本文將介紹 Linux 下使用 Shell 處理文本時最常用的工具：
find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk；
提供的例子和參數都是最常用和最爲實用的；
對 shell 腳本使用的原則是命令單行書寫，儘量不要超過 2 行；
如果有更爲複雜的任務需求，還是考慮 python 吧；
01 find 文件查找
1 查找 txt 和 pdf 文件
find . ( -name "*.txt" -o -name "*.pdf" ) -print
2 正則方式查找. txt 和 pdf
find . -regex ".*(.txt|.pdf)$"
-iregex：忽略大小寫的正則
3 否定參數
查找所有非 txt 文本
find . ! -name "*.txt" -print
4 指定搜索深度
打印出當前目錄的文件（深度爲 1）
find . -maxdepth 1 -type f
5 定製搜索
按類型搜索：
find . -type d -print //只列出所有目錄
-type f 文件 / l 符號鏈接
按時間搜索：
-atime 訪問時間 (單位是天，分鐘單位則是-amin，以下類似）
-mtime 修改時間 （內容被修改）
-ctime 變化時間 （元數據或權限變化）
最近 7 天被訪問過的所有文件：
find . -atime 7 -type f -print
按大小搜索：
w 字 k M G
尋找大於 2k 的文件
find . -type f -size +2k
按權限查找：
find . -type f -perm 644 -print //找具有可執行權限的所有文件
按用戶查找：
find . -type f -user weber -print// 找用戶weber所擁有的文件
6 找到後的後續動作
刪除：
刪除當前目錄下所有的 swp 文件：
find . -type f -name "*.swp" -delete
執行動作（強大的 exec）
find . -type f -user root -exec chown weber {} ; //將當前目錄下的所有權變更爲weber
注：{} 是一個特殊的字符串，對於每一個匹配的文件，{} 會被替換成相應的文件名；
eg：將找到的文件全都 copy 到另一個目錄：
find . -type f -mtime +10 -name "*.txt" -exec cp {} OLD ;
7 結合多個命令
tips: 如果需要後續執行多個命令，可以將多個命令寫成一個腳本。然後 -exec 調用時執行腳本即可；
-exec ./commands.sh {} ;
-print 的定界符
默認使用’ '作爲文件的定界符；
-print0 使用’'作爲文件的定界符，這樣就可以搜索包含空格的文件；
02 grep 文本搜索
grep match_patten file // 默認訪問匹配行
常用參數:
-o 只輸出匹配的文本行 VS -v 只輸出沒有匹配的文本行
-c 統計文件中包含文本的次數
grep -c "text" filename
-n 打印匹配的行號
-i 搜索時忽略大小寫
-l 只打印文件名
1 在多級目錄中對文本遞歸搜索 (程序員搜代碼的最愛）：
grep "class" . -R -n
2 匹配多個模式
grep -e "class" -e "vitural" file
3 grep 輸出以作爲結尾符的文件名：（-z）
grep "test" file* -lZ| xargs -0 rm
4 xargs 命令行參數轉換
xargs 能夠將輸入數據轉化爲特定命令的命令行參數；這樣，可以配合很多命令來組合使用。比如 grep，比如 find；
將多行輸出轉化爲單行輸出
cat file.txt| xargs
是多行文本間的定界符
將單行轉化爲多行輸出
cat single.txt | xargs -n 3
-n：指定每行顯示的字段數
xargs 參數說明
-d 定義定界符 （默認爲空格 多行的定界符爲 ）
-n 指定輸出爲多行
-I {} 指定替換字符串，這個字符串在 xargs 擴展時會被替換掉, 用於待執行的命令需要多個參數時
eg：
cat file.txt | xargs -I {} ./command.sh -p {} -1
-0：指定爲輸入定界符
eg：統計程序行數
find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l
03 sort 排序
字段說明：
-n 按數字進行排序 VS -d 按字典序進行排序
-r 逆序排序
-k N 指定按第 N 列排序
eg：
sort -nrk 1 data.txt
sort -bd data // 忽略像空格之類的前導空白字符
04 uniq 消除重複行
消除重複行
sort unsort.txt | uniq
統計各行在文件中出現的次數
sort unsort.txt | uniq -c
找出重複行
sort unsort.txt | uniq -d
可指定每行中需要比較的重複內容：-s 開始位置 -w 比較字符數
05 用 tr 進行轉換
通用用法
echo 12345 | tr ‘0-9’ ‘9876543210’ //加解密轉換，替換對應字符
cat text| tr ’ ’ ’ ’ //製表符轉空格
tr 刪除字符
cat file | tr -d ‘0-9’ // 刪除所有數字
-c 求補集
cat file | tr -c ‘0-9’ //獲取文件中所有數字
cat file | tr -d -c '0-9 ’ //刪除非數字數據
tr 壓縮字符
tr -s 壓縮文本中出現的重複字符；最常用於壓縮多餘的空格
cat file | tr -s ’ ’
字符類
tr 中可用各種字符類：
alnum：字母和數字
alpha：字母
digit：數字
space：空白字符
lower：小寫
upper：大寫
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:]’
06 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 取的範圍
N- 第 N 個字段到結尾
-M 第 1 個字段爲 M
N-M N 到 M 個字段
cut 取的單位
-b 以字節爲單位
-c 以字符爲單位
-f 以字段爲單位（使用定界符）
eg:
cut -c1-5 file //打印第一到5個字符
cut -c-2 file //打印前2個字符
07 paste 按列拼接文本
將兩個文本按列拼接到一起;
cat file1
1
2
cat file2
colin
book
paste file1 file2
1 colin
2 book
默認的定界符是製表符，可以用 - d 指明定界符
paste file1 file2 -d “,”
1,colin
2,book
08 wc 統計行和字符的工具
wc -l file // 統計行數
wc -w file // 統計單詞數
wc -c file // 統計字符數
09 sed 文本替換利器
首處替換
seg ‘s/text/replace_text/’ file //替換每一行的第一處匹配的text
全局替換
seg ‘s/text/replace_text/g’ file
默認替換後，輸出替換後的內容，如果需要直接替換原文件, 使用 - i：
seg -i ‘s/text/repalce_text/g’ file
移除空白行：
sed ‘/^$/d’ file
變量轉換
已匹配的字符串通過標記 & 來引用.
echo this is en example | seg ‘s/w+/[&]/g’
$>[this] [is] [en] [example]
子串匹配標記
第一個匹配的括號內容使用標記 來引用
sed ‘s/hello([0-9])//’
雙引號求值
sed 通常用單引號來引用；也可使用雙引號，使用雙引號後，雙引號會對錶達式求值：
sed ‘s/$var/HLLOE/’
當使用雙引號時，我們可以在 sed 樣式和替換字符串中指定變量；
eg:
p=patten
r=replaced
echo “line con a patten” | sed “s/r/g”
$>line con a replaced
其它示例
字符串插入字符：將文本中每行內容（PEKSHA） 轉換爲 PEK/SHA
sed ‘s/^.{3}/&//g’ file
10 awk 數據流處理工具
awk 腳本結構
awk ’ BEGIN{ statements } statements2 END{ statements } ’
工作方式
-
執行 begin 中語句塊；
-
從文件或 stdin 中讀入一行，然後執行 statements2，重複這個過程，直到文件全部被讀取完畢；
-
執行 end 語句塊；
print 打印當前行
使用不帶參數的 print 時，會打印當前行;
echo -e “line1 line2” | awk ‘BEGIN{print “start”} {print } END{ print “End” }’
print 以逗號分割時，參數以空格定界;
echo | awk ’ {var1 = “v1” ; var2 = “V2”; var3=“v3”;
print var1, var2 , var3; }’
$>v1 V2 v3
使用 - 拼接符的方式（"" 作爲拼接符）;
echo | awk ’ {var1 = “v1” ; var2 = “V2”; var3=“v3”;
print var1"-“var2”-"var3; }’
$>v1-V2-v3
特殊變量：NR NF $0 $1 $2
NR: 表示記錄數量，在執行過程中對應當前行號；
NF: 表示字段數量，在執行過程總對應當前行的字段數；
$0: 這個變量包含執行過程中當前行的文本內容；
$1: 第一個字段的文本內容；
$2: 第二個字段的文本內容；
echo -e “line1 f2 f3 line2 line 3” | awk ‘{print NR":"$0"-"$1"-"$2}’
打印每一行的第二和第三個字段：
awk ‘{print $2, $3}’ file
統計文件的行數：
awk ’ END {print NR}’ file
累加每一行的第一個字段：
echo -e "1 2 3 4 " | awk ‘BEGIN{num = 0 ;
print “begin”;} {sum += $1;} END {print “==”; print sum }’
傳遞外部變量
var=1000
echo | awk ‘{print vara}’ vara=KaTeX parse error: Expected 'EOF', got '#' at position 5: var #̲ 輸入來自stdin
awk…var file # 輸入來自文件
用樣式對 awk 處理的行進行過濾
awk ‘NR < 5’ #行號小於5
awk ‘NR1,NR4 {print}’ file #行號等於1和4的打印出來
awk ‘/linux/’ #包含linux文本的行（可以用正則表達式來指定，超級強大）
awk ‘!/linux/’ #不包含linux文本的行
設置定界符
使用 - F 來設置定界符（默認爲空格）
awk -F: ‘{print $NF}’ /etc/passwd
讀取命令輸出
使用 getline，將外部 shell 命令的輸出讀入到變量 cmdout 中；
echo | awk ‘{“grep root /etc/passwd” | getline cmdout; print cmdout }’
在 awk 中使用循環
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 命令的實現）
seq 9|
awk '{lifo[NR] = $0; lno=NR}
END{ for(;lno>-1;lno–){print lifo[lno];}
} ’
awk 實現 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 方式實現：
ls -lrt | awk ‘{print $6}’
cut 方式實現
ls -lrt | cut -f6
打印指定文本區域
確定行號
seq 100| awk ‘NR4,NR6{print}’
確定文本
打印處於 startpattern 和 endpattern 之間的文本；
awk ‘/start_pattern/, /end_pattern/’ filename
eg:
seq 100 | awk ‘/13/,/15/’
cat /etc/passwd| awk ‘/mai.*mail/,/news.*news/’
awk 常用內建函數
index(string,search_string):返回search_string在string中出現的位置
sub(regex,replacement_str,string):將正則匹配到的第一處內容替換爲replacement_str;
match(regex,string):檢查正則表達式是否能夠匹配字符串；
length(string)：返回字符串長度
echo | awk ‘{“grep root /etc/passwd” | getline cmdout; print length(cmdout) }’
printf 類似 c 語言中的 printf，對輸出進行格式化
eg：
seq 10 | awk ‘{printf "->%4s ", $1}’
迭代文件中的行、單詞和字符
- 迭代文件中的每一行
while 循環法
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}'
- 迭代一行中的每一個單詞
for word in $line;
do
echo $word;
done
- 迭代每一個字符
{#word}: 返回變量 word 的長度
for((i=0;i<${#word};i++))
do
echo ${word:i:1);
done