共计 5720 个字符,预计需要花费 15 分钟才能阅读完成。
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! |
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 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 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
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
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 ' '
使用方法:tr [:class:] [:class:]
eg: tr '[:lower:]' '[:upper:]'
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
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 -l file // 统计行数
wc -w file // 统计单词数
wc -c file // 统计字符数
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 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
![post-qrcode](https://www.xgss.net/wp-content/uploads/2023/07/二维码-微信公众号256x256.jpg)