| 导读 |
本文为博文 linux —— shell 编程（整体框架与基础笔记）的第4小点的拓展。（本文所有语句的测试均在 Ubuntu 16.04 LTS 上进行） |
| 目录 |
sort :用于排序，常用参数 -t 指定一行的分隔符 -k 指定具体排序的规则 -d 按字典序排列 -f 忽略大小写
-u （unique）丢弃相同指定字段的记录
unique：报告或删除文件中重复的行。 -c 在输出行前加上出现的次数 -d （duplicated）显示重复的行
-u 仅显示不重复的行
wc： 统计文本行数，字数和字符数。 -c 字符数 -w 单词数 -l 行数
pr：将文本转换成适合打印的格式。 -c 显示的列数(截断超出的部分)
fmt: 优化文本的格式。 -w 设置一行显示的最大行宽 -s 只对过长的行进行换行，不要自动回填。
fold：限制文本宽度（强行截断并换行）。 -w 指定宽度 -s 只在空格处换行。
cut ：截取行的字段。 -delimiter 设置字段分割符 -f List 设置截取的域
List可以是M，M-，M-N -M；可以用逗号指定多个
join：连接两个文件的数据字段。 join file1 file2 -1 M -2 N M、N指定匹配的字段
tr： 文本替换。 tr set set :将str1上字符替换成str2上对于位置的字符； （可以是 tr 'a-z' 'A-Z'）
tr {-d|-s} set ：-d 删除set上的每一个字符 ；-s 除去连续出现的set中的字符，至只剩下单个
tr -c （complement 互补）使用set1的外的其他字符 [例子：tr -cs '[:lower:][:upper:]' '[ *]' 单词表]
0)sed 的作用和工作方式
sed 是一个非交互式的的行编辑器，工作时，从指定的输入读入一行数据存入被称为模式空间（Pattern Space） 的临时缓冲区，然后按照指定的sed编辑命令处理缓冲区里面的内容，将结果输出到标准输出后从模式空间中删除，然后继续读取下一行继续工作。
1) 地址范围
sed -e '1,5d' test.txt
sed -e '/^#/d' test.txt
规则表达式中使用的表达式字符：
| 字符 | 描述 |
| ^ | 与行首匹配 |
|
$ |
与行尾匹配 |
|
. |
与任意一个字符匹配 |
| * | 与之前一个字符的零个或多个出现匹配 |
| [] | 与[]之间的所有字符匹配 |
2) 参数
-e 将脚本添加到命令执行，如上面的 '/^#/d'
-n 禁止模式空间的自动打印
替换文本： sed -e "s/benson/BENSON/g" 将benson 替换成大写
sed -e "1,10s/benson/BENSON/g" 将1-10行的benson变成大写
s/// 的 “/”可以被替换：比如 sed -e "s:/usr/local:/usr:g"
多条命令一起执行： sed -n -e "=;p" 打印行号；打印行 （等价与 sed -e "=" -e "p" ）
多条命令于同一地址范围：sed -n -e '1,5{s/benson/BENSON/g;s/laur/LAUR/g}'
把命令放在文件fsed里：sed -n -f fsed
awk 具有成为一门语言应有的要素：变量，函数等，是强大的处理工具。
例子：
awk -F ":" '{print "USER:" $1 " SHELL: " $7 }' /etc/passwd 结果： USER:root SHELL: /bin/bash USER:daemon SHELL: /usr/sbin/nologin USER:sync SHELL: /bin/sync
上面的命令也可以写入文件file.awk中：
awk -f file.awk /etc/passwd
BEGIN{ FS=":" }
{
print "USER:" $1 " SHELL: " $7
}
1）用户自定义变量
命名规则：[A-Za-z_][A-Za-z0-9_]*
2) 常用的内建变量
| 变量 | 说明 |
| FILENAME | 当前输入的文件名称 |
| FNR | 当前输入的文件的记录数 |
| FS | 字段分隔符（支持正则表达式），默认空格 |
| NF | 当前记录的字段数 |
| NR | 在工作（job）中的记录数 |
| OFS | 输出字段分隔字符 |
| ORS | 输出记录分隔字符（默认为“ ”） |
| RS | 输入记录分隔字符 |
3) awk数组 的字符索引支持数字、字符串
sit[google]="https://google.com" sit[baidu]="http;//baidu.com" 数组存储是稀疏的,可直接定义如下两项： x[1]=1234 x[1000]=234234 delete x 将删除数组里所有的元素 删除后，可以继续定义如下： x=567
访问环境变量：ENVIRON["PATH"]
| 运算符 | 描述 | 例子 |
| = += *= /= ^= **= | 赋值 | |
| ?= | C条件表达式 | |
| || && | 逻辑与或 | |
| ++-- | 自增自减 | |
| ～ ～! | 匹配正则表达式和不匹配正则表达式 | |
| < <= > >= != == | 关系运算符 | |
| 空格 | 连接 | |
| + - | 加、减 | |
| * / % | 乘除 求余 | |
| + - ! | 一元加减，逻辑非 | |
| ^ *** | 求幂 | |
| $ | 字段引用 | |
| in | 数组成员 |
awk支持的算数函数：
sin(x) cos(x) atan2(x,2) :x,y 范围内的余切 int(x):没有舍入地取整 exp(x)求幂 log(x):自然对数 sqrt(x)
rand()：产生>=0 <1的随机数 srand(x)：x是rand()的种子
条件语句和循环语句与C类似，支持break，continue（可以不使用；结尾）
例子：将下面记录每组一行输出
abc,123 tttt dddd ddd,324 ssss ssdd sdfsd sdf dddd sfdfsdf
BEGIN{ FS=" " RS="" # RS设置为""将可以解析多行记录（以空行分隔） ORS="" #输出记录分隔符不要换行 } { x=1 while(x<NF) { print $x " " x++ } print $NF " " }
结果：
abc,123 tttt dddd ddd,324 ssss ssdd sdfsd sdf dddd sfdfsdf
在函数中，指定的参数将被当做局部变量，而所有函数体内未出现在参数列表中的变量会被视为全局性。为此，awk允许声明过多的参数用于局部使用如：
function add(x,y, sum) { sum = x+y return sum }
如果需要使用函数进行引用传递，只能通过传入数组来实现：
引用传递格式化输出：
printf("%s have %d jobs","somebody",3) strout = sprintf("%s have %d jobs","somebody",3)
格式化输出的转义字符：c s d ld (十进制长整数) u lu x lx o lo e(科学计数法表示的浮点数) f g(e或f中比较短的一种)
printf 修饰符： - 左对齐 #显示八进制时在前面加个0；显示十六进制时在前面加0x
+显示defg 转换的整数时，加上正负号 0 填充空白为0
具体的格式为：%-width.precision fotmat-specifier
awk内置字符串函数：
| awk函数 | 描述 |
| sub(/reg/,newsubstr,str) | 替换第一个匹配的字符串 |
| gsub(/reg/,newsubstr,str) | 替换所有匹配 |
| index(str,substr) | 返回substr在str中的索引 |
| length(str) | 长度 |
| match(str,/reg/) | 如果在str中找到正则表达式/reg/匹配的串，则返回出现的位置，未找到则返回0 |
| split(str,array,sep) | 使用sep分隔到array |
| substr(str,position[,length]) | 返回str从position开始的length个字符 |
| tolower(str) | 变小写 |
| toupper(str) | 变大写 |
| sprintf("fmt",expr) | 格式化返回字符串 |
10001 南京 佛挡杀佛 sdfsdf 10002 天津 发生地方 双方的发生 10003 石家庄 发生地方 发生地方
11000,南京 11003,天津 12000,河北省 13000,品上线 12344,石家庄
BEGIN{ FS="[ ,]" OFS="," } NR <= FNR{ array[$2]=$1 } NR > FNR{ print $1,$2,array[$2] }
awk -f join.awk a.txt b.txt
11000,南京,10001 11003,天津,10002 12000,河北省, 13000,品上线, 12344,石家庄,10003