本文將介紹Linux下使用Shell處理文本時最常用的處理工具：find、grep、集錦xargs、sort、uniq、tr、cut、paste、wc、sed、awk；提供的例子和參數都是最常用和最為實用的；對shell腳本使用的原則是命令單行書寫，盡量不要超過2行；如果有更為復雜的任務需求，還是考慮python吧.

1、find 文件查找

查找txt和pdf文件

find?.?(?-name?"*.txt"?-o?-name?"*.pdf"?)?-print

正則方式查找.txt和pdf

find?.?-regex??".*(.txt|.pdf)$"
#-iregex：忽略大小寫的正則

否定參數:查找所有非txt文本

find?.?!?-name?"*.txt"?-print

指定搜索深度:打印出當前目錄的文件（深度為1）

find?.?-maxdepth?1?-type?f

定制搜索

#按類型搜索：
find?.?-type?d?-print??//只列出所有目錄

#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：
尋找大于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

找到后的后續動作刪除：

#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為weber

注：{ }是一個特殊的字符串，對于每一個匹配的文件，{ }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?;

結合多個命令tips: 如果需要后續執行多個命令，可以將多個命令寫成一個腳本。然后 -exec 調用時執行腳本即可；

-exec?./commands.sh?{ }?;
#-print的定界符

• 默認使用' '作為文件的定界符；
• -print0 使用''作為文件的定界符，這樣就可以搜索包含空格的文件；

2、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

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

匹配多個模式

grep?-e?"class"?-e?"vitural"?file

grep輸出以作為結尾符的文件名：（-z）

grep?"test"?file*?-lZ|?xargs?-0?rm

xargs 命令行參數轉換

xargs 能夠將輸入數據轉化為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；

將多行輸出轉化為單行輸出

cat?file.txt|?xargs

• 是多行文本間的定界符
• 將單行轉化為多行輸出

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 （默認為空格 多行的定界符為 ）
• -n 指定輸出為多行
• -I { } 指定替換字符串，這個字符串在xargs擴展時會被替換掉,用于待執行的命令需要多個參數時

cat?file.txt?|?xargs?-I?{ }?./command.sh?-p?{ }?-1
#-0：指定為輸入定界符

#統計程序行數
find?source_dir/?-type?f?-name?"*.cpp"?-print0?|xargs?-0?wc?-l

3、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

sort?-nrk?1?data.txt
sort?-bd?data?//?忽略像空格之類的前導空白字符

4、uniq 消除重復行

消除重復行

sort?unsort.txt?|?uniq

統計各行在文件中出現的次數

sort?unsort.txt?|?uniq?-c

找出重復行

sort?unsort.txt?|?uniq?-d

可指定每行中需要比較的重復內容：-s 開始位置 -w 比較字符數

5、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?'????''?'??//制表符轉空格

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復字符；最常用于壓縮多余的空格
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:]'

6、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 取的范圍

• N- 第N個字段到結尾
• -M 第1個字段為M
• N-M N到M個字段 cut 取的單位
• -b 以字節為單位
• -c 以字符為單位
• -f 以字段為單位（使用定界符）

cut?-c1-5?file?//打印第一到5個字符
cut?-c-2?file??//打印前2個字符

7、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

1colin
2?book

默認的定界符是制表符，可以用-d指明定界符

paste?file1?file2?-d?","
1,colin
2,book

8、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

9、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

默認替換后，輸出替換后的內容，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，使用雙引號后，雙引號會對表達式求值：
• 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；

p=patten
r=replaced
echo?"line?con?a?patten"|?sed?"s/$p/$r/g"
$>line?con?a?replaced

字符串插入字符：將文本中每行內容（PEKSHA） 轉換為 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

• 1.執行begin中語句塊；
• 2.從文件或stdin中讀入一行，然后執行statements2，重復這個過程，直到文件全部被讀取完畢；
• 3.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（""作為拼接符）;
echo?|?awk?'?{ var1?=?"v1"?;?var2?=?"V2";?var3="v3";
print?var1"-"var2"-"var3;?}'
$>v1-V2-v3

特殊變量：NR NF 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=$var?#輸入來自stdin
awk?'{ print?vara}'?vara=$var?file?#?輸入來自文件

用樣式對awk處理的行進行過濾

awk?'NR?awk?'NR==1,NR==4?{ print}'?file?#行號等于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（默認為空格）

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];}

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?'NR==4,NR==6{ print}'

#確定文本
打印處于startpattern 和endpattern之間的文本；
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為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

seq?10|?awk?'{ printf?"->%4s?",?$1}'??#迭代文件中的行、單詞和字符

1. 迭代文件中的每一行

while?循環法
while?read?line;
do
echo?$line;
done?

改成子shell:

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

awk法：

cat?file.txt|?awk?'{ print}'

2.迭代一行中的每一個單詞

for?word?in?$line;
do
echo?$word;
done

1. 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