一文轻松入门 Linux 三剑客与正则表达式 | 测试利器 Shell 教程（一）

本文适合 Shell 入门学习演练，作者为霍格沃兹测试学院实习生 MrDong，建议在 Web 端阅读并按教程执行命令操作。

为什么使用三剑客？

Linux 给人的印象是黑乎乎的神秘窗口，文本操作和数据处理似乎没有 Windows 窗口界面直观方便。其实不然，Linux
也有自己的法宝，称之为三剑客：grep，awk 和 sed。你可以用这三件法宝很方便的处理数据
：查找，分段，修改，而这三个功能对应着我们今天的主角：grep，awk，sed。

形象一点比喻，如果把数据比作人群，那么 grep 就是照妖镜 ，用来找出妖精； awk 就是尺子 ， 给人群分门别类；而 sed
就是宝剑 ，用来除掉妖精。当你明白为什么要用三剑客时，就更容易拿这三把剑去斩妖除魔。

下面我会分别介绍这三剑客，你需要做的，是拿出电脑和我一同演练剑术。

第一剑客：grep

grep 是一种强大的文本搜索工具，它能使用 正则表达式
搜索文本，并把匹配的行打印出来。这把剑可以分辨妖魔，从人群中找出害人的妖精。这可是非常强大的重武器，请一定要尝试着掌控它。

      1. curl https://testerhome.com \

  2. | grep -o 'http://[a-zA-Z0-9\.\-]*'

首先，我们的人群从哪里来？从 curl 中来，上面的 curl https://testerhome.com 表示展示 TesterHome 社区的
html 信息，我把这些信息比做茫茫人群：

      1. <div class="links"  data-no-turbolink="">

  2. <span style="font-size:14px; color:#666;"> 友情链接 </span><span style="margin-left:5px">

  3.           <a style="color:#317DDA;" href="http://wetest.qq.com/?from=links_testerhome" target="_blank">WeTest 腾讯质量开放平台 </a> /

  4.           <a style="color:#317DDA;" href="http://www.infoq.com/cn" target="_blank">InfoQ</a> /

  5.           <a style="color:#317DDA;" href="http://www.testtao.com/portal.php" target="_blank"> 测试之道 </a> /

  6.           <a style="color:#317DDA;" href="https://www.testwo.com/" target="_blank"> 测试窝 </a> /

  7.           <a style="color:#317DDA;" href="http://tieba.baidu.com/f?ie=utf-8&kw=%E8%BD%AF%E4%BB%B6%E6%B5%8B%E8%AF%95&fr=search" target="_blank"> 百度测试吧 </a> /

  8.           <a style="color:#317DDA;" href="http://www.itdks.com/" target="_blank">IT 大咖说 </a>

  9. </span>

这是我截取的部分内容，你会看到许多信息，如果想找出妖精（所有的链接），你可以用 grep 的 -o参数，打印匹配到的部分，你可以理解为妖精现形，其后的
http://[a-zAZ0-9\.\-]* 是正则表达式，它匹配以 http:// 开头，其后跟着字母 (a-zA-Z) 或数字 (0-9) 或
.(\.) 或-(\-)，这里不懂的不要紧，后面我会介绍正则表达式这个强大的工具。

这里正则表达式的意思很明显，妖精的样子是以 http:// 开头的链接。

因为上面的连接以 " 结尾，比如 href="http://wetest.qq.com/?from=links_testerhome"，当遇到
" 时，会跳出匹配，

请跟着我敲出上面的命令，以下面是它匹配到的内容：

      1. http://wetest.qq.com

  2. http://www.infoq.com

  3. http://www.testtao.com

  4. http://tieba.baidu.com

  5. http://www.itdks.com

就像本例子一样，妖精的长相千奇百怪，不光是链接，还有可能是一段文本，一句话，甚至是一个单词，要想掌握
grep，你还要了解下面表格中的信息，表格是剑术手册，至关重要：

命令	解释
-A n	追加显示结果行后面 n 行
-B n	追加显示结果行前面 n 行
-C n	追加显示结果行前后 n 行，默认 -C 2，表示 -A 2 -B 2
-c, --count	显示搜索结果数量
-o	只打印匹配结果部分
-E	使用扩展版正则表达式匹配，相当于执行 egrep
-F	使用静态字符串匹配，相当于执行 fgrep
-z	先解包再搜索，相当于执行 zgrep
-e pattern	表示后续字符串为目标正则表达式，主要用于同时使用多个 -e 匹配多个模式，也用于正则表达式开头为 - 的场合（消除歧义）
-v	反向搜索，打印不匹配搜索模式的结果
-q,--quiet,--silent	非贪婪式搜索，搜到一个结果时停止继续搜索该文件
--exclude,--exclude-dir pattern	排除非目标搜索文件或目录，高优先级
--include,--include-dir pattern	仅搜索目标文件或目录，低优先级
-f file	指定搜索某个文件
-H,-h	打印、不打印文件名
-n	显示行号，从 1 开始
-I	忽略二进制文件
-i	忽略大小写，默认大小写敏感
-L	仅列出打印不含目标搜索结果的文件
-l	仅列出打印包含目标搜索结果的文件
-m n	仅显示前 n 个结果
-R	递归扫描子文件夹
-S	递归扫描时，追踪扫描符号链接文件、目录，默认不追踪（等同于指定 -p）
-s	静默模式，忽略错误文件
-w,-x	正则模式作为单个完整单词、完整行进行搜索

这些信息是掌握第一剑客 grep 的重要资料，当然你需要多加练习才能更好的使用它，表格供你不明时进行查询。

除此之外，如果你想查看更多有关 grep 的内容，可以用：

      1. grep --help

第二剑客：awk

如果为三剑客排个地位，那么 awk 绝对是 老大 ，他甚至可以代替 grep，awk
不光支持正则，还可以对字段进行分段处理，它的功能是辨认妖精和给妖精分类。

      1. echo $PATH | awk 'BEGIN{RS=":"}{print $0}' \

  2.  | awk -F/ '{print $1,$2}'

不同于上面的 curl 命令， echo $PATH 打印本地的环境变量，这是一个新人群：

      1. /usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin

现在人群太乱了，它们都堆在一排，根本没法操作，需要用法宝 awk 把他们分行 awk'BEGIN{RS=":"}{print $0}'，其中 RS
的意思是用:作为记录分割符，将上面的内容 分行 ， BEGIN 的意思是 初始化代码块 ，在对每一行进行处理之前，先执行 BEGIN
中的内容，这就是施法前摇：

      1. /usr/local/sbin

  2. /usr/local/bin

  3. /usr/sbin

  4. /usr/bin

  5. /sbin

  6. /bin

这样看起来舒服很多，大家都被分门别类，现在我发现了妖精，符号 / 太累赘，想阻挡我们的去路，于是用 awk 去掉这个拦路虎 awk-F/'{print $1,$2}' 命令用 -F/表示用 / 作为分隔符， $1 和 $2 表示提取每行前 2 个内容， print 进行打印:

      1.  usr

  2.  usr

  3.  usr

  4.  usr

  5.  sbin

  6.  bin

有的同学很迷惑，为啥每行只提取出一个字符（usr），而不是两个（usr locl），这是因为 $1 是指 / 前的字符 ，比如
/usr/local/sbin，第一个 / 前是空白，第二个 /前是 usr，因此打印只显示了 空白 usr ****

其实参数 FS与 F的使用相同，上面的剑客也可以这么用：

      1.  echo $PATH | awk 'BEGIN{RS=":"}{print $0}' \

  2.  | awk 'BEGIN{FS="/"}{print $1,$2}'

就像本例子一样，人群会很复杂，你要先精简人群，才能找出妖精，要想掌握 awk，你还要了解下面表格中的信息，表格是剑术手册，至关重要：

awk 的语法是这样的：

      1. awk [-F|-f|-v] ‘BEGIN{} //{command1; command2} END{}’ file

意思可以对照下面的表格：

选项	解释
[-F	-f
' '	引用代码块
BEGIN	初始化代码块，在对每一行进行处理之前，初始化代码，主要是引用全局变量，设置 FS 分隔符
//	匹配代码块，可以是字符串或正则表达式
{}	命令代码块，包含一条或多条命令
；	多条命令使用分号分隔
END	结尾代码块，在对每一行进行处理之后再执行的代码块，主要是进行最终计算或输出结尾摘要信息

还有常见的其他命令：

其他命令	解释
$0	表示整个当前行
$1	每行第一个字段
NF	字段数量变量
NR	每行的记录号，多文件记录递增
FNR	与 NR 类似，不过多文件记录不递增，每个文件都从 1 开始
\t	制表符
\n	换行符
FS	BEGIN 时定义分隔符
RS	输入的记录分隔符， 默认为换行符 (即文本是按一行一行输入)
~	匹配，与 == 相比不是精确比较
!~	不匹配，不精确比较
==	等于，必须全部相等，精确比较
!=	不等于，精确比较
&&	逻辑与
逻辑或
+	匹配时表示 1 个或 1 个以上
/[0-9][0-9]+/	两个或两个以上数字
/[0-9][0-9]*/	一个或一个以上数字
FILENAME	文件名
OFS	输出字段分隔符， 默认也是空格，可以改为制表符等
ORS	输出的记录分隔符，默认为换行符 , 即处理结果也是一行一行输出到屏幕
-F'[:#/]'	定义三个分隔符

除此之外，如果你想查看更多有关 awk 的内容，可以用：

      1. awk --help

拓展阅读：RS、ORS、FS、OFS 的区别和联系

https://www.jb51.net/article/52891.htm

第三剑客：sed

这是最后的剑客 sed，如果说 grep 用来分辨妖精，awk 用来规则人群，那么 sed 就是大杀气， 用来斩除妖精。

严格来说：sed 是一种流编辑器，它是文本处理中非常有用的工具，能够完美的配合正则表达式使用，功能不同凡响。

      1. echo $PATH | awk 'BEGIN{RS=":"}{print $0}' \

  2. | sed 's#/ #----#g'

本次将同时使用两件法宝：awk 和 sed。人群依旧是 echo $PATH：

      1. /usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin

用第二件法宝 awk 进行分割后如下（不懂的可以往上看）：

      1. /usr/local/sbin

  2. /usr/local/bin

  3. /usr/sbin

  4. /usr/bin

  5. /sbin

  6. /bin

接下来我要做的，是摆平拦路虎 / ，将 / 替换成 ---- sed's#/ #----#g'。

其中的 s 表示进行替换，注意到其后有三个#，# 之间的内容分别是要替换的内容 /，替换成什么 ----，开启法宝后如下：

      1. ----usr----local----sbin

  2. ----usr----local----bin

  3. ----usr----sbin

  4. ----usr----bin

  5. ----sbin

  6. ----bin

你会发现， \全部被替换成了 ----。

就像本例子一样，斩除的功能不言而喻，要想掌握 sed，你还要了解下面表格中的信息，表格是剑术手册，至关重要。

sed 的命令格式如下：

      1. sed [options] 'command' file(s)

  2. sed [options] -f scriptfile file(s)

选项

参数	完整参数	说明
-e	script --expression=script	以选项中的指定的 script 来处理输入的文本文件
-f	script --files=script	以选项中的指定的 script 文件来处理输入的文本文件
-h	--help	显示帮助
-n	--quiet --silent	仅显示 script 处理后的结果
-V	--version	显示版本信息

命令

命令	说明
d	删除，删除选择的行
D	删除模板块的第一行
s	替换指定字符
h	拷贝模板块的内容到内存中的缓冲区
H	追加模板块的内容到内存中的缓冲区
g	获得内存缓冲区的内容，并替代当前模板块中文本
G	获得内存缓冲区的内容，并追加到当前模板块文本的后面
l	列表不能打印字符的清单
n	读取下一个输入行，用下一个命令处理新的行而不是第一个命令
N	追加下一个输入行到模板块后面并在二者间嵌入一个新行，改变当前行号码
p	打印模板块的行
P	打印模板块的第一行
q	退出 sed
b label	分支到脚本中带有标记的地方，如果分支不存在则分支到脚本的末尾
r file	从 file 中读行
t label	if 分支，从最后一行开始，条件一旦满足或者 T，t 命令，将导致分支到带有标号的命令处，或者到脚本的末尾
T label	错误分支，从最后一行开始，一旦发生错误或者 T，t 命令，将导致分支到带有标号的命令处，或者到脚本的末尾
w file	写并追加模板块到 file 末尾
W file	写并追加模板块的第一行到 file 末尾
!	表示后面的命令对所有没有被选定的行发生作用
=	打印当前行号

| 把注释扩展到第一个换行符以前

替换

命令	说明
g	表示行内全面替换
p	表示打印行
w	表示把行写入一个文件
x	表示互换模板块中的文本和缓冲区中的文本
y	表示把一个字符翻译为另外的字符（但是不用于正则表达式）
\1	子串匹配标记
&	已匹配字符串标记

扩展：

sed 处理数据时，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。

更多用例请参考：http://www.runoob.com/linux/linux-comm-sed.html

除此之外，如果你想查看更多有关 awk 的内容，可以用：

      1. awk --help

扩展内容：正则表达式

大家使用三剑客时，会看到 基本正则 和 扩展正则 ，他们的区别还是非常大的，基本正则的许多符号需要使用转义字符 \，比如 | 要改成
\|，因此建议大家使用 扩展正则 ！

P.S. 限于篇幅关系，关于正则表达式的内容，在下一篇文章中做详细讲解。（end）

来霍格沃兹测试开发学社，学习更多软件测试与测试开发的进阶技术，知识点涵盖web自动化测试 app自动化测试、接口自动化测试、测试框架、性能测试、安全测试、持续集成/持续交付/DevOps，测试左移、测试右移、精准测试、测试平台开发、测试管理等内容，课程技术涵盖bash、pytest、junit、selenium、appium、postman、requests、httprunner、jmeter、jenkins、docker、k8s、elk、sonarqube、jacoco、jvm-sandbox等相关技术，全面提升测试开发工程师的技术实力
QQ交流群：484590337
公众号 TestingStudio
点击获取更多信息