程序员必知必会----linux常用命令之六【文本分析】

1.grep

cat file | grep key :在file中检索包含key的行

key可以是正则，特殊字符需要转意

grep -E 正则表达式：

示例：cat /etc/services | grep -E "^#"   #打印所有注释行

egrep：一次查询匹配多个内容

例如：egrep '2020|892|10005' /etc/services

2.sed

sed 是一种在线编辑器，它一次处理一行内容。处理时，把当前处理的行存储在临时缓冲区中，称为“模式空间”（pattern space），接着用sed命令处理缓冲区中的内容，处理完成后，把缓冲区的内容送往屏幕。接着处理下一行，这样不断重复，直到文件末尾。文件内容并没有 改变，除非你使用重定向存储输出。Sed主要用来自动编辑一个或多个文件；简化对文件的反复操作；编写转换程序等。

格式：sed [options] 'command' file(s)

实例：

1)删除：d命令  

sed '2d' example-----删除example文件的第二行。 

sed '2,$d' example-----删除example文件的第二行到末尾所有行。  

sed '$d' example-----删除example文件的最后一行。

sed '/test/'d example-----删除example文件所有包含test的行。 

2)替换：s命令  

sed 's/test/mytest/g' example-----在整行范围内把test替换为mytest。如果没有g标记，则只有每行第一个匹配的test被替换成mytest。  

sed -n 's/^test/mytest/p' example-----(-n)选项和p标志一起使用表示只打印那些发生替换的行。也就是说，如果某一行开头的test被替换成mytest，就打印它。 

sed 's/^192.168.0.1/&localhost/' example-----&符号表示替换换字符串中被找到的部份。所有以192.168.0.1开头的行都会被替换成它自已加 localhost，变成192.168.0.1localhost。  

sed -n 's/\(love\)able/\1rs/p' example-----love被标记为1，所有loveable会被替换成lovers，而且替换的行会被打印出来。  

sed 's#10#100#g' example-----不论什么字符，紧跟着s命令的都被认为是新的分隔符，所以，“#”在这里是分隔符，代替了默认的“/”分隔符。表示把所有10替换成100。 

3)选定行的范围：逗号  

sed -n '/test/,/check/p' example-----所有在模板test和check所确定的范围内的行都被打印。  

例子：sed -n '/38685518/,/38685524/p' 123456.csv  按连续内容截取

grep也有类似方法：

 countnum=$[ $endnum - $startnum + 1  ]

grep "$startnum" $file -A $countnum 

sed -n '5,/^test/p' example-----打印从第五行开始到第一个包含以test开始的行之间的所有行。  

sed -n '1,100p' example  -----打印第1行到第100百行

sed '/test/,/check/s/$/sed test/' example-----对于模板test和west之间的行，每行的末尾用字符串sed test替换。

4)多点编辑：e命令  

sed -e '1,5d' -e 's/test/check/' example-----(-e)选项允许在同一行里执行多条命令。如例子所示，第一条命令删除1至5行，第二条命令用check替换test。命令的执 行顺序对结果有影响。如果两个命令都是替换命令，那么第一个替换命令将影响第二个替换命令的结果。  

sed --expression='s/test/check/' --expression='/love/d' example-----一个比-e更好的命令是--expression。它能给sed表达式赋值。

3.awk

awk是一个强大的文本分析工具，在其对数据分析并生成报告时，显得尤为强大。简单来说awk就是把文件逐行的读入，以空格为默认分隔符将每行切片，切开的部分再进行各种分析处理。

格式：awk [-F  field-separator]  'commands'  input-file(s)

其中，commands 是真正awk命令，[-F域分隔符]是可选的。 input-file(s) 是待处理的文件。

在awk中，文件的每一行中，由域分隔符分开的每一项称为一个域。通常，在不指名-F域分隔符的情况下，默认的域分隔符是空格。

示例：

1）如果只是显示/etc/passwd的账户

cat /etc/passwd |awk  -F ':'  '{print $1}'  

2）如果只是显示/etc/passwd的账户和账户对应的shell,而账户与shell之间以tab键分割

cat /etc/passwd |awk  -F ':'  '{print $1"\t"$7}'

3）如果只是显示/etc/passwd的账户和账户对应的shell,而账户与shell之间以逗号分割

a.而且在所有行添加列名name,shell

cat /etc/passwd |awk  -F ':'  'BEGIN {print "name,shell"}  {print $1","$7}'

b.在最后一行添加"blue,/bin/nosh"。

cat /etc/passwd |awk  -F ':'  '{print $1","$7} END {print "blue,/bin/nosh"}'

c.ab前后都加

cat /etc/passwd |awk  -F ':'  'BEGIN {print "name,shell"}  {print $1","$7} END {print "blue,/bin/nosh"}'

4）搜索/etc/passwd有root关键字的所有行

awk -F: '/root/' /etc/passwd #正则

5）搜索/etc/passwd有root关键字的所有行，并显示对应的shell

awk -F: '/root/{print $7}' /etc/passwd 

A.awk内置变量

ARGC               命令行参数个数

ARGV               命令行参数排列

ENVIRON            支持队列中系统环境变量的使用

FILENAME           awk浏览的文件名

FNR                浏览文件的记录数

FS                 设置输入域分隔符，等价于命令行 -F选项

NF                 浏览记录的域的个数

NR                 已读的记录数

OFS                输出域分隔符

ORS                输出记录分隔符

RS                 控制记录分隔符

此外,$0变量是指整条记录。$1表示当前行的第一个域,$2表示当前行的第二个域,......以此类推。

示例：

1）统计/etc/passwd:文件名，每行的行号，每行的列数，对应的完整行内容

awk  -F ':'  '{print "filename:" FILENAME ",linenumber:" NR ",columns:" NF ",linecontent:"$0}' /etc/passwd

使用printf替代print,可以让代码更加简洁，易读

awk  -F ':'  '{printf("filename:%10s,linenumber:%s,columns:%s,linecontent:%s\n",FILENAME,NR,NF,$0)}' /etc/passwd

B.print和printf

awk中同时提供了print和printf两种打印输出的函数。

其中print函数的参数可以是变量、数值或者字符串。字符串必须用双引号引用，参数用逗号分隔。如果没有逗号，参数就串联在一起而无法区分。这里，逗号的作用与输出文件的分隔符的作用是一样的，只是后者是空格而已。

printf函数，其用法和c语言中printf基本相似,可以格式化字符串,输出复杂时，printf更加好用，代码更易懂。

C.awk编程

示例：

1.awk '{count++;print $0;} END{print "user count is ", count}' /etc/passwd

count是自定义变量。之前的action{}里都是只有一个print,其实print只是一个语句，而action{}可以有多个语句，以;号隔开。

这里没有初始化count，虽然默认是0，但是妥当的做法还是初始化为0:

awk 'BEGIN {count=0;print "[start]user count is ", count} {count=count+1;print $0;} END{print "[end]user count is ", count}' /etc/passwd

2.统计某个文件夹下的文件占用的字节数，单位M

ls -l |awk 'BEGIN {size=0;} {size=size+$5;} END{print "[end]size is ", size/1024/1024,"M"}' 

D.条件语句

awk中的条件语句是从C语言中借鉴来的，见如下声明方式：

if (expression) {

    statement;

    statement;

    ... ...

}

if (expression) {

    statement;

} else {

    statement2;

}

if (expression) {

    statement1;

} else if (expression1) {

    statement2;

} else {

    statement3;

}

示例：

1.检测系统中UID为0的用户

awk -F : '{if($3==0) {print $1}}' /etc/passwd

简写：

awk -F : '$3==0 {print $1}' /etc/passwd

-F表示使用什么做为分隔符，这里使用冒号，默认是空格

$num表示文件的第几列

'':固定格式，执行命令，这里表示，如果第三列是0,则打印第一列的内容

2.检测系统中密码为空的用户

awk -F : '{if(length($2)==0) {print $1}}' /etc/passwd

简写：

awk -F : 'length($2)==0 {print $1}' /etc/passwd

3.取出第三行，第一列的值

df -h | awk '{if(NR==3) {print $1}}'

简写：

df -h | awk 'NR==3 {print $1}'

E.数组

awk中的数组用来从记录中收集信息，可以用于计算总和、统计单词以及跟踪模板被匹配的次数等等

示例：

awk -F ':' 'BEGIN {count=0;} {name[count] = $1;count++;}; END{for (i = 0; i < NR; i++){print i, name[i]}}' /etc/passwd

简写：

awk -F ':' 'BEGIN {count=0;} {name[count] = $1;count++;}; END{for (i = 0; i < NR; i++) print i, name[i]}' /etc/passwd

F.循环语句

awk中的循环语句同样借鉴于C语言，支持while、do/while、for、break、continue，这些关键字的语义和C语言中的语义完全相同。

4.tr

替换文件中的内容

cat file | tr 'do' 'hp' ：将file中内容为do替换为hp