本文将介绍Linux下使用Shell处理文本时最常用的工具：
find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk；提供的例子和参数都是最常用和最为实用的；对shell脚本使用的原则是命令单行书写，尽量不要超过2行；如果有更为复杂的任务需求，还是考虑python吧；01 find 文件查找
1 查找txt和pdf文件
find . ( -name "*.txt"-o -name "*.pdf") -print
2 正则方式查找.txt和pdf
find . -regex ".*(.txt|.pdf)$"
-iregex：忽略大小写的正则3 否定参数查找所有非txt文本
find . ! -name "*.txt"-print
4 指定搜索深度打印出当前目录的文件（深度为1）
find . -maxdepth 1-type f
5 定制搜索按类型搜索：
find . -type d -print //只列出所有目录 -type f 文件 / l 符号链接
按时间搜索：
-
-atime 访问时间 (单位是天，分钟单位则是-amin，以下类似） -
-
-mtime 修改时间 （内容被修改） -
-
-ctime 变化时间 （元数据或权限变化）
最近7天被访问过的所有文件：
find . -atime 7-type f -print
按大小搜索：w字 k M G寻找大于2k的文件
find . -type f -size +2k
按权限查找：
find . -type f -perm 644-print //找具有可执行权限的所有文件
按用户查找：
find . -type f -user weber -print// 找用户weber所拥有的文件
6 找到后的后续动作删除：删除当前目录下所有的swp文件：
find . -type f -name "*.swp"-delete
执行动作（强大的exec）
-
find . -type f -user root -exec chown weber {} ; //将当前目录下的所有权变更为weber
注：{}是一个特殊的字符串，对于每一个匹配的文件，{}会被替换成相应的文件名；eg：将找到的文件全都copy到另一个目录：
find . -type f -mtime +10-name "*.txt"-exec cp {} OLD ;
7 结合多个命令tips: 如果需要后续执行多个命令，可以将多个命令写成一个脚本。然后 -exec 调用时执行脚本即可；
-exec ./commands.sh {} ;
-print的定界符默认使用' '作为文件的定界符；-print0 使用''作为文件的定界符，这样就可以搜索包含空格的文件；
02 grep 文本搜索
-
grep match_patten file // 默认访问匹配行
常用参数:
-
-o 只输出匹配的文本行 VS -v 只输出没有匹配的文本行
-
-c 统计文件中包含文本的次数
-
grep -c "text" filename
-
-n 打印匹配的行号
-
-i 搜索时忽略大小写
-
-l 只打印文件名
1 在多级目录中对文本递归搜索(程序员搜代码的最爱）：
-
grep "class". -R -n
2 匹配多个模式
-
grep -e "class"-e "vitural" file
3 grep输出以作为结尾符的文件名：（-z）
-
grep "test" file* -lZ| xargs -0 rm
4 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
-
cat file.txt| xargs
是多行文本间的定界符将单行转化为多行输出
-
cat single.txt | xargs -n 3
-n：指定每行显示的字段数xargs参数说明
-
-d 定义定界符 （默认为空格 多行的定界符为 ）
-
-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
eg：
-
cat file.txt | xargs -I {} ./command.sh -p {} -1
-0：指定为输入定界符eg：统计程序行数
-
find source_dir/ -type f -name "*.cpp"-print0 |xargs -0 wc -l
03 sort 排序
字段说明：
-
-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
eg：
sort -nrk 1 data.txt sort -bd data // 忽略像空格之类的前导空白字符
04 uniq 消除重复行
消除重复行
-
sort unsort.txt | uniq
统计各行在文件中出现的次数
-
sort unsort.txt | uniq -c
找出重复行
-
sort unsort.txt | uniq -d
可指定每行中需要比较的重复内容：-s 开始位置 -w 比较字符数
05 用 tr 进行转换
通用用法
echo 12345| tr '0-9''9876543210'//加解密转换，替换对应字符 cat text| tr ' '' '//制表符转空格
tr删除字符
-
cat file | tr -d '0-9'// 删除所有数字
-c 求补集
cat file | tr -c '0-9'//获取文件中所有数字 cat file | tr -d -c '0-9 '//删除非数字数据
tr压缩字符tr -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 ' '
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:]
-
eg: tr '[:lower:]''[:upper:]'
06 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 取的单位
-
-b 以字节为单位
-
-c 以字符为单位
-
-f 以字段为单位（使用定界符）
eg:
cut -c1-5 file //打印第一到5个字符 cut -c-2 file //打印前2个字符
07 paste 按列拼接文本
将两个文本按列拼接到一起;
cat file1 1 2 cat file2 colin book paste file1 file2 1 colin 2 book
默认的定界符是制表符，可以用-d指明定界符
paste file1 file2 -d "," 1,colin 2,book
08 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
09 sed 文本替换利器
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
默认替换后，输出替换后的内容，如果需要直接替换原文件,使用-i：
-
seg -i 's/text/repalce_text/g' file
移除空白行：
-
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' $>[this] [is] [en] [example]
子串匹配标记第一个匹配的括号内容使用标记 来引用
-
sed 's/hello([0-9])//'
双引号求值sed通常用单引号来引用；也可使用双引号，使用双引号后，双引号会对表达式求值：
-
sed 's/$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
10 awk 数据流处理工具
awk脚本结构
-
awk ' BEGIN{ statements } statements2 END{ statements } '
工作方式1.执行begin中语句块；2.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；3.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 line2"| 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; }' $>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; }' $>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 line2 line 3"| awk '{print NR":"$0"-"$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 2 3 4 "| awk 'BEGIN{num = 0 ; print "begin";} {sum += $1;} END {print "=="; print sum }'
传递外部变量
var=1000 echo | awk '{print vara}' vara=$var # 输入来自stdin awk '{print vara}' vara=$var file # 输入来自文件
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];}
eg: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startpattern 和endpattern之间的文本；
awk '/start_pattern/, /end_pattern/' filename eg: 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eg：
-
seq 10| awk '{printf "->%4s ", $1}'
迭代文件中的行、单词和字符1. 迭代文件中的每一行while 循环法
while read line; do echo $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:startpos:numof_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++)) do echo ${word:i:1); done
转自
史上最全的 Linux Shell 文本处理工具集锦，快收藏！ https://mp.weixin.qq.com/s?__biz=MzA4NzQzMzU4Mg==&mid=2652936465&idx=3&sn=4946c6c9760d39ac7e92ccfd4acea166&chksm=8bedb110bc9a38062b3e5e38f3822937c77681e9447cc64c9b18bb123d32455eaf767bbae4bb&mpshare=1&scene=23&srcid=1029FpCR9pTok8wJtQLjjggF&sharer_sharetime=1603954708172&sharer_shareid=0859f4196e466ac44c977c91a8e3b615#rd