cooldatabase 2019-11-17
作者:LogM
awk
、sed
、grep
使用的是不同标准的正则表达式,而且与 C++
、Python
、Java
中的正则表达式标准还不一样,真的蛋疼,详见正则表达式派别综述。
find
文件查找# 查找txt文件 # -iname:忽略大小写 find . -name "*.txt" find . -iname "*.txt" # 正则表达式查找.txt和.cpp文件,注意特殊符号用`\`转义 # -iregex:忽略大小写 find . -regex ".*\.\(txt\|cpp\)$" find . -iregex ".*\.\(txt\|cpp\)$" # 使用`!`进行否定,查找非.txt或.cpp的所有文件 find . ! -regex ".*\.\(txt\|cpp\)$" # 查找指定深度和指定类型:f为文件,d为目录,l为符号连接 find . -maxdepth 3 -type f # 查找后进行指定操作,`-ok`逐文件提示是否进行操作,`-exec`无提示,注意结尾的`;` find . -type f -name "*.txt" -ok cat {} \; find . -type f -name "*.txt" -exec cat {} \;
grep
文本搜索# 在文件中查找"match_pattern",允许多个文件,支持正则表达式 grep "match_pattern" file_1 file_2 file_3 # grep 使用的正则表达式有点特殊,我自己会使用`-P`来打开"PCRE正则兼容" grep -P "match_pattern" file_1 file_2 file_3 # 只打印匹配到的文件名 grep -l "match_pattern" file_1 file_2 file_3 # 忽略大小写 grep -i "match_pattern" file_name # 输出除"match_pattern"的其他行 grep -v "match_pattern" file_name # 输出的结果中,对匹配的区域进行高亮 grep "match_pattern" file_name --color=auto # 只输出匹配"match_pattern"的区域,而非一行 grep -o "match_pattern" file_name # 每个输出的前面带上这个区域在原文件中的位置(第一个字符为0,第二个字符为1,依次类推),一般`-b``-o`连用 grep -b -o "match_pattern" file_name # 每行输出的前面带上这行在原文件中的行号 grep -n "match_pattern" file_name # 统计文件中包含文本的行数 grep -c "match_pattern" file_name # 在目录下递归查找,`-r`和`-R`效果相同 grep -r "match_pattern" path grep -R "match_pattern" path # `-e`允许多个"match_pattern" grep -e ".*\.html" -e ".*\.php" file_name # `-E`使用正则表达式的写法有所改变,等同于egrep,貌似是`|`和`&`不再需要`\`转义且`*`表示任意数量的任意字符 grep -E "*\.php|*\.html" file_name --color=auto # 等同于 grep ".*\.html\|.*\.php" file_name
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(`\n`是多行文本间的定界符) cat file.txt| xargs # 将单行转化为多行输出(`-n`指定每行显示的字段数) cat single.txt | xargs -n 3 # 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 # 复制所有图片文件到 /data/images 目录下 ls *.jpg | xargs -n1 -I {} cp {} /data/images # 打印目录下所有 .cpp 的文件的行数 find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l
sort
排序# -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 # -t 指定分割符 sort -nrk 1 data.txt sort -bd data # 忽略像空格之类的前导空白字符 # 对于指定分割符为特殊字符时需要注意 sort -t '\t' -k3 a.txt # 上述命令报错:sort: multi-character tab `\t' # 正确写法: sort -t $'\t' -k3 a.txt
uniq
消除重复行# 使用`uniq`前,必须先使用`sort` sort unsort.txt | uniq # 行去重后的结果 sort unsort.txt | uniq -c # 行前打印该行重复次数 sort unsort.txt | uniq -d # 只打印出现重复的行
tr
替换或删除字符echo "HELLO WORLD" | tr 'A-Z' 'a-z' # 大写字母转小写 cat text| tr '\t' ' ' # 制表符转空格 # -d 删除 cat file | tr -d '0-9' # 删除所有的数字字符 # -c 求补集 cat file | tr -c '0-9' '?' # 把所有非数字的字符替换为'?' cat file | tr -d -c '0-9 \n' # 删除所有非数字的字符,注意换行和空格的保留 # -s 压缩文本中出现的重复字符;最常用于压缩多余的空格 cat file | tr -s ' ' # 删除重复的空格 # 字符类 # tr中可用各种字符类: # alnum:字母和数字 # alpha:字母 # digit:数字 # space:空白字符 # lower:小写 # upper:大写 # cntrl:控制(非可打印)字符 # print:可打印字符 # 使用方法:tr [:class:] [:class:] tr '[:lower:]' '[:upper:]' # 大小写转换也可以这么写
cut
按列切分文本# cut从每一行切割字符串,把指定列输出 # -b:以字节为单位,显示每行第n个字节 # -c:以字符为单位,显示每行第n个字符 # -f:以分隔符分割字段,显示每行第n个字段的内容 # -d:指定字段的分隔符,默认的字段分隔符为“TAB” # --complement 求补,提取指定字段之外的列 # cut 取的范围: # N- 第N个字段到结尾 # -M 第1个字段为M # N-M N到M个字段 cut -d";" -f2,4 filename # 提取文件的第2列和第4列,`;`分隔 cut -d";" -f3 --complement filename # 提取文件除第3列外的所有列: cut -c1-5 file # 打印第1到5个字符
paste
按列拼接文本# 将两个文本按列拼接到一起 paste file1 file2 # 默认在列方向上合并 paste -s file1 file2 # 在行方向上合并 paste file1 file2 -d “,” # 指定合并后的字段分隔符
wc
统计行和字符的工具wc -l file # 统计行数 wc -w file # 统计单词数 wc -c file # 统计字符数
sed
文本替换利器# s是sed命令,表示替换字符 # g是sed替换标记,表示全部替换 # 首处替换 seg 's/text/replace_text/' file # 替换每一行的第一处匹配的text # 全局替换 seg 's/text/replace_text/g' file # -i 直接修改源文件 seg -i 's/text/repalce_text/g' file # 移除空白行: # d是sed命令,表示删除匹配的行 sed '/^$/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'$ # 输出:[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: # 执行begin中语句块; # 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; # 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 "line1\nline2" | 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; }' # 输出: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; }' # 输出: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 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{sum = 0; print "begin";} {sum += $1;} END {print "=="; print sum }' # 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];} # 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 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 seq 10 | awk '{printf "->%4s\n", $1}'
# 1. 迭代文件中的每一行 # while 循环法 while read line;doecho $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++))doecho ${word:i:1);done
# 对于*.zip文件 zip -r examples.zip dir # 压缩,-r 表示处理文件夹 unzip filename.zip # 解压 # 对于*.tar文件 # 解压 # 从1.15版本开始tar就可以自动识别压缩的格式,故不需人为区分压缩格式就能正确解压 # -x: extract 解压 # -v: verbose 详细信息 # -f: file(file=archieve) 文件 tar -xvf filename.tar.gz tar -xvf filename.tar.bz2 tar -xvf filename.tar.xz tar -xvf filename.tar.Z # -C: 解压到指定目录 tar -xvf filename.tar.gz -C ./ # 压缩 # -c, create 创建压缩文件 # -z, --gzip 通过gzip压缩的形式对文件进行归档 # -j, --bzip2 通过bzip2压缩的形式对文件进行归档 tar -zcvf file.tar file1 # 压缩file1文件,压缩形式为gzip tar -cvf file.tar file1 file2 # 压缩file1,file2文件,仅打包不使用压缩 tar -cvf file.tar dir # 压缩dir目录
# 从文件中随机抽取n行 awk 'BEGIN{srand()} {print rand()"\t"$0}' input_file | sort -nk 1 | head -n line_num | awk -F "\t" '{print $2}'