Shell处理文本时常用的工具(find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk)

1、find 文件查找

查找txt和pdf文件

find . \( -name "*.txt" -o -name "*.pdf" \) -print

正则方式查找.txt和pdf

find . -regex  ".*\(\.txt|\.pdf\)$"

-iregex： 忽略大小写的正则

否定参数，查找所有非txt文本

find . ! -name "*.txt" -print

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

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

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；

2、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

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

匹配多个模式
grep -e "class" -e "vitural" file

grep输出以\0作为结尾符的文件名：（-z）
grep "test" file* -lZ| xargs -0 rm

3、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

\n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）
-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\0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

4、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

5、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

6、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 '\t' ' '  //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 \n'  //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 ' '

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:]’

7、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

8、paste 按列拼接文本

将两个文本按列拼接到一起;

cat file112cat file2
colin
book
paste file1 file21 colin2 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

9、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

10、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 \1 来引用
sed 's/hello\([0-9]\)/\1/'

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

11、awk 数据流处理工具

awk脚本结构
awk ‘ BEGIN{ statements } statements2 END{ statements } ‘

工作方式

执行begin中语句块；
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；
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\nline2" | 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；

eg:
echo -e “line1 f2 f3\n line2 \n line 3” | awk ‘{print NR”:”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\n 2\n 3\n 4\n" | awk 'BEGIN{num = 0 ;
print "begin";} {sum += $1;} END {print "=="; print sum }'

传递外部变量

var=1000echo | awk '{print vara}' vara=$var      
# 输入来自stdinawk '{print vara}' 
#输入来自文件vara=$var file      

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];}