文本处理

1. 文本列提取–cut命令

cut命令
选项：
-f：指定提取第几列
-c：字符范围，-c n-，-n，n-m，分别表示第n个字符后，前n个字符，n到m个字符。
-d：指定字符分割，默认通过制表符"\t"分割
举个例子：
提取普通用户的用户名：

2. 文本三剑客之---->awk

2.1 printf 格式化输出

格式：
printf ‘输出类型格式’ 输出的内容
输出类型：

输出类型	说明
%ns	输出字符串，n是数字代表输出几个字符
%ni	输出整数，n是数字，代表输出几个数字
%n.mf	输出小数，m和n是数字，达标输出的整数位数和小数位数， %8.2f表述，总共输出8位，其中两位是小数，6位是整数

输出格式：

输出格式	说明
\a	输出警告声音
\b	输出退格键
\f	清屏
\n	换行
\t	制表符，tab键
\r	回车键

演示一下：
有一个文本如下：

• printf输出的时候不能直接打开文件，必须用命令的方式来，看下面的文件

• 我们直接输出试一下：
  直接输出它会把文本放在一起数出来，看起来很别扭
• 标准的输出方式：
  

2.2 awk基本使用

2.2.1 awk语法

语法：
awk ‘条件1{动作1} 条件2{动作2} ······’ 文件名

• 还是针对上面的文件：我们提取一下第四列内容：
  
  这里打印的时候，提取第几列，默认用空格分隔。（awk里面可以直接用print，它会自动换行）
• 我们来写个实用的，提取根分区的磁盘空间剩余百分比
  
  结果如下所示：
  

2.2.2 awk条件

我们来看一下awk的条件：

• BEGIN：如字面意思，在一开始，尚未读取数据的时候，先执行BEGIN后面的动作
• END：与上面相反，在awk处理完所有数据后，执行一下END后的动作
• 关系运算符：
  • >,<,>=,<=,==,!=
  • 正则表达式：//：正则表达式需要写在双斜杠之间
  • A~B：包含关系，如果A里面包含B为真。

举几个例子，为了方便，我们先写了一个成绩文档：

• 我们需要python成绩，并在前面和后面分别打印一些内容：
  

cat chengji.txt |grep -v name|awk 'BEGIN{print "开始了"} {print $5} END{print "打印完成"}'

---

• 我们来看看数学成功高于80分的人有哪些？

cat chengji.txt |grep -v name|awk '$4>=80{print $1}'

有点乱，简单解释一下逻辑：我们要的是分数，先排除掉标题行，awk在执行的时候，会先判断条件，如果条件符合，再执行动作，就是先判断第五列中那些分数高于80，再打印对应的name。

---

• 我们来指定打印一下fiona和hyg的语文和数学成绩吧~

cat chengji.txt |awk '$1~/(fiona|hyg)/ {print $2 "\t" $4}'

回忆一下，//里面放的是正则表达式。

---

• 还有一些神奇的用法，look
  
  其实也是正则的应用啦

---

看完上面的内容，来稍微理解一下咱们这个awk的执行过程吧

---

2.2.3 awk内置变量

内置变量	作用
$0	当前读入的一整行数据
$n	n是数字，表示分割出来的第几个字段，可以理解为第几列
FS	指定分隔符
NR	所在行号
NF	分割出来的内容有几列

---

• 我们来看看指定分隔符FS，行号NR，字段数NF
  注意：指定分隔符属于动作，NR、NF属于变量
  需求：打印一下非伪用户的用户名、ID号、所在行号、分割了多少个字段
  两种方法：

# 写法1，先筛选
cat /etc/passwd|grep "/bin/bash"|awk 'BEGIN{FS=":"}{print $1 "\t" $3 "\t" NR "\t" NF "\t"}'
# 写法2，用awk顺便筛选
awk 'BEGIN{FS=":"} /\/bin\/bash/{print $1 "\t" $3 "\t" NR "\t" NF "\t"}' /etc/passwd

---

3. 文本三剑客之 —>sed

主要用来将文本数据进行选取、替换、删除、新增的命令，sed可以卸载脚本里面
格式：
sed [选项] 动作 文件

3.1 sed选项

-n：我们通过sed命令会默认把所有数据输出到屏幕，该选项的作用是只输出sed处理过的文本
-e：允许对输入的数据用多条sed命令编辑，用分号分割。
-r：支持扩展正则
-i：sed是不会修改源文件的，改选项的目的是直接修改源文件

3.2 sed动作

a：追加，在当前行的后面添加一行或多行，如果添加多行，除了最后一行，需要加\ "na str"
c：行替换，用c后面的内容替换原数据行
i：插入，在当前行前插入一行
d：删除，删除指定行
p：打印：输出指定的行
s：字符串替换："行范围s/旧字符串/新字符串/g"

3.3 sed实例

我们还是用passwd和上面的成绩单来举例吧~

• 我们来输出第一行的内容：

sed -n 1p /etc/passwd  # 如果不加-n，会输出所有内容

• 删除：我们试着只留最后两行，其他都删掉“1,46表示删除1-46行”
  
• 追加：我们在最后一行插入点东西
  
• 插入：主要看与追加的对比
  
• 替换：可以和上面对比看效果
• 字符串替换
  
  利用字符串串替换，我们可以实现批量注释文档：
  
  也可以实现删除文本：
  

4. 其他文本处理命令

4.1 sort命令

给文本内的数据排序
选项：

-f：忽略大小写
-b：忽略每一行前面的空白部分
-n：以数值型进行排序，默认是字符串
-u：删除重复行
-t：指定分隔符，默认是制表符
-r：取反
-k：按照指定字段排序

稍微举几个例子吧：

这个文本中间是空格，我们如果想要以数学成绩来排序，就要和awk来联动，我们试一下吧~

针对指定分割符，我们来试试passwd文件吧，按照uid进行排序，如果不加-n选项，排序会变成这样：0，1，11，12，13，···，2，20，21，···按照字符串的方式排

4.2 uniq命令

取消重复行，与sort -u 一样，试一下吧，我们变了一下成绩单：


大致分析一下，两个还是有区别的：

• uniq只会去掉相邻的重复行，不相邻内容不会取消
• sort -u 则会取消所有重复行，只保留一行

4.3 wc命令

用来统计文本信息的命令
选项：

-l：只查看行数--line
-w：只统计单词数--word
-m：只统计字符数--？？

我们可以和cut，awk等命令得到春数字

标签：输出,文本处理,命令,sed,awk,print,文本,三剑客
来源： https://blog.csdn.net/qq_28197005/article/details/122486257