1.   find . -type d -print  //只列出所有目录4

复制代码

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.   find . -type d -print  //只列出所有目录5

复制代码

打印每一行的第二和第三个字段：

1.   find . -type d -print  //只列出所有目录6

复制代码

统计文件的行数：

1.   find . -type d -print  //只列出所有目录7

复制代码

累加每一行的第一个字段：

1.   find . -type d -print  //只列出所有目录8

复制代码

传递外部变量

1.   find . -type d -print  //只列出所有目录9

复制代码

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；

1.   find . -atime 7 -type f -print0

复制代码

在awk中使用循环
for(i=0;i<10;i++){print $i;}
for(i in array){print array;}
eg:
以逆序的形式打印行：(tac命令的实现）

1.   find . -atime 7 -type f -print1

复制代码

awk实现head、tail命令
head:

1.   find . -atime 7 -type f -print2

复制代码

tail:

1.   find . -atime 7 -type f -print3

复制代码

打印指定列
awk方式实现：

1.   find . -atime 7 -type f -print4

复制代码

cut方式实现

1.   find . -atime 7 -type f -print5

复制代码

打印指定文本区域
确定行号

1.   find . -atime 7 -type f -print6

复制代码

确定文本
打印处于start_pattern 和end_pattern之间的文本；

1.   find . -atime 7 -type f -print7

复制代码

eg:

1.   find . -atime 7 -type f -print8

复制代码

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.   find . -atime 7 -type f -print9

复制代码

printf 类似c语言中的printf，对输出进行格式化
eg：

1.   find . -type f -size +2k0

复制代码

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.   find . -type f -size +2k1

复制代码

awk法：
cat file.txt| awk '{print}'
2.迭代一行中的每一个单词

1.   find . -type f -size +2k2

复制代码

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

1.   find . -type f -size +2k3

复制代码