linux 文本处理常用命令

  1 1、find 文件查找
  2 查找txt和pdf文件
  3 
  4 1
  5 
  6   find . \( -name "*.txt" -o -name "*.pdf" \) -print
  7 
  8 正则方式查找.txt和pdf
  9 
 10   find . -regex  ".*\(\.txt|\.pdf\)$"
 11 -iregex： 忽略大小写的正则
 12 
 13 否定参数
 14 查找所有非txt文本
 15 
 16    find . ! -name "*.txt" -print
 17 指定搜索深度
 18 打印出当前目录的文件（深度为1）
 19 
 20   find . -maxdepth 1 -type f
 21 定制搜索
 22 按类型搜索：
 23 
 24   find . -type d -print  //只列出所有目录
 25 -type f 文件 / l 符号链接
 26 
 27 按时间搜索：
 28 -atime 访问时间 (单位是天，分钟单位则是-amin，以下类似）
 29 -mtime 修改时间 （内容被修改）
 30 -ctime 变化时间 （元数据或权限变化）
 31 最近7天被访问过的所有文件：
 32 
 33   find . -atime 7 -type f -print
 34 按大小搜索：
 35 w字 k M G
 36 寻找大于2k的文件
 37 
 38   find . -type f -size +2k
 39 按权限查找：
 40 
 41   find . -type f -perm 644 -print //找具有可执行权限的所有文件
 42 按用户查找：
 43 
 44   find . -type f -user weber -print// 找用户weber所拥有的文件
 45 找到后的后续动作
 46 删除：
 47 删除当前目录下所有的swp文件：
 48 
 49   find . -type f -name "*.swp" -delete
 50 执行动作（强大的exec）
 51 
 52   find . -type f -user root -exec chown weber {} \; //将当前目录下的所有权变更为weber
 53 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；
 54 eg：将找到的文件全都copy到另一个目录：
 55 
 56   find . -type f -mtime +10 -name "*.txt" -exec cp {} OLD \;
 57 结合多个命令
 58 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；
 59 
 60   -exec ./commands.sh {} \;
 61 -print的定界符
 62 默认使用'\n'作为文件的定界符；
 63 -print0 使用'\0'作为文件的定界符，这样就可以搜索包含空格的文件；
 64 
 65 2、grep 文本搜索
 66 grep match_patten file // 默认访问匹配行
 67 
 68 常用参数
 69 -o 只输出匹配的文本行 VS -v 只输出没有匹配的文本行
 70 -c 统计文件中包含文本的次数
 71 
 72   grep -c "text" filename
 73 -n 打印匹配的行号
 74 -i 搜索时忽略大小写
 75 -l 只打印文件名
 76 
 77 在多级目录中对文本递归搜索(程序员搜代码的最爱）：
 78 
 79   grep "class" . -R -n
 80 匹配多个模式
 81 
 82   grep -e "class" -e "vitural" file
 83 grep输出以\0作为结尾符的文件名：（-z）
 84 
 85   grep "test" file* -lZ| xargs -0 rm
 86  3、xargs 命令行参数转换
 87 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；
 88 
 89 将多行输出转化为单行输出
 90 cat file.txt| xargs
 91 \n 是多行文本间的定界符
 92 
 93 将单行转化为多行输出
 94 cat single.txt | xargs -n 3
 95 -n：指定每行显示的字段数
 96 
 97 xargs参数说明
 98 -d 定义定界符 （默认为空格 多行的定界符为 \n）
 99 -n 指定输出为多行
100 -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
101 eg：
102 
103 cat file.txt | xargs -I {} ./command.sh -p {} -1
104 -0：指定\0为输入定界符
105 eg：统计程序行数
106 
107 find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l
108  4、sort 排序
109 字段说明：
110 -n 按数字进行排序 VS -d 按字典序进行排序
111 -r 逆序排序
112 -k N 指定按第N列排序
113 eg：
114 
115 sort -nrk 1 data.txt
116 sort -bd data // 忽略像空格之类的前导空白字符
117  5、uniq 消除重复行
118 消除重复行
119 
120   sort unsort.txt | uniq
121 统计各行在文件中出现的次数
122 
123   sort unsort.txt | uniq -c
124 找出重复行
125 
126   sort unsort.txt | uniq -d
127 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
128 
129  6、用tr进行转换
130 通用用法
131 
132   echo 12345 | tr '0-9' '9876543210' //加解密转换，替换对应字符
133   cat text| tr '\t' ' '  //制表符转空格
134 tr删除字符
135 
136   cat file | tr -d '0-9' // 删除所有数字
137 -c 求补集
138 
139   cat file | tr -c '0-9' //获取文件中所有数字
140   cat file | tr -d -c '0-9 \n'  //删除非数字数据
141 tr压缩字符
142 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
143 
144   cat file | tr -s ' '
145 字符类
146 tr中可用各种字符类：
147 alnum：字母和数字
148 alpha：字母
149 digit：数字
150 space：空白字符
151 lower：小写
152 upper：大写
153 cntrl：控制（非可打印）字符
154 print：可打印字符
155 使用方法：tr [:class:] [:class:]
156 
157   eg: tr '[:lower:]' '[:upper:]'
158  7、cut 按列切分文本
159 截取文件的第2列和第4列：
160 
161   cut -f2,4 filename
162 去文件除第3列的所有列：
163 
164   cut -f3 --complement filename
165 -d 指定定界符：
166 
167   cat -f2 -d";" filename
168 cut 取的范围
169 N- 第N个字段到结尾
170 -M 第1个字段为M
171 N-M N到M个字段
172 
173 cut 取的单位
174 -b 以字节为单位
175 -c 以字符为单位
176 -f 以字段为单位（使用定界符）
177 
178 eg:
179 
180   cut -c1-5 file //打印第一到5个字符
181   cut -c-2 file  //打印前2个字符
182  8、paste 按列拼接文本
183 将两个文本按列拼接到一起;
184 
185 cat file112cat file2
186 colin
187 book
188 
189 paste file1 file21 colin2 book
190 默认的定界符是制表符，可以用-d指明定界符
191 paste file1 file2 -d ","
192 1,colin
193 2,book
194 
195  9、wc 统计行和字符的工具
196 wc -l file // 统计行数
197 wc -w file // 统计单词数
198 wc -c file // 统计字符数
199 
200  10、sed 文本替换利器
201 首处替换
202 
203   seg 's/text/replace_text/' file   //替换每一行的第一处匹配的text
204 全局替换
205 
206    seg 's/text/replace_text/g' file
207 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：
208 
209   seg -i 's/text/repalce_text/g' file
210 移除空白行：
211 
212   sed '/^$/d' file
213 变量转换
214 已匹配的字符串通过标记&来引用.
215 
216 echo this is en example | seg 's/\w+/[&]/g'$>[this]  [is] [en] [example]
217 子串匹配标记
218 第一个匹配的括号内容使用标记 \1 来引用
219 
220   sed 's/hello\([0-9]\)/\1/'
221 双引号求值
222 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：
223 
224   sed 's/$var/HLLOE/'
225 当使用双引号时，我们可以在sed样式和替换字符串中指定变量；
226 
227 eg:p=patten
228 r=replaced
229 echo "line con a patten" | sed "s/$p/$r/g"$>line con a replaced
230 其它示例
231 字符串插入字符：将文本中每行内容（PEKSHA） 转换为 PEK/SHA
232 
233   sed 's/^.\{3\}/&\//g' file
234  11、awk 数据流处理工具
235 awk脚本结构
236 awk ' BEGIN{ statements } statements2 END{ statements } '
237 
238 工作方式
239 1.执行begin中语句块；
240 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；
241 3.执行end语句块；
242 
243 print 打印当前行
244 使用不带参数的print时，会打印当前行;
245 
246   echo -e "line1\nline2" | awk 'BEGIN{print "start"} {print } END{ print "End" }'
247 print 以逗号分割时，参数以空格定界;
248 
249 echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; \
250 print var1, var2 , var3; }'$>v1 V2 v3
251 使用-拼接符的方式（""作为拼接符）;
252 
253 echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; \
254 print var1"-"var2"-"var3; }'$>v1-V2-v3
255 特殊变量： NR NF $0 $1 $2
256 NR:表示记录数量，在执行过程中对应当前行号；
257 NF:表示字段数量，在执行过程总对应当前行的字段数；
258 $0:这个变量包含执行过程中当前行的文本内容；
259 $1:第一个字段的文本内容；
260 $2:第二个字段的文本内容；
261 
262 echo -e "line1 f2 f3\n line2 \n line 3" | awk '{print NR":"$0"-"$1"-"$2}'
263 打印每一行的第二和第三个字段：
264 
265   awk '{print $2, $3}' file
266 统计文件的行数：
267 
268   awk ' END {print NR}' file
269 累加每一行的第一个字段：
270 
271   echo -e "1\n 2\n 3\n 4\n" | awk 'BEGIN{num = 0 ;
272   print "begin";} {sum += $1;} END {print "=="; print sum }'
273 传递外部变量
274 var=1000echo | awk '{print vara}' vara=$var #  输入来自stdinawk '{print vara}' vara=$var file # 输入来自文件
275 用样式对awk处理的行进行过滤
276 awk 'NR < 5' #行号小于5
277 awk 'NR==1,NR==4 {print}' file #行号等于1和4的打印出来
278 awk '/linux/' #包含linux文本的行（可以用正则表达式来指定，超级强大）
279 awk '!/linux/' #不包含linux文本的行
280 
281 设置定界符
282 使用-F来设置定界符（默认为空格）
283 awk -F: '{print $NF}' /etc/passwd
284 
285 读取命令输出
286 使用getline，将外部shell命令的输出读入到变量cmdout中；
287 
288 echo | awk '{"grep root /etc/passwd" | getline cmdout; print cmdout }'
289 在awk中使用循环
290 for(i=0;i<10;i++){print $i;}
291 for(i in array){print array[i];}
292 
293 eg:
294 以逆序的形式打印行：(tac命令的实现）
295 
296 seq 9| \
297 awk '{lifo[NR] = $0; lno=NR} \
298 END{ for(;lno>-1;lno--){print lifo[lno];}
299 } '
300 awk实现head、tail命令
301 head:
302 
303   awk 'NR<=10{print}' filename
304 tail:
305 
306   awk '{buffer[NR%10] = $0;} END{for(i=0;i<11;i++){ \
307   print buffer[i %10]} } ' filename
308 打印指定列
309 awk方式实现：
310 
311   ls -lrt | awk '{print $6}'
312 cut方式实现
313 
314   ls -lrt | cut -f6
315 打印指定文本区域
316 确定行号
317 
318   seq 100| awk 'NR==4,NR==6{print}'
319 确定文本
320 打印处于start_pattern 和end_pattern之间的文本；
321 
322   awk '/start_pattern/, /end_pattern/' filename
323 eg:
324 
325 seq 100 | awk '/13/,/15/'cat /etc/passwd| awk '/mai.*mail/,/news.*news/'
326 awk常用内建函数
327 index(string,search_string):返回search_string在string中出现的位置
328 sub(regex,replacement_str,string):将正则匹配到的第一处内容替换为replacement_str;
329 match(regex,string):检查正则表达式是否能够匹配字符串；
330 length(string)：返回字符串长度
331 
332 echo | awk '{"grep root /etc/passwd" | getline cmdout; print length(cmdout) }'
333 printf 类似c语言中的printf，对输出进行格式化
334 eg：
335 
336 seq 10 | awk '{printf "->%4s\n", $1}'
337  12、迭代文件中的行、单词和字符
338 1. 迭代文件中的每一行
339 while 循环法
340 
341 while read line;doecho $line;done < file.txt改成子shell:cat file.txt | (while read line;do echo $line;done)
342 awk法：
343 cat file.txt| awk '{print}'
344 
345 2.迭代一行中的每一个单词
346 for word in $line;do echo $word;done
347 3. 迭代每一个字符
348 ${string:start_pos:num_of_chars}：从字符串中提取一个字符；(bash文本切片）
349 ${#word}:返回变量word的长度
350 
351 for((i=0;i<${#word};i++))doecho ${word:i:1);done
352 ————————————————
353 版权声明：本文为CSDN博主「zb313982521」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
354 原文链接：https://blog.csdn.net/zb313982521/java/article/details/87888598

标签：定界符,常用命令,文本处理,awk,file,linux,print,txt,find
来源： https://www.cnblogs.com/bigdata-6/p/13043512.html