Linux的文本处理工具浅谈-awk sed grep

Posted sunsky303

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的文本处理工具浅谈-awk sed grep相关的知识,希望对你有一定的参考价值。

Linux的文本处理工具浅谈

awk   老大

【功能说明】

用于文本处理的语言(取行,过滤),支持正则
NR代表行数,$n取某一列,$NF最后一列
NR==20,NR==30 从20行到30行
FS竖着切,列的分隔符
RS横着切,行的分隔符

【语法格式】

awk   [–F]   [“[分隔符]”]   [’{print$1,$NF}’]     [目标文件]
awk ‘BEGIN{FS="[列分隔符]+";RS="[行分隔符]+";print "-GEGIN-"} NR==n{动作} END{print "-END-"}‘ xxx.txt

 【内置变量】

技术分享图片
$n                    当前记录的第n个字段,字段间由 FS分隔。
$0                    完整的输入记录。
ARGC              命 令行参数的数目。
ARGIND         命令行中当前文件的位置(从0开始算)。
ARGV             包 含命令行参数的数组。
CONVFMT      数字转换格式(默认值为%.6g)
ENVIRON       环 境变量关联数组。
ERRNO            最后一个系统错误的描述。
FIELDWIDTHS         字 段宽度列表(用空格键分隔)。
FILENAME               当前文件名。
FNR                        同 NR,但相对于当前文件。
FS                           字段分隔符(默认是任何空格)。
IGNORECASE         如 果为真,则进行忽略大小写的匹配。
NF                   当前记录中的字段数。
NR                   当 前记录数。
OFMT              数字的输出格式(默认值是%.6g)。
OFS                 输 出字段分隔符(默认值是一个空格)。
ORS                 输出记录分隔符(默认值是一个换行符)。
RLENGTH         由 match函数所匹配的字符串的长度。
RS                   记录分隔符(默认是一个换行符)。
RSTART           由 match函数所匹配的字符串的第一个位置。
SUBSEP           数组下标分隔符(默认值是\034)。
技术分享图片

【运算符】

技术分享图片
= += -= *= /= %= ^= **=        赋值
?:                 C条件表达式
||                 逻 辑或
&&             逻辑与
~ ~!             匹 配正则表达式和不匹配正则表达式
< <= > >= != ==       关 系运算符
空格          连接
+ -            加,减
* / &          乘,除与求余
+ - !          一元加,减和逻辑非
^ ***        求幂
++ --        增加或减少,作为前缀或后缀
$              字 段引用
in             数组成员
技术分享图片
【字符串函数】
技术分享图片
sub          匹配记录中最大、最靠左边的子字符串的正则表达式,并用替换字符串替换这些字符串。如果没有指定目标字符串就默认使用整个记录。替换只发生在第一次匹配的 时候
gsub        整个文档中进行匹配
index       返回子字符串第一次被匹配的位置,偏移量从位置1开始
substr      返回从位置1开始的子字符串,如果指定长度超过实际长度,就返回整个字符串
split         可按给定的分隔符把字符串分割为一个数组。如果分隔符没提供,则按当前FS值进行分割
length      返回记录的字符数
match       返回在字符串中正则表达式位置的索引,如果找不到指定的正则表达式则返回0。match函数会设置内建变量RSTART为字符串中子字符串的开始位 置,RLENGTH为到子字符串末尾的字符个数。substr可利于这些变量来截取字符串
toupper和tolower    可用于字符串大小间的转换,该功能只在gawk中有效
技术分享图片
【字符串函数】
技术分享图片
atan2(x,y)    y,x 范围内的余切
cos(x)          余弦函数
exp(x)         求 幂
int(x)           取整
log(x)          自然对 数
rand()         随机数
sin(x)          正弦
sqrt(x)        平 方根
srand(x)     x是rand()函数的种子
int(x)          取 整,过程没有舍入
rand()         产生一个大于等于0而小于1的随机数
技术分享图片

【使用范例】

1、只查看 ett.txt 文件(共 100 行)内第 20 到第 30 行的内容
awk ‘NR>19&&NR<31’ ett.txt
awk ‘{ if (NR>19&&NR<31) print $0}’ ett.txt
2、给文件内容加行号
awk ‘{print NR,$0}’ /etc/inittab
3、输出第24行并且加行号
awk ‘NR==24 {print NR,$0}’ /etc/inittab
4、标准写法
awk -F ‘[ :]+‘ ‘NR==2{print $(NF-1)}‘  /etc/passwd
相当于 awk ‘BEGIN{FS="[ :]+"}NR==2{print $(NF-1)}‘ /etc/passwd
awk ‘BEGIN{RS="/"} {print $0}‘ /etc/passwd
5、以一个或多个/为行的分割符,打印第二行的第二列,列的分隔符为默认的空格,并打印行号
awk ‘BEGIN{RS="[/]+"} NR==2{print NR,$2}‘ test  
awk支持正则:
6、以:为分隔符,打印第5列以s开头的一整行
awk -F ":" ‘$5~/^s/{print $0}‘ /etc/passwd    
7、以/为分隔符,匹配倒数第二行的s或者没有s后面是bin的整行
awk -F "/" ‘$(NF-1)~/(s|)bin/‘ /etc/passwd    
8、匹配第一列以ssh或者ftp或mysql开头或者结尾的行
awk ‘$1~/^(ssh|ftp|mysql)$/{print $1,$2}‘ /etc/services    
9、输出结果6 0 1 2
echo "[email protected]@@@@@@@@@@@@@@0=============1##############2" |awk -F ‘[@=#]+‘  ‘{print $1,$2,$3,$4}‘ 
10、
awk ‘BEGIN{print "---BEGIN---"} NR==2{print $2} END{print "---END----"}‘ xxx.conf

 11、awk统计百分比的问题

例一:

  日志样子举例如下:
技术分享图片
awk ‘{
        count[$1]++; 
        if($2>400)above400[$1]++
    }
    END{
        for(i in count){
            print i, count[i], above400[i]/count[i]
        }
    }‘ < xxx.txt
技术分享图片

例二:

统计一个文件的中所有的error的占比

awk  ‘/error/{err++}END{print err,NR,err/NR*100"%" }‘ < xxx.txt

 12、关联数组访问问题

a.txt和b.txt两个文件相同的两个字段(id|money),输出a和b文件中相同id并且b文件money值大的一行

技术分享图片
cat >>a.txt <<EOF 
1|1
3|3
5|5
7|7
9|9
EOF
技术分享图片
技术分享图片
cat >>b.txt<<EOF
1|1
2|2
3|30
4|4
5|5
6|6
7|70
8|8
9|9
10|10
EOF
技术分享图片
awk -F ‘|‘ ‘BEGIN{ while(getline < "a.txt") { user_map[$1] = $2; } }
{
    if ($1 in user_map) { if (user_map[$1] < $2) print $0; }
}‘ b.txt

注意:如果a.txt不存在,getline会返回-1,导致死循环我以前曾经碰上过因为这个原因导致程序挂死,所以特别提出来让大家注意

13、99乘法表

awk ‘BEGIN{for(i=1;i<10;i++){for (j=1;j<=i;j++)printf "%d%s%d%s%d\t",i,"x",j,"=",i*j;print}}‘

14、tomcat并发数

netstat -an|grep 10050|awk ‘{count[$6]++} END{for (i in count) print(i,count[i])}‘

sed   老二

【功能说明】

Sed是Strem Editor(流编辑器)缩写,是操作、过滤和转换文本内容的强大工具。常用功能有增删改查,过滤,取行。

参数

-n             #取消默认输出
-r             #使用扩展正则
-i              #刷到磁盘
-e             #执行多条sed指令
-f              #指令放在文件里

sed-command

技术分享图片
a    追加
i     插入
d    删除
c    替换指定的行
s    替换每一行匹配到的第一个字符
g   替换每一行的全部
p   输出
w   另存文件
e   执行bash命令
q   不继续往下读取
技术分享图片

概括流程:Sed软件从文件或管道中读取一行,处理一行,输出一行;再读取一行,再处理一行,再输出一行……

增删改查

a 追加文本到指定行后

i 插入文本到指定行前

单行增加

sed ‘2a 106,dandan,CSO‘ person.txt
sed ‘2i 106,dandan,CSO‘ person.txt

多行增加

sed ‘2a 106,dandan,CSO\n107,bingbing,CCO‘ person.txt

企业案例1:优化SSH配置(一键完成增加若干参数)

在我们学习系统优化时,有一个优化点:更改ssh服务远程登录的配置。主要的操作是在ssh的配置文件加入下面5行文本。(下面参数的具体含义见其他课程。)

Port 52113
PermitRootLogin no
PermitEmptyPasswords no
UseDNS no
GSSAPIAuthentication no

我们可以使用vi命令编辑这个文本,但这样就比较麻烦,现在想一条命令增加5行文本到第13行前?

sed -ir ‘13 i ####Chris-sshd-2016.5.4-youhua######\nPort 52113\nPermitRootLogin no\nPermitEmptyPasswords no\nUseDNS no\nGSSAPIAuthentication no\n#####--end--#######\n‘ /etc/ssh/sshd_config

地址用逗号分隔的,n1,n2可以用数字、正则表达式、或二者的组合表示。

其他使用例子

10{sed-commands}                          对第10行操作
10,20{sed-commands}                     对10到20行操作,包括第10,20行
10,+20{sed-commands}                  对10到30(10+20)行操作,包括第10,30行
1~2{sed-commands}                       对1,3,5,7,……行操作
10,${sed-commands}                      对10到最后一行($代表最后一行)操作,包括第10行
/oldboy/{sed-commands}               对匹配oldboy的行操作
/oldboy/,/Alex/{sed-commands}    对匹配oldboy的行到匹配Alex的行操作
/oldboy/,${sed-commands}            对匹配oldboy的行到最后一行操作
/oldboy/,10{sed-commands}         对匹配oldboy的行到第10行操作,注意:如果前10行没有匹配到oldboy,sed软件会显示10行以后的匹配oldboy的行,如果有。
1,/Alex/{sed-commands}               对第1行到匹配Alex的行操作
/oldboy/,+2{sed-commands}        对匹配oldboy的行到其后的2行操作

删除指定的行

sed ‘d‘ person.txt                                       #删除全部
sed ‘2d‘ person.txt                                     #删除第二行
sed ‘2,5d‘ person.txt                                  #删除2到5行
sed ‘3,$d‘ person.txt                                  #删除3到结尾
sed ‘1~2d‘ person.txt                                #删除1,3,5行
sed ‘1,+2d‘ person.txt                               #删除1,2,3
sed ‘/zhangyao/d‘ person.txt                    #删除匹配的zhangyao行
sed ‘/oldboy/,/Alex/d‘ person.txt             #删除匹配oldboy到Alex行
sed ‘/oldboy/,3d‘ person.txt                     #删除从匹配oldboy的3行

企业案例2:打印文件内容但不包含oldboy

sed ‘/oldboy/d‘ person.txt                       #删除包含"oldboy"的行

按行替换

用新行取代旧行

sed ‘2c 106,dandan,CSO‘ person.txt          #替换第2行的内容

文本替换

s:单独使用,将每一行中第一处匹配的字符串进行替换

g:每一行进行全部替换

-i:修改文件内容

sed软件替换模型(方框▇被替换成三角▲)

sed -i ‘s/▇/▲/g‘ oldboy.log 
sed -i ‘s#▇#▲#g‘ oldboy.log

企业案例3:指定行修改配置文件

指定行精确修改配置文件,这样可以防止修改多了地方。

sed ‘3s#0#9#‘ person.txt

变量替换

x=a
y=b
echo $x $y
sed s#$x#$y#g test.txt

分组替换\( \)和\1的使用说明

sed软件的\( \)的功能可以记住正则表达式的一部分,其中,\1为第一个记住的模式即第一个小括号中的匹配内容,\2第二记住的模式,即第二个小括号中的匹配内容,sed最多可以记住9个。

例:echo I am oldboy teacher.如果想保留这一行的单词oldboy,删除剩下的部分,使用圆括号标记想保留的部分。

echo I am oldboy teacher. |sed ‘s#^.*am \([a-z].*\) tea.*$#\1#g‘
echo I am oldboy teacher. |sed -r ‘s#^.*am ([a-z].*) tea.*$#\1#g‘
echo I am oldboy teacher. |sed -r ‘s#I (.*) (.*) teacher.#\1\2#g‘

命令说明

思路:用oldboy字符替换I am oldboy teacher.

下面解释用□代替空格

  1. ^.*am□ –>这句的意思是以任意字符开头到am□为止,匹配文件中的I am□字符串;
  2. \([a-z].*\)□–>这句的外壳就是括号\(\),里面的[a-z]表示匹配26个字母的任何一个,[a-z].*合起来就是匹配任意多个字符,本题来说就是匹配oldboy字符串,由于oldboy字符串是需要保留的,因此用括号括起来匹配,后面通过\1来取oldboy字符串。
  3. □tea.*$–>表示以空格tea起始,任意字符结尾,实际就是匹配oldboy字符串后,紧接着的字符串□teacher.;
  4. 后面被替换的内容中的\1就是取前面的括号里的内容了,也就是我们要的oldboy字符串。
  5. ()是扩展正则表达式的元字符,sed软件默认识别基本正则表达式,想要使用扩展正则需要使用\转义,即\(\)。
  6. sed使用-r选项则可以识别扩展正则表达式,此时使用\(\)反而会出错。

企业案例4:系统开机启动项优化

chkconfig --list|grep "3:on"|grep -vE "sshd|crond|network|rsyslog|sysstat"|awk ‘{print $1}‘|sed -r ‘s#^(.*)#chkconfig \1 off#g‘|bash
chkconfig --list|grep "3:on"

特殊符号&代表被替换的内容

#→将1到3行的C替换为--C--

sed ‘1,3s#C#--&--#g‘ person.txt         #→此处&等于C

企业案例5:批量重命名文件

for i in `seq 5`;do touch stu_102999_${i}_finished.jpg;done 
ls |sed -r ‘s/(.*)_finished(.*)/mv  &  \1_finish\2/e‘ 

p 输出指定内容,但默认会输出2次匹配的结果,因此使用n取消默认输出

按行查询

sed ‘2p‘ person.txt
sed -n ‘2p‘ person.txt
sed -n ‘2,3p‘ person.txt
sed -n ‘1~2p‘ person.txt
sed -n ‘p‘ person.txt

按字符串查询

sed -n ‘/CTO/p‘ person.txt
sed -n ‘/CTO/,/CFO/p‘ person.txt

混合查询

sed -n ‘2,/CFO/p‘ person.txt
sed -n ‘/feixue/,2p‘ person.txt
#特殊情况,前两行没有匹配到feixue,就向后匹配,如果匹配到feixue就打印此行。

其他功能

备份功能

sed -i.bak ‘$a 1111111111‘ xxx.txt

备份xxx.txt文件为xxx.txt.bak,修改源文件,最后一行添加111111111

另存功能

sed ‘s/sb/SB/g w new.txt‘ xxx.txt 

把sb替换成SB的整行输出到new.txt中

大小写转换

\L    #全部转换成小写

\l     #单个转换成小写

\U    #全部转换成大写

\u    #单个转换成大写

\E    #需要和\U和\L一起使用,关闭\U和\L的功能

sed -r ‘s/(.*),(.*),(.*)/\L\3,\E\1,\U\2/g‘ xxx.txt

执行多条sed指令

sed -e ‘3,$d‘ -e ‘s#10#01#g‘ xxx.txt
sed ‘3,$d; s#10#01#g‘ xxx.txt

打印不可见字符l

sed -n ‘l‘ xxx.txt

abc替换ABC(一一对应)

tr ‘abc‘ ‘ABC‘ xxx.txt
sed ‘y#abc#ABC#‘ xxx.txt

可以操作多个文件

sed ‘y#abc#ABC#‘ xxx.txt 222.txt

模拟其他命令

创建svn库的时候自动取消#号和修改路径
sed -i -r ‘12,13s/# //g‘ svnserve.conf
sed -i -r ‘20s/^# (.*)/\1/g‘ svnserve.conf
sed -i -r ‘27s/^# (.*)/\1/g‘ svnserve.conf
sed -i -r ‘12,13s/^# (.*)/\1/g‘ svnserve.conf
sed -i -r  ‘32s/# (.*=)(.*)/\1 \/usr\/svnData\//‘ svnserve.conf
一条命令执行(加传参)
SvnPath=‘zhangzhicheng‘
sed -i -r -e ‘20s/^# (.*)/\1/g‘ -e ‘27s/^# (.*)/\1/g‘ -e ‘12,13s/^# (.*)/\1/g‘ -e "32s/# (.*=)(.*)/\1 \/usr\/svnData\/$SvnPath/" svnserve.conf

grep 老末

【功能说明】

三剑客老三。搜索文本,过滤文本字符串 –v取反

【选项说明】

参数选项

解释说明(带※的为重点)

-V

取反,读出指定的内容之外的内容

-A

打印后面n行的内容

-B

打印前面n行的内容

-C

打印前后各n行的内容

-n

输出行行号

-E(egrep)

使用扩展正则表达式 

-o

只输出匹配到的结果

-i

忽略大小写

-a

当grep认为是二进制文件的时候加-a

 

【基础范例】

例子1:已知文件 test.txt 内容为:

test

liyao

oldboy

请给出输出 test.txt 文件内容时,不包含 oldboy 字符串的命令。

grep –v oldboy test.txt

例子2:过滤出/etc/services 文件包含 3306 或 1521 两数据库端口的行的内容

grep –E “3306|1521” /etc/services

例子3:

【技巧例子】

消除文件空行:

grep -v ‘^$‘ test.txt
egrep -o "^[^:]+" xxx.txt         #匹配开头以非:的行,并输出匹配的内容(-o不是整行输出)

 

 

以上是关于Linux的文本处理工具浅谈-awk sed grep的主要内容,如果未能解决你的问题,请参考以下文章

Shell文本处理工具(Linux三剑客 grep sed awk )

浅谈sed用法

Linux的awk、grep、sed工具,实现文本查找、编辑 、格式化

Linux文本处理三剑客grepsedawk用法详解

Unix & Linux的文本处理工具 -- grep, sed & awk

文本处理工具之:grep sed awk