Linux Shell 文本处理工具

8.1. Linux Shell 文本处理工具#

Linux下使用Shell处理文本时最常用的工具：find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk 。 这些工具里面有些是方便在编程开发时使用的，Sphinx要进行编辑处理的内容主要也是纯文本，但里面有些工具使用的机率很小。 这里对常用的 find 、 grep 、 tr 、 sed 进行介绍。 提供的例子和参数都是最常用和最为实用的。

对shell脚本使用的原则是命令单行书写，尽量不要超过2行；如果有更为复杂的任务需求，建议使用 Python 语言写一些处理工具。

8.1.1. 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

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：

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

找到后的后续动作删除：

复制 #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；

eg：将找到的文件全都copy到另一个目录：

find . -type f -mtime +10 -name "*.txt" -exec cp {} OLD ;

结合多个命令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；

-exec ./commands.sh {} ;

-print` 的定界符，  默认使用 ``' ' 作为文件的定界符； -print0 使用 '' 作为文件的定界符，这样就可以搜索包含空格的文件；

8.1.2. 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

  • -n 打印匹配的行号

  • -i 搜索时忽略大小写

  • -l 只打印文件名

grep -c "text" filename

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输出以作为结尾符的文件名：（-z）

grep "test" file* -lZ| xargs -0 rm

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

是多行文本间的定界符。 将单行转化为多行输。

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 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

cat file.txt | xargs -I {} ./command.sh -p {} -1

-0 指定为输入定界符

统计程序行数

find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l

8.1.3. 用 tr 进行转换#

通用用法

替换对应字符

echo 12345| tr '0-9''9876543210'

制表符转空格

cat text| tr '    '' '

tr删除字符

删除所有数字

cat file | tr -d '0-9'

-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'  //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 ' '

字符类：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:]'

8.1.4. 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 来引用

sed 's/hello([0-9])//'

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；

p=patten
r=replaced
echo "line con a patten"| sed "s/$p/$r/g"
$>line con a replaced

字符串插入字符：将文本中每行内容（PEKSHA） 转换为 PEK/SHA

sed 's/^.{3}/&//g' file

目录