免交互和Expect

Linux通过expect实现免交互 讲解免交互的概念以及多个示例;通过expect工具实现免交互的两个使用示例 阅读详情


免交互

Here Document 免交互
使用I/O重定向的方式将命令列表提供给交互式程序或命令,比如 ftp、cat或read命令。
是标准输入的一种替代品可以帮助脚本开发人员不必使用临时文件来构建输入信息,而是直接就地生产出一个“文件”并用作“命令"”的标准输入。Here Document也可以与非交互式程序和命令一起使用。

语法格式

命令 <<标记
...
内容           #标记之间是传入内容
...
标记

注意事项:

  • 标记可以使用任意合法字符(通常为EOF)
  • 结尾的标记一定要顶格写,前面不能有任何字符
  • 结尾的标记后面也不能有任何字符(包括空格)
  • 开头标记前后的空格会被省略掉

使用示例

免交互方式实现对行数的统计,将要统计的内容置于标记"EOF"之间,直接将内容传给wc -l来统计

wc -l <<EOF
>Line1
>Line2
>>EOF

通过read命令接收输入并打印,输入值是两个EOF标记之间的部分,作为变量i的值

read i <<EOF
>Hi
>EOF
echo $i

通过passwd给用户设置密码

passwd wolf <<EOF
>abc1234        #这两行是输入的密码和确认密码
>abc1234
>EOF

支持变量替换
在写入文件时会先将变量替换成实际值,再结合cat命令完成写入

#!/bin/bash
file="shili1.txt"
i="school"
cat >$file <<EOF
I am going to $i
EOF

cat shili1.txt

整体赋值给变量,然后通过echo命令将变量值打印出来

#!/bin/bash
var="Great! Iam going to school! "
myvar=$(cat <<EOF
This is Line 1.
Today is Monday.
$var
EOF
)

echo $myvar

关闭变量替换的功能,按照字符原本的样子输出,不做任何修改或替换

#!/bin/bash
var="Great! I am going to school!"
myvar=$(cat <<'EOF'             #对标记加单引号,即可关闭变量替换
This is Line 1.
Today is Monday.
$var
EOF
)

echo $myvar

去掉每行之前的 TAB字符

#!/bin/bash
var="Great! I am going to school!"
myvar=$(cat <<-'EOF'     #在标记前加"-",即可抑制各行首TAB
            This is Line 1.
        Today is Monday.
    $var
EOF
)

echo $myvar

多行注释
Bash 的默认注释是"#",该注释方法只支持单行注释;Here Document 的引入解决了多行注释的问题。
":"代表什么都不做的空命令。中间标记区域的内容不会被执行,会被bash忽略掉,因此可达到批量注释的效果。

#! /bin/bash
var="Great! I am going to school!"
: <<-EOF        #多行注释,":"开头的 Here Document 标记内容不会被执行
            This is Line 1.
        Today is Monday.
    $var
EOF
echo " abcd"

Expect

Expect是建立在tcl语言基础上的一个工具,常被用于进行自动化控制和测试,解决shell脚本中交互相关的问题。

语法格式

rpm -q expect
rpm -g tcl
yum install -y expect

基本命令:

脚本解释器

expect 脚本中首先引入文件,表明使用的是哪一个shell。

#!/usr/bin/expect

spawn

spawn后面通常跟一个Linux执行命令,表示开启一个会话、启动进程,并跟踪后续交互信息。
例

spawn passwd root

expect

判断上次输出结果中是否包含指定的字符串,如果有则立即返回,否则就等待超时时间后返回
只能捕捉由spawn启动的进程的输出
用于接收命令执行后的输出,然后和期望的字符串匹配

send

向进程发送字符串,用于模拟用户的输入;该命令不能自动回车换行,一般要加\r(回车)或者\n
示例

  • 方式一:
expect "密码"{send "abc123\r"}     #同一行send部分要有{ }
  • 方式二:
expect "密码"
send "$abc123\r"     #换行send部分不需要有{ }
  • 方式三:
    expect支持多个分支
expect         #只要匹配了其中一个情况,执行相应的send语句后退出该expect语句
{
"密码1" {send "abc123\r"}
"密码2" {send "123456\r"}
"密码3" {send "123123\r"}
}

结束符

  • expect eof
    表示交互结束,等待执行结束,退回到原用户,与spawn对应。
    比如切换到root用户,expect脚本默认的是等待10s,当执行完命令后,默认停留10s后,自动切回了原用户

  • interact
    执行完成后保持交互状态,把控制权交给控制台,会停留在目标终端而不会退回到原终端,这个时候就可以手工操作了,interact后的命令不起作用,比如interact后添加exit,并不会退出root用户。而如果没有interact则登录完成后会退出,而不是留在远程终端上。
    使用interact会保持在终端而不会退回到原终端,比如切换到root用户,会一直在root用户状态下;比如ssh到另一服务器,会一直在目标服务器终端,而不会切回的原服务器。

注意:expect eof与interact只能二选一。

set

expect默认的超时时间是10秒,通过set命令可以设置会话超时时间,若不限制超时时间则应设置为-1。
例:

set timeout 30

exp_ continue

exp_ continue附加于某个expect判断项之后,可以使该项被匹配后,还能继续匹配该expect 判断语句内的其他项。exp_ continue类似于控制语句中的continue语句。表示允许expect继续向下执行指令。
例如:下例将判断交互输出中是否存在yes/no或*assword。如果匹配yes/no则输出yes并再次执行判断;如果匹配*assword则输出abc123并结束该段expect语句。

expect{
    "(yes/no)" {send "yes\r"; exp_continue;}
    "*password" {set timeout 300; send "abc123\r";
}

注意:使用exp_continue时, 如果跟踪像passwd这样的输入密码后就结束进程的命令,expect{ }外不要再加上expect eof
因为spawn进程结束后会默认向expect发送eof,会导致后面的expect eof执行报错

send_ user

send_user表示回显命令,相当于echo

接收参数

expect脚本可以接受从bash命令行传递的参数,使用[lindex $argv n]获得。其中n从0开始,分别表示第-一个, 第二个,第三个…参数。
例:

set hostname [ lindex $argv 0]    相当于hostname=$1
set password [ lindex $argv 1]    相当于password=$2

expect直接执行

需要使用expect命令去执行脚本

su 用户
#!/usr/bin/expect                

set timeout 5                        # 设置超时时间
               
set username [lindex $argv 0]        # 传入位置变量
set password [lindex $argv 1]

spawn su $username                   # 开始追踪命令
               
expect "密码" {send "$password\r"}    # 免交互执行,捕捉信息并匹配

expect "★]#" {send "ls-l\r"}          
               
expect eof                            # 结束操作           

#interact

嵌入执行模式

将expect过程融入 Shell当中,方便执行和处理

示例:
创建用户并设置密码

#!/bin/bash
user=$1
password=$2
#非交互命令放在expect外面
useradd $user
#开始免交换执行
/usr/bin/expect <<-EOF      #expect开始标志
spawn passwd $user          #开启一个进程跟踪 passwd命令,expect只能捕捉该进程信息

expect "新的*"
send "${password}\r"
expect "重新*"
send "${password}\r"
expect eof
EOF

实现ssh 自动登录

#!/usr/bin/expectset
timeout 5
set hostname [lindex $argv 0]
set password [lindex $argv 1]

spawn ssh $hostname
expect {
    "Connection refused" exit                #连接失败情况,比如对方ssh服务关闭
    "Name or service not known" exit         #找不到服务器,比如输入的IP地址不正确
    "(yes/no)" {send "yes\r";exp_continue}
    "password:" {send "$passwordr"}
}

interact
exit                                         #interact后的命令不起作用

shell脚本免交互(EOF免交互、Expect免交互) 目录一、Here Document 免交互1、相关概念2、语法格式3、注意事项4、示例二、Expect免交互1、基本命令2、示例 一、Here Document 免交互 1、相关概念 使用I/O重定向的方式将命令列表提供给交互式程序,比如ftp、cat或read命令 是标准输入的一种替代品可以帮助脚本开发人员不必使用临时文件来构建输入信息,而是直接就生产出一个“文件”并用作“命令”的标准输入。Here Document 也可以与非交互式程序和命令一起使用。 2、语法格式 命令 <<标记 … 阅读详情

相关推荐

EOF免交互和expect免交互

文章目录概述语法格式注意事项:举例expect概述基本命令示例ssh创建用户并设置密码实现 ssh 自动登录创建磁盘分区并格式化 概述 Here Document 免交互 使用I/O重定向的方式将命令列表提供给交互式程序,标准输入的一种替代品 语法格式 命令 <<标记 ... #标记之间是传入内容 ... 标记 注意事项: 标记可以使用任意合法字符(通常为EOF) 结尾的标记一定要顶格写,前面不能有任何字符 结尾的标记后面也不能有任何字符(包括空格) 开头标记前后的空格会被省略掉

ItookapillinNJ的博客 289

采用 expect 自动交互命令导出 MySQL 数据库表

平常 MySQL 数据库表导出时,可以用如下命令格式。 mysqldump -h [mysqlhost ip] -P [mysql port] -u [mysql user] -p [mysql database] --single-transaction --skip-opt -t --skip-tz-utc > [filename] 各参数意义如下: [mysqlhost ip]:数据库 IP [mysql port]:数据库端口 [mysql user]:数据库访问用户 [mysql dat

长安明月的博客 660

在Windows 11上用VirtualBox搞定WRF-Hydro 5.2.0:一个水文模型小白的Ubuntu 22.04虚拟机避坑实录

本文详细记录了在Windows 11上使用VirtualBox和Ubuntu 22.04虚拟机成功编译安装WRF-Hydro 5.2.0水文模型的全过程。从虚拟环境配置、依赖库安装到环境变量设置,作者分享了针对Linux新手的实用避坑技巧和关键命令,帮助科研人员高效完成水文模型的环境搭建。

weixin_30733003的博客 354

linux使用mysqldump+expect+crontab实现mysql周期冷备份

1

lendsomething的博客 598

Cadence Sigrity

目录 一、PowerSI 1、PowerSI仿真前设置 2、PowerSI提取S参数 (1)检查叠层 (2)选择需要提取的走线和GND (3)设置端口 (4)设置提取频率和提取方式 (5)运行仿真 一、PowerSI PowerSI是一个交流分析工具,适用于频域仿真。 S参数提取 电源阻抗提取 全波参数提取 阻抗、耦合检查 谐振分析 1、PowerSI仿真前设置 打开PCB文件: 打开后如图: 设置为单色后: 仿真前的设置:

fang_yang_wa的博客 3万+

电信光猫隐藏的VOIP功能揭秘:不用座机也能打电话(EasySip实战)

本文揭秘了电信光猫隐藏的VOIP功能,通过EasySip实战演示如何无需座机实现高清通话。详细解析了光猫的SIP协议支持、语音VLAN配置及网络架构优化,帮助用户利用现有设备提升通话质量并扩展设备兼容性,特别适合智能家居和企业级应用场景。

weixin_29268385的博客 764

利用expect安装mysql_linux使用mysqldump+expect+crontab实现mysql周期冷备份思路详解

一、遇到的问题我们使用过mysqldump都知道,使用该命令后,需要我们手动输入 mysql的密码,那么我们就不能够直接在crontab中使用mysqldump实现周期备份。其实我们可以使用expect脚本自动输入密码,从而实现真正的周期备份。如果你不知道什么是expect,建议先请看这篇文章:https://www.jb51.net/article/197865.htm二、思路创建一个utils...

weixin_39661780的博客 266

CSI Tools 工具的安装 Intel 5300 + Ubuntu14.04

在 ubuntu14 系统上面安装 CSI Tools,2020最新教程,亲测可用,只要保证和我做法一致绝对可以安装好。

WS的小屋 1万+

MySql数据库备份与恢复——使用mysqldump 导入与导出方法总结

MySql数据库备份与恢复——使用mysqldump 导入与导出方法总结 mysqldump客户端可用来转储数据库或搜集数据库进行备份或将数据转移到另一个sql服务器(不一定是一个mysql服务器)。 转储包含创建表和/或装载表的sql语句。 ps、如果在服务器上进行备份,并且表均为myisam表,应考虑使用mysqlhotcopy,因为可以更快地进行备份和恢复。 本文从三部分介绍了mys...

helloxiaozhe的博客 31万+

陀螺仪与加速度计的姿态融合——互补滤波

本篇文章我们来讲讲如何将陀螺仪和加速度计的数据结合起来,获取更准确的姿态数据,使用的是互补滤波的方法。

小白白学电子 2万+

ADRV902x射频评估实战:手把手教你用TES GUI生成ARM bin与JESD204C配置文件

在射频前端系统设计中,ADRV902x系列收发器凭借其宽带性能和灵活配置能力,已成为5G基站、微波回传等场景的核心器件。然而当工程师面对非官方硬件平台时,如何高效利用Transceiver Evaluation Software(TES)完成关键配置,成为项目推进的第一道门槛。本文将彻底解析脱离ADS9母板后的完整离线工作流,从参数预设到文件生成,手把手解决真实工程中的配置痛点。在Demo模式下,所有硬件状态检测都会被跳过,但配置文件生成功能完全可用。作为基础模板,因其配置最为简洁,便于后续自定义修改。

weixin_33704591的博客 429

Mysq数据库备份与导出-mysqldump工具

最近在工作的时候,要将原来在本机开发的 MySQL存储过程迁往另一Linux操作系统下的MySQL数据库,因为表结构等已经在目标数据库中存在了, 不想直接拷贝数据库过去,所以用到了 MySQL的存储过程导出和导入,经上网搜索发现用Mysqldump工具可以实现,具体用法为:  [root@localhost bin]# mysqldump -uroot -p -hlocalhost -P3306

1754

SpringBoot从入门到精通(全)

前言 ==本博文结合软件idea进行主要讲解== **springboot的特性主要有** - 简化 Spring 应用程序的创建和开发过程 - 抛弃了繁琐的 xml 配置过程,采用大量的默认配置简化以及注解反射 - 直接使用 java main 方法启动内嵌的 Tomcat 服务器运行 Spring Boot 程序,不需要部署 war 包文件 **四大核心**分别为自动配置、起步依赖、Actuator和命令行界面

码农研究僧的博客 7万+

expect免交互

交互:当我们使用程序时,需要进入程序发出对应的指令,然后程序做出对应的执行结果。免交互:I/O重定向,通过这种方式把指令提交给程序,程序运行指令。文本免交互:Here Document。

云计算练习生X的博客 1446

嵌入式工程师成长之路(10)——项目举例

送给大学毕业后找不到奋斗方向的你(每周不定时更新)

云轩阁 5万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

4 - Shell编程之Expect免交互

对于Linux操作系统中,有许多操作都会触及到交互(根据系统的指示做出相对应的操作满足操作者的需求),对于shell脚本的自动化运维,就要实现免交互来达到自动化运维的效果。交互:当计算机播放某多媒体程序的时候,编程人员可以发出指令控制该程序的运行,而不是程序单方面执行下去,程序在接受到编程人员相应的指令后而相应地做出反应。执行完成后保持交互状态,把控制权交给控制台,会停留在目标终端而不会退回到原终端,这个时候就可以手工操作了,interact后的命令不起作用,向进程发送字符串,用于模拟用户的输入;

2401_85983616的博客 1260

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

shell脚本expect免交互,EOF标记

目录一. expect 概述二.expect 基本命令三. expect 语法四. expect 执行方式4.1 直接执行4.2 嵌入执行五. expect 案例5.1 免交互创建zhenguo用户5.2 ssh登录六. HERE Document免交互,EOF标记6.1 通过read命令接收输入并打印6.2 通过passwd给用户设置密码6.3 Here Document 变量替换6.4 Here Document 变量设定6.5 关闭变量替换功能 一. expect 概述 expect是建立在tcl基

weixin_48192495的博客 3012

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

Linux系统Shell脚本之expect脚本免交互

使用I/O重定向的方式将命令列表提供给交互式程序,是标准输 入的一种替代品,可以帮助脚本开发人员不必使用临时文件来构建输入信息,而是直接就地 生产出一个文件并用作命令的标准输入,Here Document 可以与非交互式程序和命令一起使用建立在tcl(tool command language)语言基础上的一个工具,常被用于进行自动化控制和测试,解决shell脚本中交互的相关问题,使用前需要安装(yum install -y expect)。

2502_90917285的博客 1000

shell编程之免交互(EOF、Expect使用)

shell编程之免交互 Here Document 免交互 使用I/O重定向的方式将命令列表提供给交互式程序或命令。 EOF免交互 read passwd 正常更改密码,需要等提示,交互输入,这里一步头解决 支持变量替换 在echo那里加个-e 实现空行 多行注释 expect ![在这里插入图片描述](https://img-blog.csdnimg.cn/20201226095721297.png?x-oss-process=image/watermark,type

weixin_44324367的博客 1566

Here Document免交互以及Expect工具

语法格式 [root@localhost mail]# cat > 10.txt <<EOF > QWE123 > qwe321 > qweqwe > EOF [root@localhost mail]# cat 10.txt QWE123 qwe321 qweqwe [root@localhost mail]# wc -l <<EOF > 456 > 789 > 123 > 444 > EOF 4 [root@loca

TaKe___Easy的博客 619

理论+实验 详解Expect免交互

目录一 免交互概述1.1 定义1.2 语法格式1.3 示例1.4 支持变量替换1.5 整体赋值给变量1.6 关闭变量替换功能1.7 去掉每行之前的TAB字符或者空格1.8 多行注释二 Expect概述2.1 定义2.2 基本命令2.3 示例 一 免交互概述 1.1 定义 使用I/O重定向的方式将命令列表提供给交互式程序,标准输入的一种替代品 1.2 语法格式 命令 <<标记 … #标记之间是传入内容 … 标记 注意事项: 标记可以使用任意合法字符(通常为EOF) 结尾的标

Mr_ChenWJ的博客 1012

expect实现免交互

  如果想写一个能够自动处理输入输出的脚本又不想面对C或Perl,那么expect是最好的选择。它可以用来做一些Linux下无法做到交互的一些命令操作。 (1).安装和使用expect   expect是不会自动安装的所以需要使用命令进行安装,这里使用yum即可: [root@xuexi ~]# yum -y install expect   在脚本中使用expect的方法一般...

weixin_30596343的博客 268

SHell编程之Expect免交互

SHell编程之Expect免交互 1、Expect概述 (1)Expect是建立在tcl基础上的一个工具,Expect是用来进行自动化控制和测试的工具。主要解决shell脚本中不可交互的问题。对于大规模的linux运维很有帮助。(2)在linux运维和开发中,我们经常需要远程登录服务器进行操作,登录的过程是一个交互到的过程,可能会需要输入yes/no password等信息。为了模拟这种输入,可...

CYQ419的博客 170

Here Document 免交互和Expect 自动话免交互

文章目录一、Here Document 免交互(一)、Here Document 免交互概述(二)、Here Document 注意事项(三)、Here Document 免交互示例(四)、Here Document 变量设定1、变量替换2、变量设定(五)、Here Document 格式控制 一、Here Document 免交互 (一)、Here Document 免交互概述 使用I/O重定向的方式将命令列表提供给交互式程序或命令,比如ftp、cat或read命令。 是标准输入的一种替代品可以帮助脚本开

panrenjun的博客 343

Here Document和expect免交互讲解及实验

shell之免交互 目录一、Here Document 免交互(一)、语法格式以及举例说明二、Expect(一)、基本命令(二)、例1:参数传入(二)、例2:嵌入执行模式(三)、例3:实现ssh自动登录(四)、免交互实现创建磁盘 一、Here Document 免交互 使用I/O重定向的方式将命令列表提供给交互式程序,标准输入的一种替代品 (一)、语法格式以及举例说明 命令 <<标记 … #标记之间是传入内容 … 标记 注意事项: 标记可以使用任意合法字符(通常为EOF) 结尾的标记一定

Chenwei的博文 2285

shell编程之免交互(EOF以及expect免交互)

xshell编程之免交互(EOF以及expect免交互) 文章目录xshell编程之免交互(EOF以及expect免交互)一、Here Document 免交互1.相关概念2.语法格式3.注意事项4.免交互示例1)免交互方式实现对行数的统计2)通过read命令接收输入并打印3)通过passwd给用户设置密码4)支持变量替换5)整体赋值给变量6)关闭变量替换的功能7)去掉每行之前的[Tab]字符8)多行注释二、Expect免交互1.基本命令1)脚本解释器2)spawn3)expect4)send5)结束符6)

qq_35456705的博客 1911
上一篇: sed和awk(烤红薯真好吃啊!)
下一篇: IP tables防火墙
Alterego_
博客等级 码龄6年 14粉丝 45原创
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值