linux文本处理常用指令(序列二)

概览

本文主体:介绍4个linux文本处理命令:grep、sed、printf、awk。

基本正则表达式

正则表达式字符含义
^word查找以word开头的文本
word$查找以word结尾的文本
.代表一个任意字符
\转义符
*0到多个字符
[abc]代表一个字符,这个字符是a或b或c
[a-z];[0-9]代表a到z中的一个字符;0到9中的一个数字
[^abc]代表一个非a、b、c的字符
{m,n}m到n个字符

扩展正则表达式

正则表达式字符含义
+一个或多个字符
零个或一个字符
|或者
()分组

文本处理命令

grep

grep的作用是按行查找字符,输出包含字符的行。

grep用法:

grep一般有两种用法,一种是从文件查找,一种是从管道的输入查找,

  1. grep ‘word‘ file.txt
  2. cat file.txt|grep ‘word‘

grep的常用参数:

参数含义及示例
-n输出结果加行号
--color=auto匹配的关键字高亮显示
-A3输出匹配行的后三行
-B2   输出匹配行的前两行
-v  反向查找,即输出不包含关键字的行
-i关键字匹配时忽略关键字大小写

grep使用小技巧:

多数情况我们都想要高亮关键词(使用--color=auto参数),因此可以在~/.bashrc文件中添加上:

alias grep=‘grep --color=auto‘

,再用

source ~/.bashrc

让配置生效。这样当我们使用grep的时候,就自动带了--color=auto参数。

grep使用示例:

grep的查找主要就是基于基本正则表达式的匹配,下面只是简单的给一些常用例子供参考。

grep ‘t[ae]st‘  //查找tast或test

grep ‘[0-9]‘   //查找数字

grep ‘[^a-z]oo‘  //查找Xoo,其中X是一个非a到z的字符

grep ‘^the‘  //查找以the开头的字符,这里注意区分^出现在[]里时代表“非某字符”,如上个例子,出现在[]外时代表"以某字符开头",如这个例子。

grep ‘^$‘  //查找空行

grep ‘o\{2\}‘  //查找两个o,这里需要注意,{}在shell里有特殊意义,因此需要转义,这里与一般的正则使用不同,需要注意。

egrep:

我们知道正则表达式分为基本正则表达式和扩展正则表达式,但是grep只支持基本正则表达式,如果要是用扩展正则表达式,需要使用egrep命令。

几个例子:

egrep ‘gd|good‘  //查找gd或good

egrep ‘g(la|oo)d‘  //查找glad或good

egrep ‘A(xyz)+C‘  //查找AXC,其中X是一个或一个以上的‘xyz‘字符串。

sed

sed是一个很强大的命令,可以用来做行删除行新增行选取行替换字符串的替换这5种操作。

sed是一个管道命令,可以处理管道输入。

1.行删除

nl /etc/passwd | sed ‘2d‘  //删除第2行

下面将省略输入管道

sed ‘2,5d‘  //删除第2~5行

sed ‘3,$d‘  //删除第3到最后一行,$代表最后一行

sed ‘/^$/d‘  //删除空行

2.行新增

sed ‘2a drink tea‘  //在第二行下面追加一行"drink tea",a代表append

sed ‘2i drink tea‘  //在第二行上面插入一行"drink tea",i代表insert

sed ‘2a a\

b\

c‘  //在第二行下面追加三行 "a"、"b"、"c",只需要每行结尾加"\"即可。

3.行选取

sed -n ‘5,7p‘  //选取第5到7行输出,必须加-n参数,不然效果就是所有行都被输出,而5到7行输出两次。

4.行替换

sed ‘2,5c No 2~5 lines‘  //将第2到5行替换为一行字符串"No 2~5 lines"

5.字符串替换

sed ‘s/要被替换的字符串/新的字符串/g‘  //固定的格式,开头是s结尾是g,中间三个/分隔开要被替换的字符串和新的字符串,注意这里要被替换的字符串可以是正则表达式。

将操作结果直接写入文件

默认用sed对文件做修改之后,只是输出修改后的文件,可以用>写入到新的文件。但是如果想修改原始文件,千万不能>到原始文件,这样执行的结果就是原文件直接被清空了。想要修改原始文件可以用 -i 参数,如:

sed -i ‘2d‘ file.txt  //直接将原文件中的第二行删除。

直接修改原文件是很危险的,一旦修改错误无法还原。可以先不加 -i 参数执行命令把修改结果打印出来,确认无误后再加上 -i 参数。

printf

printf这个命令用语言不太好描述,但是一动手就明白了。

把下面的内容保存为printf.txt:

Name Chinese English Math Average
DmTsai 80 60 92 77.33
VBird 75 55 80 70.00
Ken 60 90 70 73.33

先cat看一下,是下面这个效果:

linux文本处理常用指令(序列二)

现在用printf指令加一些参数来看一下,执行

printf ‘%10s %10s %10s %10s %10s \n‘ `cat printf.txt`

输出结果:

linux文本处理常用指令(序列二)

是不是比cat输出的结果漂亮多了。

%10s代表这一列的宽度固定为10个字符。更多的格式就不介绍了,这篇文章我们掌握一个%10s就够了。

printf不是管道命令,要想用它处理文件必须像上面的命令那样使用`cat printf.txt`把文件内容给提出来。

printf的使用相当广泛,后面的awk命令中也会应用到printf命令。

awk

awk命令主要是将文件通过分隔符拆成列来处理,还能通过条件判断对不同的行进行不同的处理,甚至还可以进行数值计算~

我们也是通过例子来学习。

我们先用last命令看一下最后登录的5个用户信息:

linux文本处理常用指令(序列二)

图中的第一列是用户名,第三列是用户ip,现在我们想摘出这两列,用awk就可以做到:

last -5|awk ‘{print $1 "\t" $3}‘

输出:

linux文本处理常用指令(序列二)

命令看起来挺复杂,不要着急,其实很简单。

首先awk使用时有固定的格式:awk ‘{命令}‘,单引号和大括号就是固定的格式而已。

然后上面的命令就是

print $1 "\t" $3    //awk默认会用空格和tab将每行分隔为N列,$1代表第一列,$3代表第三列。

这样一看是不是简单多了。

刚刚的last命令产生的数据默认就是用tab分隔的,现在我们看另一个例子,执行 cat /etc/passwd:

linux文本处理常用指令(序列二)

这次产生的数据每行是用  : 分隔的,那么想使用awk输出第一列和第三列就需要执行分隔符:

cat /etc/passwd|awk -F ‘:‘ ‘{print $1 "\t" $3}‘    // -F ‘:‘ 代表指定使用 : 作为分隔符

执行结果:

linux文本处理常用指令(序列二)

除了$1,$3这样的特殊符号,

awk的命令中还可以使用下面的特殊符号:

NF :每一行分隔后的列数

NR :行号

下面用一个综合的例子来说明awk的条件判断和数值计算,有这样一组数据保存为pay.txt:

Name    1st   2nd   3rd
VBird   23000   24000  25000
DMTsai  21000   20000  23000
Bird2   43000   42000  41000

现在想加一列"Total",计算每一行的数值总和。

用awk可以完成这个需求:

cat pay.txt |awk ‘NR==1 {printf "%10s %10s %10s %10s %10s \n",$1,$2,$3,$4,"Total"};NR>1 {printf "%10s %10s %10s %10s %10s \n",$1,$2,$3,$4,$2+$3+$4}‘

运行结果:

linux文本处理常用指令(序列二)

这里有几个要点:

  1. 加入条件判断后,awk的格式为: awk ‘条件1 {命令1};条件2{命令2}‘
  2. 条件判断有以下逻辑运算:
    • >
    • <
    • >=
    • <=
    • ==  //注意判断相等要用两个等号
    • !=
  3. 可以直接运算行内列的值($1、$2、$3)。

总结

这篇文章首先回顾了正则表达式(基本正则表达式、扩展正则表达式),然后介绍了4个常用命令,最后我们归纳一下四个命令的用途:

命令用途
grep/egrep关键字查找
sed
  1. 行的删除、添加、替换、选取
  2. 关键字替换
printf 文件格式化输出
awk
  1.  将每行按分隔符拆分成列并选取某些列
  2.  通过逻辑判断对不同行进行不同的处理
  3.  对一行中的几列数值进行计算

参考资料:

《鸟哥的Linux私房菜  基础学习篇(第三版)》  第12章