linux文本处理工具
Posted 向往自由的独行者
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了linux文本处理工具相关的知识，希望对你有一定的参考价值。
linux文本处理工具
目录
1. 文本查看工具
1.1 cat命令详解
cat命令主要功能是将一个或多个文件或标准输入连接，并输出至标准输出。通常用户查看文件内容。
cat命令的语法如下：
cat [OPTION]... [FILE]...
cat常用选项如下：
| 选项 | 说明 |
|---|---|
| -A | 显示文本中所有的特殊符号 |
| -n | 显示文本时对所有行加行号 |
| -b | 显示文本时对仅所有非空行加行号 |
| -s | 合并相邻的空行为一行 |
cat命令的常见用法如下：
[root@xuzhichao ~]# echo -e "1\\n\\n\\n2\\n\\n3\\n4" > file1
[root@xuzhichao ~]# cat file1
1
2
3
4
#显示行号
[root@xuzhichao ~]# cat -n file1
1 1
2
3
4 2
5
6 3
7 4
#仅对非空行显示行号
[root@xuzhichao ~]# cat -b file1
1 1
2 2
3 3
4 4
#压缩所有空行为一行
[root@xuzhichao ~]# cat -sn file1
1 1
2
3 2
4
5 3
6 4
#显示所有的特殊字符
[root@xuzhichao ~]# cat -A file1
1$ <==$代表换行
^I^I$ <==^I代表tab键
$
2$
$ <==空代表空格键
3$
4$
-
tac命令：该命令和cat命令功能类似，按照行的顺序倒序显示。
- [root@xuzhichao ~]# echo -e "123 \\n abc" > file1 [root@xuzhichao ~]# tac file1 abc 123 -
rev命令：用于将同一行的内容前后倒序显示。
[root@xuzhichao ~]# cat file1 123 abc [root@xuzhichao ~]# rev file1 321 cba
1.2 more和less命令详解
more和less命令用于打开一个较长的文件时，进行分页显示。
more和less命令的用法大致相同，使用该命令时会进入一个命令窗口，该窗口下有如下快捷键：
| 快捷键 | 说明 |
|---|---|
| 回车键 | 文件下移一行显示 |
| 空格键 | 文件向下翻一页 |
| b | 向上翻一页 |
| /string | 向下搜索内容string |
| n | 配合搜索功能实现同向的下一个查找 |
| 退出分页显示 |
less命令还有一些独有的快捷键
| 快捷键 | 说明 |
|---|---|
| ?string | 向上搜索内容string |
| N | 配合搜索功能实现逆向的下一个查找 |
| g | 移动到行首 |
| G | 移动到行尾 |
而且more命令在移动到最后一行后会自动退出more命令。而less命令不会自动退出，因此less命令比more命令更加的灵活。
more或less经常用于结合管道分页显示前一个命令的内容，主要用法如下：
[root@xuzhichao ~]# ls /etc/ | more
1.3 head和tail命令详解
-
head命令：用于显示文件的前几行内容，主要选项如下：
选项 说明 -n NUM 指定显示前NUM行的内容，默认显示10行 -c NUM 显示一行前NUM个字节的内容 注意：以上参数中NUM值若为负数，则表示从开头到倒数第NUM行或倒数第NUM个字节。
#默认显示头部10行内容 [root@xuzhichao ~]# head /etc/passwd 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 sync:x:5:0:sync:/sbin:/bin/sync shutdown:x:6:0:shutdown:/sbin:/sbin/shutdown halt:x:7:0:halt:/sbin:/sbin/halt mail:x:8:12:mail:/var/spool/mail:/sbin/nologin operator:x:11:0:operator:/root:/sbin/nologin #显示前三行内容 [root@xuzhichao ~]# head -n 3 /etc/passwd root:x:0:0:root:/root:/bin/bash bin:x:1:1:bin:/bin:/sbin/nologin daemon:x:2:2:daemon:/sbin:/sbin/nologin #从开头显示到倒数第三行内容 [root@xuzhichao ~]# seq 10 | head -n -3 1 2 3 4 5 6 7 #显示前三个字符 [root@xuzhichao ~]# echo "abcdefg" | head -c 3 abc[root@xuzhichao ~]# #显示从开头到倒数第三个字节的内容 [root@xuzhichao ~]# echo "abcdefg" | head -c -3 abcde[root@xuzhichao ~]# -
tail命令：用于显示文件的最后几行内容，主要选项如下：
选项 说明 -n NUM 指定显示后NUM行的内容，默认显示10行 -c NUM 显示一行后NUM个字节的内容 -f 动态跟踪文件尾部内容的变化，一般用于查看日志文件 注意：NUM前使用“+”表示除了前NUM行内容不输出，后面的内容全部输出
tail用法如下：
[root@xuzhichao ~]# seq 10 | tail -n 3 8 9 10 [root@xuzhichao ~]# seq 10 | tail -n +3 3 4 5 6 7 8 9 10 [root@xuzhichao ~]# echo "abcdefg" | tail -c 3 <==注意字符首部和尾部各有一个字节的数据^和$ fg [root@xuzhichao ~]# echo "abcdefg" | tail -c +3 cdefg #动态跟踪/var/log/messages文件的尾部变化，Ctrl+c退出 [root@xuzhichao ~]# tail -f /var/log/messages
2. 简单文本处理工具
2.1 seq命令详解
seq命令用于以指定增量从首数开始打印数字到尾数，即产生从某个数到另外一个数之间的所有整数，并且可以对整数的格式、宽度、分割符号进行控制。
语法：
[1] seq [选项] 尾数
[2] seq [选项] 首数 尾数
[3] seq [选项] 首数 增量 尾数
选项：
-f, --format=格式
-s, --separator=字符串，使用指定的字符串分割数字（默认使用个"\\n"分割）
-w, --sequal-width 在列前添加0 使得宽度相同
seq命令的用法如下：
[root@xuzhichao ~]# seq 5
1
2
3
4
5
[root@xuzhichao ~]# seq -2 2 10
-2
0
2
4
6
8
10
#以空格作为输出的分隔符
[root@xuzhichao ~]# seq -s " " 5
1 2 3 4 5
#等宽输出97到100的数字，不足以0补齐
[root@xuzhichao ~]# seq -w 97 100
097
098
099
100
#格式化输出97耷100的数字，不足以空格补齐，%4g代表宽度为4的整数
[root@xuzhichao ~]# seq -f "%4g" 97 100
97
98
99
100
#格式化输出97耷100的数字，不足以0补齐
[root@xuzhichao ~]# seq -f "%004g" 97 100
0097
0098
0099
0100
2.2 tr命令详解
tr命令用户转换和删除字符，语法如下：
tr [OPTION]... SET1 [SET2]
主要选项如下：
| 选项 | 说明 |
|---|---|
| -d | 删除第一个字符集SET的字符 |
| -c | 取字符集SET的补集 |
| -s | 连续重复的字符显示未一个 |
tr命令的主要用法如下：
#示例一：不跟文件名会从标准输入中读取
[root@xuzhichao ~]# tr \'a-z\' \'A-Z\'
abc
ABC
#示例二：Windows和linux文件换行的转换。Windows使用回车（\\r）加换行（\\n）作为换行符，linux使用换行（\\n）作为换行符
[root@xuzhichao ~]# cat windows.txt -A
echo "M-DM-cM-:M-CM-#M-,windows"^M$
date^M$
[root@xuzhichao ~]# tr -d \'\\r\' < windows.txt > windows.linux.txt
[root@xuzhichao ~]# cat -A windows.linux.txt
echo "M-DM-cM-:M-CM-#M-,windows"$
date$
#示例三：把df的输出中的空格转换为“：”
[root@xuzhichao ~]# df | tr -s \' \' \':\'
Filesystem:1K-blocks:Used:Available:Use%:Mounted:on
devtmpfs:914464:0:914464:0%:/dev
tmpfs:931520:0:931520:0%:/dev/shm
tmpfs:931520:10080:921440:2%:/run
tmpfs:931520:0:931520:0%:/sys/fs/cgroup
/dev/mapper/centos-root:52403200:4872008:47531192:10%:/
/dev/sda1:508580:171960:336620:34%:/boot
tmpfs:186304:0:186304:0%:/run/user/0
#示例四：将/etc/issue文件的中的所有小写字母转换为大写字母，然后保存在/data/test/issue.out中
[root@xuzhichao ~]# tr \'[[:lower:]]\' \'[[:upper:]]\' < /etc/issue > /data/test/issue.out
#示例五：把PATH变量的每个目录都变成独立的一行
[root@xuzhichao ~]# echo $PATH | tr \':\' \'\\n\'
/usr/lib64/qt-3.3/bin
/usr/local/sbin
/usr/local/bin
/usr/sbin
/usr/bin
/root/bin
2.3 cut命令详解
cut命令用于使用指定的分隔符对文件或标准输入的内容进行切割，然后对切割的内容按序号进行排序。
cut命令的语法为：
cut OPTION... [FILE]...
cut命令的选项如下：
| 选项 | 说明 |
|---|---|
| -d | 指定分隔符，默认分隔符为“TAB” |
| -f | 显示指定字段的内容 |
| -c | 以字符为单位进行切割 |
| --output-delimiter=STRING | 指定输出内容的字段分隔符 |
| --complement | 取反 |
| -c | 以字节byte为单位进行切割 |
cut的主要用法如下：
#示例一：取df中磁盘的利用率
[root@xuzhichao ~]# df
Filesystem 1K-blocks Used Available Use% Mounted on
devtmpfs 914464 0 914464 0% /dev
tmpfs 931520 0 931520 0% /dev/shm
tmpfs 931520 10112 921408 2% /run
tmpfs 931520 0 931520 0% /sys/fs/cgroup
/dev/mapper/centos-root 52403200 4871908 47531292 10% /
/dev/sda1 508580 171960 336620 34% /boot
tmpfs
[root@xuzhichao ~]# df | grep "^/dev/" | tr -s \' \' | cut -d \' \' -f 5 | tr -d %
10
34
#示例二：取ip地址
root@xuzhichao ~]# ifconfig eth0
eth0: flags=4163<UP,BROADCAST,RUNNING,MULTICAST> mtu 1500
inet 192.168.20.17 netmask 255.255.255.0 broadcast 192.168.20.255
inet6 fe80::9eb8:f0ae:83a6:97dd prefixlen 64 scopeid 0x20<link>
ether 00:0c:29:17:6d:3e txqueuelen 1000 (Ethernet)
RX packets 24421 bytes 2172836 (2.0 MiB)
RX errors 0 dropped 0 overruns 0 frame 0
TX packets 9980 bytes 2705200 (2.5 MiB)
TX errors 0 dropped 0 overruns 0 carrier 0 collisions 0
[root@xuzhichao ~]# ifconfig eth0 | grep "inet\\>" | tr -s \' \' | cut -d \' \' -f 3
192.168.20.17
#示例三：取/etc/passwd文件的用户名，UID,GID,描述信息。
[root@xuzhichao ~]# head -n 5 /etc/passwd | cut -d \':\' -f 1,3-5
root:0:0:root
bin:1:1:bin
daemon:2:2:daemon
adm:3:4:adm
lp:4:7:lp
#示例四：取/etc/passwd文件的用户名，UID，输出的分隔符为“====”。
[root@xuzhichao ~]# head -n 5 /etc/passwd | cut -d \':\' --output-delimiter="====" -f 1,3
root====0
bin====1
daemon====2
adm====3
lp====4
#示例五：按照字符切割
[root@xuzhichao ~]# cat > file1 <<EOF
> 1234567890
> 1234567890
> 1234567890
> EOF
[root@xuzhichao ~]# cut -c 2-6 file1
23456
23456
23456
[root@xuzhichao ~]# cut -c 2- file1 <==表示从第2个字符到本行末尾
234567890
234567890
234567890
[root@xuzhichao ~]# cut -c -9 file1 <==表示从本行开始到第9个字符
123456789
123456789
123456789
#示例六：按照字节切割
[root@xuzhichao ~]# cut -b 1-3 file1
123
123
123
[root@xuzhichao ~]# cut -b -3 file1
123
123
123
#取反，取出/etc/passwd中除密码外的其他所有字段
[root@xuzhichao ~]# head -n 5 /etc/passwd | cut -d \':\' --complement -f2
root:0:0:root:/root:/bin/bash
bin:1:1:bin:/bin:/sbin/nologin
daemon:2:2:daemon:/sbin:/sbin/nologin
adm:3:4:adm:/var/adm:/sbin/nologin
lp:4:7:lp:/var/spool/lpd:/sbin/nologin
2.4 paste命令详解
paste命令用于把两个文件合并为一个文件，默认以行为单位，默认以TAB作为分隔符。
paste主要选项如下：
| 选项 | 说明 |
|---|---|
| -d | 指定两个文件之间的分隔符 |
| -s | 先将文件的所有行合并成一行，再将合并后的文件按顺序分两行合并在一起 |
paste命令的用法如下：
[root@xuzhichao ~]# seq 5 > num1
[root@xuzhichao ~]# seq 6 10 > num2
[root@xuzhichao ~]# cat num1
1
2
3
4
5
[root@xuzhichao ~]# cat num2
6
7
8
9
10
[root@xuzhichao ~]# paste num1 num2
1 6
2 7
3 8
4 9
5 10
[root@xuzhichao ~]# paste -d ":" num1 num2
1:6
2:7
3:8
4:9
5:10
[root@xuzhichao ~]# paste -s -d ":" num1 num2
1:2:3:4:5
6:7:8:9:10
[root@xuzhichao ~]# paste -s num1 num2
1 2 3 4 5
6 7 8 9 10
2.5 wc命令详解
wc命令用于统计给定文件或标准输入的文本的行数，单词数，字节数，字符数。
wc的常用选项如下：
| 选项 | 说明 |
|---|---|
| -l | 只统计行数 |
| -w | 只统计单词数，单词是以空格作为分隔 |
| -c | 只统计字节数 |
| -m | 只统计字符数 |
| -L | 显示文件中最长的行 |
注意：一个英文字母或符号为一个字符，占一个字节；一个汉字为两个字符，占四个字节。
wc的用法如下：
#示例一：wc默认显示内容
[root@xuzhichao ~]# wc /etc/passwd
38 74 1936 /etc/passwd <==三个数字分别代表行数，单词数，字节数
#示例二：统计光盘中rpm包的个数
[root@xuzhichao ~]# ll /misc/cd/Packages/*.rpm | wc -l
10070
2.6 sort或uniq命令详解
-
sort命令用于按照一定的要求对文件的行或指定的字段进行排序，默认按照字母表顺序排序，数字排在字母前面。
sort命令的选项如下
选项 说明 -n 按照数字大小排序 -r 逆向排序 -t 指定字段的分隔符 -k 指定要排序字段的编号 -u 删除输出的重复行 -R 随机排序 -f 忽略字符串中的大小写 -
uniq命令用于去重，还可以统计输出的次数，选项如下：
选项 说明 -c 显示连续且重复行的出现的次数 -d 仅显示重复的行 -u 仅显示不曾重复的行 两个命令一般会结合使用，常见用法如下：
#示例一：对/etc/passwd按照UID进行从小到大排序，取前三行 [root@xuzhichao ~]# sort -n -t":" -k 3 /etc/passwd | head -n 3 root:x:0:0:root:/root:/bin/bash bin:x:1:1:bin:/bin:/sbin/nologin daemon:x:2:2:daemon:/sbin:/sbin/nologin #示例二：统计/etc/passwd文件中用户的shell类型，从大到小排序 [root@xuzhichao ~]# cut -d: -f7 /etc/passwd |sort | uniq -c 2 /bin/bash 1 /bin/sync 1 /sbin/halt 33 /sbin/nologin 1 /sbin/shutdown [root@xuzhichao ~]# cut -d: -f7 /etc/passwd |sort | uniq -c | sort -rn 33 /sbin/nologin 2 /bin/bash 1 /sbin/shutdown 1 /sbin/halt 1 /bin/sync #示例三：对远程主机登陆次数的IP地址进行排序。 [root@xuzhichao ~]# last root pts/0 192.168.20.1 Wed May 19 20:58 still logged in root pts/1 192.168.20.1 Wed May 19 09:42 still logged in root pts/0 192.168.20.1 Tue May 18 23:18 - 11:41 (12:23) root pts/0 192.168.20.1 Tue May 18 17:01 - 23:18 (06:16) reboot system boot 3.10.0-1127.el7. Tue May 18 17:01 - 22:27 (1+05:26) root tty1 Tue May 18 09:05 - 09:05 (00:00) root pts/2 192.168.20.1 Mon May 17 21:25 - 21:25 (00:00) root pts/1 192.168.20.1 Mon May 17 21:19 - crash (19:41) root pts/2 192.168.20.1 Mon May 17 18:38 - 21:19 (02:41) root pts/0 192.168.20.1 Mon May 17 18:29 - crash (22:31) root pts/0 192.168.20.1 Mon May 17 15:19 - 18:29 (03:10) root pts/1 192.168.20.1 Sun May 16 21:25 - 18:55 (21:30) root pts/0 192.168.20.1 Sun May 16 15:56 - 15:18 (23:22) reboot system boot 3.10.0-1127.el7. Sun May 16 15:51 - 22:27 (3+06:36) root pts/0 192.168.20.1 Sat May 15 22:51 - crash (16:59) reboot system boot 3.10.0-1127.el7. Sat May 15 22:50 - 22:27 (3+23:37) root pts/1 192.168.20.1 Thu May 13 10:30 - crash (2+12:19) root pts/0 192.168.20.1 Wed May 12 21:35 - crash (3+01:15) reboot system boot 3.10.0-1127.el7. Wed May 12 21:30 - 22:27 (7+00:57) root pts/1 192.168.20.1 Tue May 11 22:35 - down (00:53) root pts/0 192.168.20.1 Tue May 11 21:43 - down (01:44) reboot system boot 3.10.0-1127.el7. Tue May 11 21:43 - 23:28 (01:44) root pts/1 192.168.20.1 Tue May 11 10:53 - down (00:00) root pts/0 192.168.20.1 Mon May 10 17:16 - down (17:36) reboot system boot 3.10.0-1127.el7. Mon May 10 17:16 - 10:53 (17:36) root tty1 Thu May 6 18:34 - 18:34 (00:00) root pts/0 192.168.20.1 Thu May 6 12:22 - 18:34 (06:11) root pts/0 192.168.20.1 Wed May 5 21:17 - 12:22 (15:05) root pts/0 192.168.20.1 Wed May 5 21:14 - 21:16 (00:02) reboot system boot 3.10.0-1127.el7. Wed May 5 21:14 - 10:53 (5+13:39) root pts/0 192.168.20.1 Wed Apr 28 09:50 - crash (7+11:23) root pts/0 192.168.20.1 Wed Apr 28 09:48 - 09:50 (00:01) root pts/0 192.168.20.1 Wed Apr 28 09:28 - 09:48 (00:20) root tty1 Wed Apr 28 09:27 - 00:06 (14:38) reboot system boot 3.10.0-1127.el7. Wed Apr 28 09:25 - 10:53 (13+01:27) root pts/0 192.168.20.1 Tue Nov 3 17:48 - down (00:44) root pts/0 192.168.20.1 Tue Nov 3 17:47 - 17:48 (00:01) root pts/0 192.168.20.1 Tue Nov 3 17:42 - 17:47 (00:04) root pts/0 192.168.20.1 Tue Nov 3 17:37 - 17:42 (00:05) root tty1 Tue Nov 3 17:28 - 18:33 (01:04) reboot system boot 3.10.0-1127.el7. Wed Nov 4 01:27 - 18:33 (-6:-54) root tty1 Wed Nov 4 01:13 - 01:27 (00:14) root tty1 Wed Nov 4 01:12 - 01:12 (00:00) xu pts/1 :0 Wed Nov 4 01:11 - down (00:15) xu pts/0 :0 Wed Nov 4 01:11 - down (00:16) xu :0 :0 Wed Nov 4 01:11 - down (00:16) reboot system boot 3.10.0-1127.el7. Wed Nov 4 01:10 - 01:27 (00:16) reboot system boot 3.10.0-1127.el7. Wed Nov 4 01:06 - 01:27 (00:21) reboot system boot 3.10.0-1127.el7. Wed Nov 4 00:46 - 01:27 (00:40) wtmp begins Wed Nov 4 00:46:56 2020 [root@xuzhichao ~]# last | grep -E "(root|xu)" | tr -s " "|cut -d" " -f 3 | grep [0-9] | sort | uniq -c 28 192.168.20.1 3 :0
2.7 diff和patch命令详解
-
diff命令用于比较两个文件的不同之处。
diff命令的使用示例如下：
[root@xuzhichao ~]# cat f1 1 2 a 4 5 6 7 8 9 10 [root@xuzhichao ~]# cat f2 1 2 3 4 5 6 7 [root@xuzhichao ~]# diff f1 f2 3c3 <==表示两个文件在第三行有所不同 < a <==第一个文件为a --- > 3 <==第二个文件为3 8,10d7 <==表示第一个文件比第二个文件多了第8行到第10行 < 8 <==以下为多出的内容 < 9 < 10 #-y选项为并排对比 [root@xuzhichao ~]# diff -y f1 f2 1 1 2 2 a | 3 <==“|”表示前后两个文件不同 4 4 5 5 6 6 7 7 8 < <=="<"表示后面文件比前面少了此行内容;">"表示面文件比前面多了此行内容 9 < 10 < #-u为unified格式，一般用于生成补丁文件，和patch结合使用 [root@xuzhichao ~]# diff -u f1 f2 --- f1 2021-05-19 22:49:45.290554700 +0800 +++ f2 2021-05-19 22:48:36.703099590 +0800 @@ -1,10 +1,7 @@ <==“-”表示第一个文件，"+"表示第二个文件，“-1，10”表示第一个文件的1到10行；"+1,7"表示第二个文件的1到7行 1 2 -a <==“-”开头的行表示从第一个文件删除此行可以得到第二个文件 +3 <==“+”开头的行表示从第一个文件增加此行可以得到第二个文件 4 5 6 7 -8 -9 -10 -
patch命令：结合diff的输出unified格式信息和两个文件的任意一个，可以生成另外一个文件。
#生成补丁文件 [root@xuzhichao ~]# diff -u f1 f2 > diff.txt [root@xuzhichao ~]# cat f1 1 2 a 4 5 6 7 8 9 10 [root@xuzhichao ~]# cat f2 1 2 3 4 5 6 7 #删除f2文件 [root@xuzhichao ~]# rm -f f2 #还原f2文件，-b表示备份f1文件为f1.orig文件，然后把f1文件内容还原为f2文件 [root@xuzhichao ~]# patch -b f1 diff.txt patching file f1 [root@xuzhichao ~]# cat f1 1 2 3 4 5 6 7 [root@xuzhichao ~]# cat f1.orig 1 2 a 4 5 6 7 8 9 10 #删除f1文件也可以通过以上操作恢复f2
以上是关于linux文本处理工具的主要内容，如果未能解决你的问题，请参考以下文章