首页 > 系统相关 >Shell文本处理秘籍：掌握这11种工具，让数据处理如虎添翼！

Shell文本处理秘籍：掌握这11种工具，让数据处理如虎添翼！

时间：2024-08-04 09:57:16浏览次数：9  
标签：11 Shell tr 文本处理 awk file print txt 文本

引言

在Linux信息环境，文本数据处理是一项基础而重要的技能。对于广大Linux用户而言，掌握Shell环境下的文本处理工具不仅能提高工作效率，还能在面对复杂数据时游刃有余。

本文将介绍，那些在文本处理中不可或缺的11种命令工具，让数据处理技能更上一层楼。

目录

  • find： find命令无疑是文件查找领域的佼佼者。它能帮助我们在文件系统中快速定位所需文件

  • grep： 当我们需要在文件中查找特定文本时，grep是我们的不二选择。它能帮我们过滤出含有特定模式的行

  • xargs： xargs能够将标准输入转换成命令行参数。这对于处理来自其他命令的输出结果非常有用

  • sort： 无论是数字还是文本，sort都能帮我们轻松排序

  • uniq： uniq命令用于移除或显示文件中的重复行

  • tr： 需要替换或删除字符？tr是我们的好帮手

  • cut： 当我们需要基于列分隔符提取文件内容时，cut命令可以大大简化任务

  • paste： 与cut相对，paste命令用于合并文件的列

  • wc： 无论是行数、单词数还是字节数，wc都能给我们准确答案

  • sed： 对于复杂的文本替换和编辑任务，sed是不二之选

  • awk： awk是一种编程语言，特别擅长在表格数据中进行字段和记录的处理

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。

一、find 文件查找高手

1. 查找txt和pdf文件

find . ( -name "*.txt"-o -name "*.pdf") -print

2 正则方式查找.txt和pdf

find . -regex  ".*(.txt|.pdf)$"

  • iregex：忽略大小写的正则

3. 否定参数: 查找所有非txt文本

find . ! -name "*.txt" -print

4. 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

5. 定制搜索

  • 按类型搜索：

find . -type d -print  #在当前目录（.表示当前目录）下搜索所有的目录（-type d表示只查找目录），并将找到的目录名打印出来（-print表示打印到标准输出）

  • 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：w字 k M G

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

6. 找到后的后续动作

删除：

删除当前目录下所有的swp文件：

find . -type f -name "*.swp" -delete

7. 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；

二、grep 文本搜索专家

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

grep -c "text" filename

  • -n： 打印匹配的行号

  • -i： 搜索时忽略大小写

  • -l： 只打印文件名

1. 在多级目录中对文本递归搜索(搜索代码配置常用）

grep "class". -R -n

2. 匹配多个模式

grep -e "class" -e "vitural" file

3. grep输出以作为结尾符的文件名：（-z）

grep "test" file* -lZ| xargs -0 rm

三、 xargs 命令行参数转换，批量操作能手

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出

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

补充：

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

-0：指定为输入定界符

补充：统计程序行数

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

四、sort 排序大师

字段说明：

  • -n 按数字进行排序 VS -d 按字典序进行排序

  • -r 逆序排序

  • -k N 指定按第N列排序

补充：
sort -nrk 1 data.txt

sort -bd data #忽略像空格之类的前导空白字符

五、uniq 消除重复行

  • 消除重复行

sort unsort.txt | uniq

  • 统计各行在文件中出现的次数

sort unsort.txt | uniq -c

  • 找出重复行

sort unsort.txt | uniq -d

  • 可指定每行中需要比较的重复内容：-s 开始位置 -w 比较字符数

六、tr 字符转换器

  • 通用用法

echo 12345 | tr '0-9''9876543210' #加解密转换，替换对应字符

cat text| tr '    '' '  #制表符转空格

  • tr删除字符

cat file | tr -d '0-9'  #删除所有数字

  • -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:]

tr '[:lower:]''[:upper:]'

七、cut 按列提取文本

  • 截取文件的第2列和第4列：

cut -f2,4 filename

  • 去文件除第3列的所有列：

cut -f3 --complement filename

  • -d 指定定界符：

cat -f2 -d";" filename

cut 取的范围

  • N-: 第N个字段到结尾

  • -M: 第1个字段为M

  • N-M: N到M个字段

cut 取的单位

  • -b: 以字节为单位

  • -c: 以字符为单位

  • -f: 以字段为单位（使用定界符）

补充:

cut -c1-5 file #打印第一到5个字符

cut -c-2 file  #打印前2个字符

八、paste 按列拼接器

将两个文本按列拼接到一起;
cat file1
1
2

cat file2

colin
book

paste file1 file2

1 colin
2 book

  • 的定界符是制表符，可以用-d指明定界符

paste file1 file2 -d ","
1,colin
2,book

九、wc 字数统计员

wc -l file #统计行数

wc -w file #统计单词数

wc -c file #统计字符数

十、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

  • 其它示例

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

十一、awk 数据流处理工具

  • awk脚本结构

awk ' BEGIN{ statements } statements2 END{ statements } '

工作方式

  1. 执行begin中语句块；

  2. 从文件或stdin中读入一行，然后执行statements2，重复这个过程，直到文件全部被读取完毕；

  3. 执行end语句块； print 打印当前行

使用不带参数的print时，会打印当前行

echo -e "line1 line2"| awk 'BEGIN{print "start"} {print } END{ print "End" }'

print 以逗号分割时，参数以空格定界

echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3";
print var1, var2 , var3; }'
$>v1 V2 v3

使用拼接符的方式（""作为拼接符）

echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3";
print var1"-"var2"-"var3; }'
$>v1-V2-v3

特殊变量： NR NF $0 $1 $2

  • NR:表示记录数量，在执行过程中对应当前行号；

  • NF:表示字段数量，在执行过程总对应当前行的字段数；

    • $0:这个变量包含执行过程中当前行的文本内容；

    • $1:第一个字段的文本内容；

    • $2:第二个字段的文本内容；

echo -e "line1 f2 f3 line2 line 3"| awk '{print NR":"$0"-"$1"-"$2}'

打印每一行的第二和第三个字段：

awk '{print $2, $3}' file

统计文件的行数：

awk ' END {print NR}' file

累加每一行的第一个字段：

echo -e "1 2 3 4 "| awk 'BEGIN{num = 0 ;
print "begin";} {sum += $1;} END {print "=="; print sum }'

传递外部变量

var=1000
echo | awk '{print vara}' vara=$var  #输入来自stdin 
awk '{print vara}' vara=$var file #输入来自文件

用样式对awk处理的行进行过滤

awk 'NR < 5'  #行号小于5
awk 'NR==1,NR==4 {print}' file #行号等于1和4的打印出来
awk '/linux/'  #包含linux文本的行（可以用正则表达式来指定，超级强大）
awk '!/linux/'  #不包含linux文本的行

设置定界符

使用-F来设置定界符（默认为空格）

awk -F: '{print $NF}'/etc/passwd

读取命令输出

使用getline，将外部shell命令的输出读入到变量cmdout中；

echo | awk '{"grep root /etc/passwd" | getline cmdout; print cmdout }'

在awk中使用循环

for(i=0;i<10;i++){print $i;}
for(i in array){print array[i];}

补充：

以逆序的形式打印行：(tac命令的实现）

seq 9|
awk '{lifo[NR] = $0; lno=NR}
END{ for(;lno>-1;lno--){print lifo[lno];}
} '

awk实现head、tail命令

head:
  awk 'NR<=10{print}' filename

tail:
  awk '{buffer[NR%10] = $0;} END{for(i=0;i<11;i++){ 
  print buffer[i %10]} } ' filename

打印指定列

  • awk方式实现：

ls -lrt | awk '{print $6}'

  • cut方式实现

ls -lrt | cut -f6

打印指定文本区域

  • 确定行号

seq 100| awk 'NR==4,NR==6{print}'

  • 确定文本

打印处于startpattern 和endpattern之间的文本

awk '/start_pattern/, /end_pattern/' filename

补充:
seq 100| awk '/13/,/15/'
cat /etc/passwd| awk '/mai.*mail/,/news.*news/'

awk常用内建函数

  • index(string,search_string)：返回search_string在string中出现的位置

  • sub(regex,replacement_str,string)：将正则匹配到的第一处内容替换为replacement_str;

  • match(regex,string)：检查正则表达式是否能够匹配字符串；

  • length(string)：返回字符串长度

echo | awk '{"grep root /etc/passwd" | getline cmdout; print length(cmdout) }'

printf 类似c语言中的printf，对输出进行格式化

补充：

seq 10| awk '{printf "->%4s ", $1}'

迭代文件中的行、单词和字符

1. 迭代文件中的每一行

  • while 循环法:

while read line;
do
echo $line;
done< file.txt

  • 改成子shell:

cat file.txt | (while read line;do echo $line;done)

  • awk法：

cat file.txt| awk '{print}'

2. 迭代一行中的每一个单词

for word in $line;
do
echo $word;
done

3. 迭代每一个字符

  • ：从字符串中提取一个字符；文本切片）{#word}:返回变量word的长度

for((i=0;i<${#word};i++))
do
echo ${word:i:1);
done

最后

至此，11种Linux Shell文本处理工具，就介绍完毕了，总结有些仓促。每个工具都有其独特之处，合理运用这些工具，可以让我们在处理文本数据时如鱼得水。无论你是系统运维、软件开发，这些工具都将是日常工作中的得力助手。

最后~欢迎关注我！ @Linux学习的那些事儿

我的个人资源整理，满满都是干货： 无任何套路，有需要可以访问领取

200T免费资源专区，持续发布中... 

如果本文对你有帮助，欢迎点赞、收藏、转发给朋友，让我有持续创作的动力！

标签：11,Shell,tr,文本处理,awk,file,print,txt,文本
From： https://blog.csdn.net/weixin_44047596/article/details/140813865

相关文章

  • 基于IEEE802.11g标准的OFDM信号帧检测matlab仿真
    1.程序功能描述     现有的无线通信信道共享的无线信号识别为将来的软件定义的无线电系统是一个巨大的挑战。在这个项目中，学生将制定IEEE802.11无线信号在AWGN信道，利用MATLAB/Simulink技术来识别。一个完整的发射机模式将开发和实施。在AWGN信道下的性能进行评估。 基......
  • NLP从零开始------7基础文本处理之关键词提取
    1.关键词提取技术简介    在现代。文本是海量的信息中量最大的、使用最广泛的一种数据类型。这些信息数据虽然能为人们的生活提供便利。但是在提取有价值的信息时仍面临着困难。通过关键词提取可以快速地提取一篇新闻的关键信息。    关键词是能够反应文本主......
  • Linux shell脚本配置
    shell编程和c语言的比较shell编程：shell是一种解释型语言，擅长文件处理和操作系统管理，开发效率高但执行效率低，移植性好。c语言：编译型语言，先编译再执行，擅长数据计算和数据处理，但开发效率低，执行效率高移植性差。shell脚本编程        shell命令解释器：Bash，Ksh，Csh，Ash......
  • 嵌入式学习---DAY18：shell脚本
    shell脚本文件进程网络HtmlDbshell脚本是一系列shell命令的集合。  shell  命令解释器shell编程：解释型语言、边翻译边执行、擅长文件处理,操作系统管理、开发效率高  cp 1  2、执、效率低、移植性好C语言：编译型语言、先编译再执行、擅长数据计算和数据处理、开发......
  • （11-1）基于SLAM的自主路径导航系统：背景介绍+项目介绍
    在本章的内容中，通过具体实例展示了实现一个自主路径导航系统的过程。本项目利用TurtleBot3机器人和ROS框架实现了自主路径规划功能，通过SLAM技术进行实时地图建立和定位，并结合move_base包实现路径规划。用户可以根据需求选择不同的SLAM方法，包括gmapping、cartographer、hector......
  • 使用一个io口同时兼容连接dht11和18b20温度传感器
    一个io口同时兼容dht11和18b20温度传感器，也就是说这个io口设计具有高度灵活性，可以兼容DHT11和18B20两种不同类型的温度传感器（一次只能连接一种温度传感器）。用户可以轻松地在同一个io口上连接不同的传感器，从而实现更广泛的应用。这种设计不仅简化了操作流程，也为未来连接其他传感......
  • 在Windows 11上导入shout模块时缺少dll错误
    经过大量研究，我终于在Windows11上安装了python-shout没有使用msys2/mingw。安装模块的setup.py文件是：#distutilsbuildscript#Toinstallshout-python,run'pythonsetup.pyinstall'fromsetuptoolsimportsetup,Extensionimportosimportsysimpo......
  • Shell编程基本介绍
    文章目录Shell简介Shell环境第一个Shell脚本Shell脚本的运行方法基础语法Shell变量定义变量使用变量修改变量的值单引号和双引号的区别将命令的结果赋值给变量只读变量删除变量Shell传递参数特殊字符处理参数说明$*与$@区别Shell字符串三种形式的区别获取字符串长......
  • Shell编程——函数 和 输入/输出重定向
    文章目录Shell函数Shell输入/输出重定向输出重定向输入重定向重定向深入讲解/dev/null文件Shell函数shell中函数的定义格式如下：[function]funname[()]{ action: [returnint;]}参数说明：1、可以带functionfun()定义，也可以直接fun()定义,不带任何......
  • K11505 The Lost cow[USACO-2017-USOpen-B]
    题目描述FarmerJohn最珍贵的奶牛Bessie丢了，他需要把它找回来。幸运的是，农场里只有一条长长的直路，他知道Bessie肯定在这条路上的某个地方。如果我们把这条路看成数轴，假设FarmerJohn所在位置是x，Bessie所在的位置是y（对于John是未知的），如果FarmerJohn知道Bessie的位置，那么他就......

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99