LinuxShell文本处理工具，finduniqpaste

#每晚00&＃xff1a;00定时删除 /home/epolicy/output 目录下一天前的文件

0 0 * * * find /home/epolicy/output -mtime &＃43;1 -name "*" -exec rm -rf {} \;


下面我介绍 Linux 下使用 Shell 处理文本时最常用的工具&＃xff1a;https://www.cnblogs.com/me115/p/3427319.html

find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk&＃xff1b;

提供的例子和参数都是最常用和最为实用的&＃xff1b;https://www.cnblogs.com/me115/p/3427319.html

我对shell脚本使用的原则是命令单行书写&＃xff0c;尽量不要超过2行&＃xff1b;

如果有更为复杂的任务需求&＃xff0c;还是考虑python吧&＃xff1b;
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)$”

-iregex&＃xff1a; 忽略大小写的正则

否定参数&＃xff0c;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&＃xff08;深度为1&＃xff09;

find . -maxdepth 1 -type f

定制搜索

按类型搜索&＃xff1a;

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&＃xff1a;

-atime 访问时间 (单位是天&＃xff0c;分钟单位则是-amin&＃xff0c;以下类似&＃xff09;
-mtime 修改时间 &＃xff08;内容被修改&＃xff09;
-ctime 变化时间 &＃xff08;元数据或权限变化&＃xff09;


最近7天被访问过的所有文件&＃xff1a;

find . -atime 7 -type f -print

按大小搜索&＃xff1a;
w字 k M G

寻找大于2k的文件

find . -type f -size &＃43;2k

按权限查找&＃xff1a;

find . -type f -perm 644 -print //找具有可执行权限的所有文件

按用户查找&＃xff1a;

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&＃xff1a;
删除当前目录下所有的swp文件&＃xff1a;

find . -type f -name “*.swp” -delete

执行动作&＃xff08;强大的exec&＃xff09;

find . -type f -user root -exec chown weber {} ; //将当前目录下的所有权变更为weber

注&＃xff1a;{}是一个特殊的字符串&＃xff0c;对于每一个匹配的文件&＃xff0c;{}会被替换成相应的文件名&＃xff1b;


eg&＃xff1a;将找到的文件全都copy到另一个目录&＃xff1a;

find . -type f -mtime &＃43;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&＃xff0c;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&＃xff1b;

-exec ./commands.sh {} ;

-print的定界符

默认使用’\n’作为文件的定界符&＃xff1b;
-print0 使用’\0’作为文件的定界符&＃xff0c;这样就可以搜索包含空格的文件&＃xff1b;
2、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&＃xff09;&＃xff1a;

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&＃xff1a;&＃xff08;-z&＃xff09;

grep “test” file* -lZ| xargs -0 rm

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&＃xff1b;这样&＃xff0c;可以配合很多命令来组合使用。比如 grep&＃xff0c;比如 find&＃xff1b;

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&＃xff1a;指定每行显示的字段数
xargs参数说明

-d 定义定界符 &＃xff08;默认为空格 多行的定界符为 \n&＃xff09;
-n 指定输出为多行
-I {} 指定替换字符串&＃xff0c;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&＃xff1a;

cat file.txt | xargs -I {} ./command.sh -p {} -1

-0&＃xff1a;指定\0为输入定界符
eg&＃xff1a;统计程序行数

find source_dir/ -type f -name “*.cpp” -print0 |xargs -0 wc -l

4、sort 排序

字段说明&＃xff1a;

-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&＃xff1a;

sort -nrk 1 data.txt
sort -bd data // 忽略像空格之类的前导空白字符
5、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&＃xff1a;-s 开始位置 -w 比较字符数
6、用tr进行转换

通用用法

echo 12345 | tr ‘0-9’ ‘9876543210’ //加解密转换&＃xff0c;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&＃xff1b;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&＃xff1a;alnum&＃xff1a;字母和数字alpha&＃xff1a;字母digit&＃xff1a;数字space&＃xff1a;空白字符lower&＃xff1a;小写upper&＃xff1a;大写cntrl&＃xff1a;控制&＃xff08;非可打印&＃xff09;字符
print&＃xff1a;可打印字符


使用方法&＃xff1a;tr [:class:] [:class:]

eg: tr ‘[:lower:]’ ‘[:upper:]’

7、cut 按列切分文本

截取文件的第2列和第4列&＃xff1a;

cut -f2,4 filename

去文件除第3列的所有列&＃xff1a;

cut -f3 --complement filename

-d 指定定界符&＃xff1a;

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&＃xff08;使用定界符&＃xff09;


eg&＃xff1a;

cut -c1-5 file //打印第一到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 file112cat file2
colin
book

paste file1 file21 colin2 book
默认的定界符是制表符&＃xff0c;可以用-d指明定界符
paste file1 file2 -d “,”
1,colin
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

首处替换

sed ‘s/text/replace_text/’ file //替换每一行的第一处匹配的text

全局替换

sed ‘s/text/replace_text/g’ file

默认替换后&＃xff0c;输出替换后的内容&＃xff0c;如果需要直接替换原文件,使用-i&＃xff1a;

sed -i ‘s/text/repalce_text/g’ file

移除空白行&＃xff1a;

sed ‘/^$/d’ file

变量转换&＃xff0c;已匹配的字符串通过标记&来引用。

echo this is en example | sed ‘s/\w&＃43;/[&]/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&＃xff1b;也可使用双引号&＃xff0c;使用双引号后&＃xff0c;双引号会对表达式求值&＃xff1a;

sed ‘s/$var/HLLOE/’

当使用双引号时&＃xff0c;我们可以在sed样式和替换字符串中指定变量&＃xff1b;

eg:p&＃61;patten
r&＃61;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&＃xff1a;将文本中每行内容&＃xff08;PEKSHA&＃xff09; 转换为 PEK/SHA

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

执行begin中语句块&＃xff1b;从文件或 stdin 中读入一行&＃xff0c;然后执行 statements2&＃xff0c;重复这个过程&＃xff0c;直到文件全部被读取完毕&＃xff1b;执行end语句块&＃xff1b;


print 打印当前行

使用不带参数的print时&＃xff0c;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&＃xff0c;参数以空格定界;

echo | awk ’ {var1 &＃61; “v1” ; var2 &＃61; “V2”; var3&＃61;“v3”;
print var1, var2 , var3; }’$>v1 V2 v3

使用-拼接符的方式&＃xff08;””作为拼接符&＃xff09;;

echo | awk ’ {var1 &＃61; “v1” ; var2 &＃61; “V2”; var3&＃61;“v3”;
print var1"-“var2”-"var3; }’$>v1-V2-v3

特殊变量&＃xff1a;NR NF $0 $1 $2

NR:表示记录数量&＃xff0c;在执行过程中对应当前行号&＃xff1b;
NF:表示字段数量&＃xff0c;在执行过程总对应当前行的字段数&＃xff1b;
$0:这个变量包含执行过程中当前行的文本内容&＃xff1b;
$1:第一个字段的文本内容&＃xff1b;
$2:第二个字段的文本内容&＃xff1b;

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&＃xff1a;

awk ‘{print $2, $3}’ file

统计文件的行数&＃xff1a;

awk ’ END {print NR}’ file

累加每一行的第一个字段&＃xff1a;

echo -e “1\n 2\n 3\n 4\n” | awk ‘BEGIN{num &＃61; 0 ;
print “begin”;} {sum &＃43;&＃61; $1;} END {print “&＃61;&＃61;”; print sum }’

传递外部变量

var&＃61;1000echo | awk ‘{print vara}’ vara&＃61;KaTeX parse error: Expected &＃39;EOF&＃39;, got &＃39;#&＃39; at position 5: var #̲ 输入来自stdinawk …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 ‘NR1,NR4 {print}’ file #行号等于1和4的打印出来
awk ‘/linux/‘ #包含linux文本的行&＃xff08;可以用正则表达式来指定&＃xff0c;超级强大&＃xff09;
awk ‘!/linux/‘ #不包含linux文本的行

设置定界符

使用-F来设置定界符&＃xff08;默认为空格&＃xff09;
awk -F: ‘{print $NF}’ /etc/passwd

读取命令输出

使用getline&＃xff0c;将外部shell命令的输出读入到变量cmdout中&＃xff1b;

echo | awk ‘{“grep root /etc/passwd” | getline cmdout; print cmdout }’

在awk中使用循环

for(i&＃61;0;i<10;i&＃43;&＃43;){print $i;}
for(i in array){print array[i];}

eg:
以逆序的形式打印行&＃xff1a;(tac命令的实现&＃xff09;

seq 9|
awk &＃39;{lifo[NR] &＃61; $0; lno&＃61;NR}
END{ for(;lno>-1;lno–){print lifo[lno];}
} ’

awk实现head、tail命令

head:

awk ‘NR<&＃61;10{print}’ filename

tail&＃xff1a;

awk &＃39;{buffer[NR%10] &＃61; $0;} END{for(i&＃61;0;i<11;i&＃43;&＃43;){
print buffer[i %10]} } ’ filename

打印指定列

awk方式实现&＃xff1a;

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 ‘NR4,NR6{print}’

确定文本

打印处于start_pattern 和end_pattern之间的文本&＃xff1b;

awk ‘/start_pattern/, /end_pattern/’ filename

eg&＃xff1a;

seq 100 | awk &＃39;/13/,/15/&＃39;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)&＃xff1a;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&＃xff1b;length(string)&＃xff1a;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&＃xff0c;对输出进行格式化
eg&＃xff1a;

seq 10 | awk ‘{printf “->%4s\n”, $1}’

12、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

awk法&＃xff1a;
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}&＃xff1a;从字符串中提取一个字符&＃xff1b;(bash文本切片&＃xff09;
${#word}:返回变量word的长度

for((i&＃61;0;i<${#word};i&＃43;&＃43;))doecho ${word:i:1);done

来自&＃xff1a;大CC
链接&＃xff1a;http://www.cnblogs.com/me115/p/3427319.html