处理文本

• find、

• grep、

• xargs、

• sort、

• uniq、

• tr、

• cut、

• paste、

• wc、

• sed、

• awk；

1、find 文件查找

# 查找 txt 和 pdf 文件
find . \( -name "*.txt" -o -name "*.pdf" \) -print

# 正则方式查找.txt 和 pdf
find . -regex ".*\(\.txt|\.pdf\)$"  # -regex：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
find . -type d -print # 只列出所有目录
# -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）

find . -atime 7 -type f -print  # 最近7天被访问过的所有文件

# 按大小搜索：w 字 k M G
find . -type f -size +2k  # 寻找大于 2k 的文件

# 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

# 找到文件后的后续动作
find . -type f -name "*.swp" -delete  # 删除：删除当前目录下所有的 swp 文件

# 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；

find . -type f -mtime +10 -name "*.txt" -exec cp {} OLD \;  # 将找到的文件全都 copy 到另一个目录：
# 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；
# -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；

2、grep 文本搜索

grep match_patten file # 默认输出匹配行
grep -c "text" filename

# 常用参数
# -o 只输出匹配的文本行
# -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
# -n 打印匹配的行号
# -i 搜索时忽略大小写
# -l 只打印文件名

grep "class" . -R -n  # 在多级目录中对文本递归搜索 (程序员搜代码）
grep -e "class" -e "vitural" file  # 匹配多个模式
grep "test" file* -lZ| xargs -0 rm  # grep 输出以 \0 作为结尾符的文件名：（-z）

3、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。

# 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，定每行显示的字段数
# -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

cat file.txt| xargs  # 将多行输出转化为单行输出
cat single.txt | xargs -n 3  # 将单行转化为多行输出
cat file.txt | xargs -I {} ./command.sh -p {} -1  # -0：指定 \0 为输入定界符
find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l  # 统计程序行数

4、sort 排序

# 字段说明：
# -n 按数字进行排序
# -d 按字典序进行排序
# -r 逆序排序
# -k N ：指定按第 N 列排序

sort -nrk 1 data.txtsort -bd data # 忽略像空格之类的前导空白字符

5、uniq 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

6、用 tr 进行转换

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
cat file | tr -d '0-9' # 删除所有数字
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
cat file | tr -s ' '  # 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

# 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

tr [:class:] [:class:]
tr '[:lower:]' '[:upper:]'

7、cut 按列切分文本

cut -f2,4 filename  # 截取文件的第 2 列和第 4 列
cut -f3 --complement filename  # 去文件除第 3 列的所有列
cat -f2 -d";" filename  # -d 指定定界符

# cut 取的范围
# N- 第 N 个字段到结尾
# -M 第 1 个字段为 MN-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1到5个字符
cut -c-2 file # 打印前2个字符

8、paste 按列拼接文本

将两个文本按列拼接到一起;

cat file1 file2
colin book  # 这是输出内容

paste file1 file21
colin2 book     # 这是输出内容

paste file1 file2 -d “,”    # 默认的定界符是制表符，可以用 -d 指明定界符

1,colin     # 这是输出内容
2,book

9、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

10、sed 文本替换利器

seg 's/text/replace_text/' file # 首处替换，替换每一行的第一处匹配的text
seg 's/text/replace_text/g' file  # 全局替换，默认替换后，输出替换后的内容
seg -i 's/text/repalce_text/g' file # 直接替换原文件, 使用 -i
sed '/^$/d' file    # 移除空白行

echo this is en example | seg 's/\w+/[&]/g'$>[this] [is] [en] [example]  # 变量转换，已匹配的字符串通过标记 & 来引用

sed 's/hello\([0-9]\)/\1/'  # 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/$var/HLLOE/'  # 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

eg:p=patten r=replaced echo "line con a patten" | sed "s/$p/$r/g"$>line con a replaced  
#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；

sed 's/^.\{3\}/&\#g' file

11、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；

4. print 打印当前行

echo -e "line1\nline2" | awk 'BEGIN{print "start"} {print } END{ print "End" }'  
# 使用不带参数的 print 时，会打印当前行;

echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; \ print var1, var2 , var3; }'$>v1 V2 v3  
# 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）;

# 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”:”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=1000echo | 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

awk -F  # ‘{print $NF}’ /etc/passwd  # 使用 - F 来设置定界符（默认为空格）
echo | awk '{"grep root /etc/passwd" | getline cmdout; print cmdout }'  # 使用 getline，将外部 shell 命令的输出读入到变量 cmdout 中；

for(i=0;i<10;i++){print $i;}for(i in array){print array[i];}    # 在 awk 中使用循环



seq 9| \ awk '{lifo[NR] = $0; lno=NR} \ END{ for(;lno>-1;lno--){print lifo[lno];} } '   # 以逆序的形式打印行：(tac 命令的实现）

awk 'NR<=10{print}' filename    # 类似head命令
awk '{buffer[NR%10] = $0;} END{for(i=0;i<11;i++){ \ print buffer[i %10]} } ' filename   # 类似tail命令

ls -lrt | awk '{print $6}'  # 打印指定行
ls -lrt | cut -f6   # 打印指定文本区域

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
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) }'
seq 10 | awk '{printf "->%4s\n", $1}'   # 类似 c 语言中的 printf，对输出进行格式化

12、迭代文件中的行、单词和字符

# 迭代文件中的每一行
while read line;doecho $line;done < file.txt

cat file.txt | (while read line;do echo $line;done)

cat file.txt| awk ‘{print}’

# 迭代一行中的每一个单词
for word in $line;do echo $word;done

# 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