文本处理工具和正则表达式

Posted 2020-11-16

文件查看

cat
nl
tac
rev

cat常用选项

-E：显示行结束符$
-n：对显示出的每一行进行编号
-A：显示所有控制符
-b：非空行编号
-s：压缩连续的空行成一行

示例:

cat -E ：显示行结束符$

cat -A：显示所有控制符

cat -n :对显示出的每一行进行编号 ,包括空行

cat -b:非空行编号

cat -s :压缩连续的空行成一行 (压缩相邻的空行成一行)

tac

把文件按相反方向显示

nl

跟cat -b效果一样，编号

rev

把文件同一行的内容反方向显示

查看非文本文件内容

hexdump
od
xxd

分页查看文件内容

more
less

示例:

more：分页查看文件

more -d: 显示翻页及退出提示
less：一页一页地查看文件或STDIN输出

显示文本前或后行内容

head

tail

tailf

head示例

默认显示前十行

head -c :显示文本前x字节
例：取出/etc/passwd 文件的前十个字节

head -n（n可省略） :显示文本前x行内容
例：取出/etc/passwd文件的前十行内容

tail示例

默认显示文本的后十行

tail -n :显示文件后x行

tail -f :跟踪文件新加内容

tail -F:跟踪文件名

练习

找出ifconfig “网卡名” 命令结果中本机的IPv4地址

cut

按列抽取文本

-d DELIMITER: 指明分隔符，默认tab
-f FILEDS:
#: 第#个字段
#,#[,#]：离散的多个字段，例如1,3,6
#-#：连续的多个字段, 例如1-6
混合使用：1-3,7
-c 按字符切割
--output-delimiter=STRING指定输出分隔符
显示文件或STDIN数据的指定列
cut -d: -f1 /etc/passwd
cat /etc/passwd | cut -d: -f7
cut -c2-5 /usr/share/dict/words ?

示例

cut -d -f 例：以冒号为分隔符，取出第1.3.4列

cut -c:按字符切割

练习

取出ip地址

取出版本号

取出磁盘空间使用率

查出/tmp的权限，以数字方式显示

paste

合并文件

-d 分隔符：指定分隔符，默认用TAB
-s : 所有行合成一行显示

示例

paste -s:
例：把文件a/b.log文件合成一行显示

分析文本的工具

wc ?

文本数据统计

sort ?

整理文本

diff和patch

比较文件

.

wc

可用于统计文件的行总数、单词总数、字节总数和字符总数
可以对文件或STDIN中的数据统计
wc story.txt
39 237 1901 story.txt
行数 字数 字节数 ?

常用选项

-l 只计数行数
-w 只计数单词总数
-c 只计数字节总数
-m 只计数字符总数
-L 显示文件中最长行的长度

示例

wc -l: 只查看文件行数

wc -w :只计文本单词总数

wc -L :挑出a.log文件最长的一行

wc -m：只计字符总数

wc -c :只计字节总数

sort

文本排序

把整理过的文本显示在STDOUT，不改变原始文件

常用选项

-r 执行反方向（由上至下）整理
-R 随机排序
-n 执行按数字大小整理
-f 选项忽略（fold）字符串中的字符大小写
-u 选项（独特，unique）删除输出中的重复行
-t c 选项使用c做为字段界定符
-k # 选项按照使用c字符分隔的 # 列来整理能够使用多次

示例

sort -nr :把文本数字按大到小进行排序

sort -R：随机排序
例: 随机排序1到55的数字

sort -u : 去掉重复行
例：删除a.log文件的重复行

练习

查出分区空间使用率的最大百分比值

查出用户UID最大值的用户名、UID及shell类型

uniq

从输入中删除前后相接的重复的行

常用选项

-c: 显示每行重复出现的次数
-d: 仅显示重复过的行
-u: 仅显示不曾重复的行
注：连续且完全相同方为重复
常和sort命令一起使用
sort userlist.txt | uniq -c

示例

例:查看a.log文件不显示相邻的重复行

uniq -c ：显示每行重复出现次数
例：查看a.log文件每行重复出现的次数

uniq -d : 只显示相邻的重复行
例:查看a.log文件重复过的行

uniq -u :只显示不重复行
例：查看文件a.log文件没有重复过的行

练习

统计访问过日志的IP地址，并取出访问次数最多的前三个

diff

比较两个文件之间的区别

-u ：命令的输出被保存在一种叫做“补丁”的文件中 ?使用 -u 选项来输出“统一的（unified）”diff格式文件，最适用于补丁文件

.

patch

-b：复制在其它文件中进行的改变（要谨慎使用） ?适用 -b 选项来自动备份改变了的文件

.

diff -u foo.conf foo2.conf > foo.patch
patch -b foo.conf foo.patch

示例

例：查看文件a.log和aa.log文件的不同

diff -u :显示的更加详细
例：

文本处理三剑客sed

grep：文本过滤(模式：pattern)工具 ?
sed：stream editor，文本编辑工具 ?
awk：Linux上的实现gawk，文本报告生成器

grep

作用：文本搜索工具，根据用户指定的“模式”对目标文本逐行进行匹配检 查；打印匹配到的行
模式：由正则表达式字符及文本字符所编写的过滤条件
常用选项

--color=auto: 对匹配到的文本着色显示 ?
-m # 匹配#次后停止 ?
-v 显示不被pattern匹配到的行 ?
-i 忽略字符大小写 ?
-n 显示匹配的行号 ?
-c 统计匹配的行数 ?
-o 仅显示匹配到的字符串 ?
-q 静默模式，不输出任何信息 ?
-A # after, 后#行 ?
-B # before, 前#行 ?
-C # context, 前后各#行 ?
-e 实现多个选项间的逻辑or关系 grep –e ‘cat ’ -e ‘dog’ file ?
-w 匹配整个单词 ?
-E 使用ERE ?
-F 相当于fgrep，不支持正则表达式 ?
-f file 根据模式文件处理

示例

从/etc/passwd中找出包含root的行

grep -m
例: 过滤/etc/passwd中出现的前两次bash

grep -v
例: 显示/etc/passwd文件中不匹配到bash的行

grep -i :忽略大小写

grep -n
例：显示/etc/passwd文件中匹配到root在文件中的行数

grep -c
例：统计/etc/passwd文件中匹配到root的行数

grep -o
例：只显示/etc/passwd文件中匹配到的bash字符串

grep -q
例: 不输出任何信息

grep -A
例：显示找到root行的后三行

grep -B
例: 显示找到root行的前三行

grep -C
例：显示找到root行的前三行和后三行

grep -e
例 :显示/etc/passwd文件中匹配到root或bash的行

grep -f
例：满足greo.log文件中任意一行的都显示出来

例:

正则表达式

由一类特殊字符及文本字符所编写的模式， 其中有些字符（元字符）不表示字符字面意义，而表示控制或通配的功能
分两类

基本正则表达式：BRE，grep，vim
扩展正则表达式：ERE，grep -E, egrep，nginx

练习

取出分区利用率最大的值

例

例:搜索以bash结尾的行

egrep及扩展的正则表达式

egrep = grep -E ?
扩展正则表达式的元字符： ?
字符匹配：
. 任意单个字符 [] 指定范围的字符 [^] 不在指定范围的字符
次数匹配:

* 匹配前面字符任意次
? 0或1次

• 1次或多次
  {m} 匹配m次
  {m,n} 至少m，至多n次

.

位置锚定：

^ 行首
$ 行尾
<,  语首
>,  语尾

.

分组：

()
后向引用：1, 2, ...

.

或者：

a|b a或b
C|cat C或cat
(C|c)at Cat或cat