几个文本处理工具的简单使用(wc,cut,sort,uniq,diff和patch)
作者:互联网
wc
wc命令用于报告文本文件的一些统计计数,例如行数、单词数、字节数等。
语法如下。
wc [OPTION]... [FILE]... wc [OPTION]... --files0-from=F
--files0-from=F:这个选项几乎没见过有人使用,我也看不懂,因此就忽略掉了。
默认情况下显示3个计数,从左往右分别是行数、单词数和字节数。
[root@C7 ~]# wc /etc/passwd 51 94 2599 /etc/passwd
如果被统计的文件数大于1,那么还会显示一行总计。
[root@C7 ~]# wc /etc/passwd /etc/init.d/functions 51 94 2599 /etc/passwd 707 2364 18104 /etc/init.d/functions 758 2458 20703 total
可以通过选项控制,单独显示这3个计数。
-l, --lines:显示行数。
[root@C7 ~]# wc -l /etc/passwd 51 /etc/passwd
-w, --words:显示单词数。
[root@C7 ~]# wc -w /etc/passwd 94 /etc/passwd
-c, --bytes:显示字节数。
[root@C7 ~]# wc -c /etc/passwd 2599 /etc/passwd
还可以显示一些另外的计数。
-m, --chars:显示字符数。
[root@C7 ~]# wc -m /etc/passwd 2599 /etc/passwd
-L, --max-line-length:显示文件中最长的行的长度。
[root@C7 ~]# wc -L /etc/passwd 99 /etc/passwd
cut
从一个文本文件中,截取我们所需要的部分进行显示,一般是用于有固定的分隔符的文本文件,例如/etc/passwd这种以“:”作为分隔符的文件。
cut的默认分隔符是TAB。
语法如下。
cut OPTION... [FILE]...
我们创建一个测试文件cut.txt,第一行以TAB分隔,第二行以一个空格分隔,第三行分别以一个空格、两个空格和三个空格分隔。
[root@C7 ~]# cat -A cut.txt a^Ilong^Idi^Idi$ a long di di$ a long di di$
在“cat -A”的输出中,“^I”表示TAB,“$”表示换行符。
-f, --fields=LIST:指定要截取每一行中第几个字段的数据。
这里的LIST,可以是单独的某个字段,也可以是连续的字段范围,也可以是离散的字段,如下所示。
# cut -f 2 FILE # cut -f 2,3,4 FILE # cut -f 2-5 FILE # cut -f 1,2-3,5 FILE # cut -f 2- FILE:从第2个字段到行尾。 # cut -f -2 FILE:从行首到第2个字段。
LIST也可用于后面的-b和-c选项。
然后我们尝试对cut.txt取第二个字段。
[root@C7 ~]# cut -f 2 cut.txt long a long di di a long di di
我们发现,第一行以TAB为分隔符的行取出的字段是正确的,另外2个字段是整行都取出来了。
这是因为默认情况下不包含分隔符的行会被整行打印,如果想避免这种情况可以使用-s选项。
-s, --only-delimited:只打印那些包含分隔符的行。
[root@C7 ~]# cut -sf 2 cut.txt long
这里有一点需要注意,使用短选项的时候,-f后面必须跟着数字,如果跟其他选项就会报错。
[root@C7 ~]# cut -fs 2 cut.txt cut: invalid byte, character or field list
-d, --delimiter=DELIM:指定分隔符,而不使用默认的TAB,这个选项很有用,许多文件的默认分隔符都不是TAB。
[root@C7 ~]# head -n 3 /etc/passwd | cut -d : -f 7 /bin/bash /sbin/nologin /sbin/nologin
-b, --bytes=LIST:只取多少个字节数的数据。
-c, --characters=LIST:只取多少个字符数的数据。
当取的数据是数字和字母的时候,这两个选项的结果一般是相同的。
[root@C7 ~]# echo "alongdidi" | cut -b 1-4 alon [root@C7 ~]# echo "alongdidi" | cut -c 1-4 alon
--output-delimiter=STRING:设置输出时候的分隔符,默认是采用和输入文件相同的分隔符。
[root@C7 ~]# grep -E "^(root|zwl)" /etc/passwd | cut -d : -f 1,7 root:/bin/bash zwl:/bin/bash [root@C7 ~]# grep -E "^(root|zwl)" /etc/passwd | cut -d : -f 1,7 --output-delimiter "'s shell =" root's shell =/bin/bash zwl's shell =/bin/bash
sort
sort用于将文件排序后显示。
语法如下。
sort [OPTION]... [FILE]... sort [OPTION]... --files0-from=F
sort的排序可以针对多个文件,一起排序后显示。
[root@C7 ~]# cat sort1.txt aaa ccc bbb [root@C7 ~]# cat sort2.txt eee fff ddd [root@C7 ~]# sort sort1.txt aaa bbb ccc [root@C7 ~]# sort sort1.txt sort2.txt aaa bbb ccc ddd eee fff
sort的默认排序方式,是先比较第一个字符在ASCII码表中的值,如果一样,则再比较第二个字符。以此类推。
数字的ASCII值小于小写字母的小于大写字母的。
[root@C7 ~]# cat sort.txt aaa DDD fff AAA bbb BBB eee CCC 999 876 333 [root@C7 ~]# sort sort.txt 333 876 999 aaa AAA bbb BBB CCC DDD eee fff
-r, --reverse:sort默认是有小到大排序,该选项则用于反向排序。
[root@C7 ~]# sort sort.txt 111 222 555 888 [root@C7 ~]# sort -r sort.txt 888 555 222 111
-n, --numeric-sort:基于数值排序。由于sort默认的排序机制导致sort没办法将数字按照数值大小准确排序,需要加上该选项方可实现。
[root@C7 ~]# sort sort.txt 1790 180 19 [root@C7 ~]# sort -n sort.txt 19 180 1790
-t, --field-separator=SEP:指定字段分隔符。
-k, --key=KEYDEF:指定排序依据的字段。
二者结合可以使得sort在排序某个文件的时候根据每行固定的字段来排序。例如根据UID排序/etc/passwd。
[root@C7 ~]# head -n 5 /etc/passwd | sort -t : -k 3 -n root:x:0:0:root:/root:/bin/bash bin:x:1:1:bin:/bin:/sbin/nologin daemon:x:2:2:daemon:/sbin:/sbin/nologin adm:x:3:4:adm:/var/adm:/sbin/nologin lp:x:4:7:lp:/var/spool/lpd:/sbin/nologin
-f, --ignore-case:忽略大小写排序,原理是sort内部会将小写字母转换成大写字母来排序。
-u, --unique:使得重复的行只出现一次,结合-f选项的话,只会保留一种大写/小写的情况。
[root@C7 ~]# sort sort.txt aaa aaa AAA bbb bbb BBB ddd jjj ooo [root@C7 ~]# sort -uf sort.txt aaa BBB ddd jjj ooo
uniq
uniq用于报告或者忽略掉重复的行。默认行为是将相邻的重复行移除掉。
[root@C7 ~]# cut -d : -f 7 /etc/passwd /bin/bash /sbin/nologin -- 多个重复 -- /sbin/nologin /bin/sync /sbin/shutdown /sbin/halt /sbin/nologin -- 多个重复 -- /sbin/nologin /bin/bash -- 多个重复 -- /bin/bash /sbin/nologin [root@C7 ~]# cut -d : -f 7 /etc/passwd | uniq /bin/bash /sbin/nologin /bin/sync /sbin/shutdown /sbin/halt /sbin/nologin /bin/bash /sbin/nologin
这可能不是我们所要的结果,一般我们会先排序一下,再使用uniq移除相邻的重复行。
[root@C7 ~]# cut -d : -f 7 /etc/passwd | sort | uniq /bin/bash /bin/sync /sbin/halt /sbin/nologin /sbin/shutdown
-c, --count:uniq还可以统计重复的行所出现的次数。
[root@C7 ~]# cut -d : -f 7 /etc/passwd | sort | uniq -c 9 /bin/bash 1 /bin/sync 1 /sbin/halt 39 /sbin/nologin 1 /sbin/shutdown
-d, --repeated:只显示有重复的行。
[root@C7 ~]# cut -d : -f 7 /etc/passwd | sort | uniq -cd 9 /bin/bash 39 /sbin/nologin
-u, --unique:也可以只打印不重复的行。
[root@C7 ~]# cut -d : -f 7 /etc/passwd | sort | uniq -u /bin/sync /sbin/halt /sbin/shutdown
diff和patch
diff用于对比两个文本文件的区别,对比的结果本质上是一个补丁文件,可以让patch用来对文件打补丁。
首先我们先看两个文本文件的内容。
[root@C7 ~]# cat -n old_file.txt 1 today 2 is 3 thursday 4 !!! [root@C7 ~]# cat -n new_file.txt 1 today 2 is 3 not 4 thursday 5 !?!?
接下来看diff的默认比对结果。
[root@C7 ~]# diff old_file.txt new_file.txt 2a3 > not 4c5 < !!! --- > !?!?
这个结果其实就是描述了被对比的两个文件之间的区别,只不过这个描述我们人类比较难以理解,将这个描述重定向至文本文件,那么该文件就成为一个补丁文件了。
[root@C7 ~]# diff old_file.txt new_file.txt > patch.txt
当我们拥有old_file.txt和补丁文件patch.txt的时候,我们就可以通过patch命令打补丁将old_file.txt变成(“升级”)new_file.txt。
[root@C7 ~]# patch -i patch.txt old_file.txt patching file old_file.txt [root@C7 ~]# cat old_file.txt today is not thursday !?!?
如果想使得old_file.txt变回打补丁前的样子,可以在使用patch命令的时候,加上-R选项,打反向补丁。
[root@C7 ~]# patch -Ri patch.txt old_file.txt patching file old_file.txt [root@C7 ~]# cat old_file.txt today is thursday !!!
标签:sort,sbin,cut,root,文本处理,txt,C7 来源: https://www.cnblogs.com/alongdidi/p/10408025.html