转载自Linux学习

　　来自：大CC

　　链接：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：

　　grep、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；

　　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.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